云存储中大数据优化粒子群聚类算法

对云存储系统中的大数据进行优化聚类设计,降低存储开销,提高数据管理和调度能力,传统方法中对云存储大数据聚类方法采用量子进化方法,当量子群个体存在非线性偏移时,数据聚类存在局部收敛,导致聚类准确度降低。提出一种基于优化粒子群算法的云存储中大数据优化聚类算法,进行了云存储大数据聚类的原理分析,在传统的模糊C均值聚类的基础上,采用粒子群聚类算法进行大数据聚类算法改进设计,把数据的分割转化为对空间的分割,得到云存储系统中海量数据的模糊聚类中心矢量,采用粒子群聚类方法对聚类数据的离散样本进行动态分配,得到数据聚类的信息素浓度,结合粒子群优化聚类的约束条件,求得云存储中大数据聚类的中心最优解。仿真结果表明