朱亚东，高翠芳

(1.江苏联合职业技术学院信息中心，江苏南京 211135; 2.江南大学理学院，江苏无锡 214122)

基于PSO的云计算环境中大数据优化聚类算法

朱亚东1，高翠芳2

(1.江苏联合职业技术学院信息中心，江苏南京 211135; 2.江南大学理学院，江苏无锡 214122)

在云计算环境下，对大数据进行优化聚类是实现数据优化访问和挖掘的基础。传统方法采用模糊C均值聚类算法进行云计算中的大数据聚类，易陷入局部极值，产生聚类偏移，效果不佳。提出一种基于优化粒子群(PSO)算法的大数据聚类算法。分析了云计算环境中的大数据结构模型，计算大数据的离散样本频谱特征，实现聚类样本的特征提取和信息模型构建。由于粒子群在搜索过程中经常会陷入局部最优解，采用混沌映射方法，带领粒子逃离局部最优解，设计粒子群优化算法进行特征聚类，达到大数据优化聚类的目的。仿真结果表明，采用该算法进行数据聚类，误分率降低，寻优性能较好，具有较好的应用价值。

粒子群;数据聚类;云计算;大数据

0 引言

各种云计算系统的出现使得信息处理和计算向着云计算方向发展。在云计算系统中，允许开发者将写好的程序放在“云”里运行，实现云计算系统的程控扩展和智能共享。在云计算环境中，海量的大数据需要进行调度和访问，达到数据挖掘的目的。实现云计算中大数据挖掘的基础在于数据聚类，因此研究云计算环境中大数据优化聚类算法具有重要意义。

聚类算法的本质是将海量大数据信息流通过统计信息分析的方法分成若干个层次的子集，提取数据信息流的属性特征量，调整聚类中心实现数据聚类优化。……