"这篇论文研究了基于模糊聚类和改进GRNN(广义回归神经网络)的云服务器聚类算法,旨在提升云平台的任务调度效率和整体性能。论文作者为马晨和谷利泽,他们来自北京邮电大学网络空间安全学院。文中提到,IVCE云平台具有大量服务器和多样的任务,对服务器进行聚类分级对于合理任务调度至关重要。传统的GRNN算法虽然在处理非线性问题上有优势,但存在收敛速度慢和可能陷入局部最小值的问题。因此,论文提出了结合模糊C均值(FCM)算法来形成服务器聚类,并利用改进的果蝇优化算法改善GRNN的缺点。此外,通过邻域粗糙集理论分析FCM输出结果以选择关键特征,防止维数灾难。实验结果显示,提出的算法在速度、收敛步数以及系统资源占用上都有显著优势,并且能促进任务调度的均衡性,验证了算法的有效性。关键词包括云服务器聚类算法、邻域粗糙集理论、模糊C-均值、果蝇优化算法和广义回归神经网络。"
该论文的核心知识点包括:
1. **云服务器聚类算法**:在大规模云平台中,通过对服务器进行聚类可以优化任务调度,提高资源利用率和平台效率。
2. **模糊聚类**:模糊C均值(FCM)算法是一种聚类方法,允许数据点同时属于多个类别,适应于处理有模糊边界的聚类问题。
3. **GRNN(广义回归神经网络)**:一种具有非线性映射能力的神经网络,适合处理非线性问题,但可能存在收敛速度慢和局部最小值问题。
4. **改进GRNN**:通过结合果蝇优化算法,解决了GRNN的收敛速度和局部最优问题,提高了聚类的效率和精度。
5. **果蝇优化算法**:一种生物启发式优化算法,用于全局搜索和优化,帮助GRNN更快找到全局最优解。
6. **邻域粗糙集理论**:用于特征选择和降维的方法,防止在高维数据中遇到的“维数灾难”问题。
7. **性能评估**:实验比较了新算法与已有方法在速度、收敛步数和系统资源占用上的表现,证明了新算法的优越性。
8. **任务调度均衡**:算法应用后,云平台的任务调度变得更加均衡,表明聚类效果准确有效。
这篇论文的研究不仅提升了云服务器聚类的效率,也为未来在云环境中的任务调度提供了新的优化策略。