基于点群聚类的网络涉密信息安全传输仿真

针对目前网络信息安全传输方法没有对涉密数据进行聚类,存在传输成功率低、传输速率慢和CPU使用率过高的问题,提出基于点群聚类的网络涉密信息安全传输方法。方法在点群聚类中加入广义距离将其视为统计量,以此精确划分涉密数据类别,并通过M2椭圆曲线公钥加密算法进行加密,将加密后的数据利用路由算法运算出多条传输路径,并计算出路径代价函数,同时评估其余下能量、平均剩余能量和节点数量,选出最优路径,实现网络信息安全传输。实验结果表明,所提方法的传输成功率高、传输速率快和CPU使用率稳定。

基于点群聚类的云数据中心计算节点选择与推介

为实现云数据中心大数据高效处理,快速响应用户请求,计算节点的准确定位就显得尤为重要。文章建立在可计算节点资源的多维属性描述基础上,首先将云数据中心的各计算节点映射成点群空间,通过定量地计算各点群的效用函数值,提出了一种采用点群聚类算法的近邻平均距离对点群目标进行分类的算法,最终通过类属相似度计算完成节点的选择,实现可计算节点的指派与推介。实验表明,该节点选取方法能有效地改善可计算节点的定位精度,进一步提升云数据中心在大数据处理的效率。

基于点群聚类的计算机网络入侵节点选择算法研究

为解决传统计算机网络入侵节点选择算法存在选择准确性差,工作效率低的问题,本文提出研究基于点群聚类的计算机网络入侵节点选择算法。该算法首先进行入侵节点数据收集,对获取到的数据进行清洗、归约、转换等处理。利用点群聚类中的K-means算法识别入侵节点,实现了计算机网络入侵节点选择。仿真结果表明:通过本文算法对计算机网络入侵节点进行选择的综合性能TotalScore值较高,用时较短,证明本算法能在更短的时间内实现网络入侵节点选择,更利于预防非法节点入侵,保护网络安全。

一种改进的点群移位算法及其应用

比例射线移位算法处理冲突目标群,能够较好地保持移位后目标群的空间分布模式,常被应用于点群移位。本文在对已有算法的研究基础上,对其进行改进:首先考虑了存在线状要素时点群移位的新情况;其次,提出了可变参数的衰减函数控制模型。最后本文通过实验,演示了算法的有效性。