本文關(guān)鍵詞： 任務(wù)調(diào)度 基于密度的聚類算法 聚類　出處：《北京郵電大學(xué)學(xué)報》2017年S1期 　論文類型：期刊論文

【摘要】：針對云計算環(huán)境中任務(wù)調(diào)度中存在的執(zhí)行效率低的問題,提出了一種基于改進的基于密度的聚類算法(DBSCAN)的云任務(wù)調(diào)度策略.首先使用改進的基于密度的聚類算法DBSCAN對云任務(wù)進行聚類,然后與已經(jīng)分類的資源進行匹配,解決資源與任務(wù)匹配程度低的問題.實驗結(jié)果表明,對任務(wù)進行聚類后進行任務(wù)調(diào)度,任務(wù)在終端上的平均執(zhí)行時間減少了大約35.2%,任務(wù)的調(diào)度時間也有了明顯減少.
[Abstract]:Aiming at the problem of low execution efficiency in task scheduling in cloud computing environment, This paper proposes a cloud task scheduling strategy based on improved density-based clustering algorithm (DBSCANs). Firstly, the improved density-based clustering algorithm (DBSCAN) is used to cluster cloud tasks, and then it matches the classified resources. The experimental results show that the average task execution time on the terminal is reduced by about 35.2and the task scheduling time is also reduced obviously.
【作者單位】： 北京郵電大學(xué)信息安全中心;
【基金】：國家242信息安全計劃項目(2015A136)
【分類號】：TP311.13

【相似文獻】

相關(guān)期刊論文 前10條

1 周水庚,周傲英,曹晶;基于數(shù)據(jù)分區(qū)的DBSCAN算法[J];計算機研究與發(fā)展;2000年10期

2 ;Scaling up the DBSCAN Algorithm for Clustering Large Spatial Databases Based on Sampling Technique[J];Wuhan University Journal of Natural Sciences;2001年Z1期

3 岳士弘,李平,郭繼東,周水庚;Using Greedy algorithm: DBSCAN revisited II[J];Journal of Zhejiang University Science;2004年11期

4 蔡穎琨,謝昆青,馬修軍;屏蔽了輸入?yún)?shù)敏感性的DBSCAN改進算法[J];北京大學(xué)學(xué)報(自然科學(xué)版);2004年03期

5 宋明,劉宗田;基于數(shù)據(jù)交疊分區(qū)的并行DBSCAN算法[J];計算機應(yīng)用研究;2004年07期

6 熊忠陽,孫思,張玉芳,王秀瓊;一種基于劃分的不同參數(shù)值的DBSCAN算法[J];計算機工程與設(shè)計;2005年09期

7 何中勝;劉宗田;莊燕濱;;基于數(shù)據(jù)分區(qū)的并行DBSCAN算法[J];小型微型計算機系統(tǒng);2006年01期

8 李杰;賈瑞玉;張璐璐;;一個改進的基于DBSCAN的空間聚類算法研究[J];計算機技術(shù)與發(fā)展;2007年01期

9 馮少榮;肖文俊;;基于密度的DBSCAN聚類算法的研究及應(yīng)用[J];計算機工程與應(yīng)用;2007年20期

10 譚穎;胡瑞飛;殷國富;;多密度閾值的DBSCAN改進算法[J];計算機應(yīng)用;2008年03期

相關(guān)會議論文 前7條

1 馬帥;宋國杰;唐世渭;楊冬青;王騰蛟;;基于單元劃分的DBSCAN聚類算法[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2002年

2 朵春紅;王翠茹;;基于取樣的DBSCAN聚類算法及其遺傳優(yōu)化[A];第一屆中國高校通信類院系學(xué)術(shù)研討會論文集[C];2007年

3 龐洋;李海林;郭義喜;;基于DBSCAN算法的日志信息聚類研究[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

4 宮蕊;舒紅平;郭遠遠;;基于DBSCAN的密度聚類算法的研究[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

5 張健沛;許慧;楊靜;崔洪晶;;基于數(shù)據(jù)分區(qū)、QR~*-樹的并行DBSCAN算法[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會——通信與信息技術(shù)會議論文集（下）[C];2006年

6 范曄;周水庚;曹晶;周傲英;;通過數(shù)據(jù)取樣擴展基于密度的聚類算法[A];第十六屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集[C];1999年

7 曹晶;周水庚;范曄;周傲英;;數(shù)據(jù)分區(qū):一種改善基于密度的聚類算法的方法[A];第十六屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集[C];1999年

相關(guān)碩士學(xué)位論文 前10條

1 陸穎華;基于局部敏感哈希的DBSCAN算法研究[D];南京信息工程大學(xué);2015年

2 韓梅;基于改進DBSCAN的復(fù)雜工業(yè)過程建模數(shù)據(jù)異常點檢測研究[D];天津工業(yè)大學(xué);2016年

3 劉聰;基于SPARK平臺的LAMOST早M型光譜聚類的研究[D];山東大學(xué);2016年

4 馮振華;基于DBSCAN聚類算法的研究與應(yīng)用[D];江南大學(xué);2016年

5 田路強;基于DBSCAN的分布式聚類及增量聚類的研究與應(yīng)用[D];北京工業(yè)大學(xué);2016年

6 李宗林;基于DBSCAN的自適應(yīng)聚類算法研究[D];長沙理工大學(xué);2015年

7 劉宏超;基于DBSCAN的文本聚類算法研究[D];江西財經(jīng)大學(xué);2016年

8 王實美;基于DBSCAN的自適應(yīng)非均勻密度聚類算法研究[D];北京交通大學(xué);2017年

9 羅啟福;基于云計算的DBSCAN算法研究[D];武漢理工大學(xué);2013年

10 吳林敏;針對非均勻數(shù)據(jù)集的DBSCAN過濾式改進算法[D];重慶大學(xué);2009年

，

本文編號：1508083