數據挖掘技術在P2P資源定位中的應用研究.pdf

1、資源定位問題是P2P網絡應用中存在的主要問題之一,也是當前P2P網絡的研究重點。P2P網絡在運行的過程中會產生大量的訪問日志數據,而數據挖掘技術可以從海量的數據中挖掘出有用的知識,利用從這些日志數據中挖掘出的規(guī)則來指導 P2P網絡的運行,可以提高P2P網絡的資源定位效率。
　　本文圍繞研究數據挖掘中關聯(lián)規(guī)則挖掘算法的改進以及關聯(lián)規(guī)則挖掘技術在對等網(Peer-to-Peer,P2P)模型Kademlia下資源定位的應用研究展開。<

2、br>　　首先,在深入研究和分析了數據挖掘中關聯(lián)規(guī)則挖掘技術的基礎上,改進了兩個關聯(lián)規(guī)則算法,分別是基于頻繁項閾值的D-Apriori算法和基于時間維度的T-Apriori算法。D-Apriori算法通過對兩個頻繁項集閾值的判斷能夠快速減少算法在進行關聯(lián)規(guī)則挖掘時產生的中間候選項集的數量,降低算法復雜度,提高程序執(zhí)行效率。并通過數學證明和仿真實驗驗證了算法的有效性。而基于時間維度的T-Apriori算法主要是用于Web日志數據挖掘,結合

3、日志數據的特點,在原Apriori算法中加入時間屬性(即網頁的訪問順序),實驗結果顯示改進的T-Aprior算法能夠有效減少數據庫的掃描次數和候選集數量,尤其是在數據量越大的情況下效果越明顯。
　　其次,對對等網(P2P)系統(tǒng)及其資源定位方法進行了分析,重點研究了P2P系統(tǒng)中 Kademlia網絡模型,針對其資源定位中存在的查詢速度較慢、反應時間較長問題,設計了一種基于關聯(lián)規(guī)則挖掘技術的Kademlia網絡資源定位方法。