自我調整雲端的大規模匯出子圖提取演算法

自我調整雲端的大規模匯出子圖提取演算法

郭鑫  董堅峰  周清平

針對現有雲計算平臺資源隨機調配與傳統匯出子圖挖掘效率較低等問題,進一步提升雲計算平臺中資源整合利用效率與大規模匯出子圖挖掘效率,提出了一種自我調整雲端的大規模匯出子圖提取演算法, 以解決資源優化利用與海量圖挖掘等問題.首先介紹了雲計算概念與匯出子圖挖掘相關概念以及問題描述;接著根據MapReduce並行處理模型設計了一種自我調整任務動態分配演算法SAC_TA(Self Adaptive Cloud Dynamic Allocation),它根據計算任務自適用分配系統資源以達到成本消耗的最優;並設計出自適應雲端框架,然後基於自我調整雲端提出了大規模匯出子圖挖掘演算法SFGFF(SAC_TA、Find_VE、G_F1、 FindPartFG、FindAllFG),它共分為4個階段的挖掘,將所有演算法應用到自我調整雲端中可構成整個匯出子圖挖掘體系;最後在人工類比資料與真實環境資料下進行了試驗,結果表明,自我調整雲端運行良好,演算法有效可行, 具有較高的加速比與運行效率,能有效滿足大規模頻繁匯出子圖挖掘的需求.

自我調整雲端的大規模匯出子圖提取演算法