自适应数据库中基于特征向量的聚类算法  

Research of cluster based on feature vectors in autonomic database

作　　者：强彦[1] 陈俊杰[1] 高燕飞[1] 

机构地区：[1]太原理工大学计算机与软件学院,太原030024

出　　处：《计算机工程与应用》2008年第27期162-164,共3页Computer Engineering and Applications

基　　金：国家自然科学基金(No.60773004);山西省自然科学基金(No.2007011050)~~

摘　　要：负载自适应数据库系统中,负载特征化部件要实时对各种数据库的访问负载分类,根据分类的情况预测负载对数据库资源需求。是对常规聚类算法的一个改进,提出基于特征向量的聚类算法和基于特征向量的增量聚类算法。使用该算法后负载分类速度和准确性有明显提高。In autonomic database system,workload characterization is a key part.In workload characterization,workload should be classified,then anticipate workload performance.Workload classification uses cluster algorithm.And in cluster algorithm,the typical is the K-means cluster algorithm.But in the K-means cluster algorithm,k should be defined and not changed.This paper makes an improvement in the algorithm,so the k is changed if needed.The result of the experiment shows that the veracity using Cluster algorithm Based on Feature Vectors（CFV） making of forecasting workload runtime is improved.

关 键 词：特征向量 聚类算法 基于特征向量的聚类算法 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]