[发明专利]一种改进HMM模型聚类策略的方法

摘要

本发明公开了一种改进HMM模型聚类策略的方法，与现有技术相比，本发明对HMM爬虫的页面采集方法做出了改进。针对HMM爬虫相关度低，容易丢失相关页面的问题，改进了相关度判别方法。针对其中存在的主控服务器瓶颈问题和心跳数据包信息不完整问题，提出了基于自适应反馈算法的网页云存储系统构建方法。并通过实验证明了改进的HMM爬虫模型在查准率方面均优于传统HMM爬虫；网页云存储系统在磁盘利用率及均匀度和服务阻塞率及均匀度方面均优于HDFS。

主权项

一种改进HMM模型聚类策略的方法，其特征在于，包括以下步骤：(1)输入训练集和候选页(P)；(2)输出权重值分配给候选页面P；(3)采用K‑Means训练集的簇(K值自动获得)；(4)计算π、A、Bπ、A、B矩阵和相关页面的质心C_rC_r；(5)采用K‑Nearest Neighbor算法，将候选页面P分类到簇C_tC_t；(6)给出当前计算隐状态概率：$a(L_j,t)=b_{jet}\underset{i-0}{\overset{states}{\Σ}}\left(a\right(L_i,t-1)\·a_{ij});$(7)计算下一步隐状态概率估计：$a(L_j,t+1)=\underset{i-0}{\overset{states}{\Σ}}\left(a\right(L_i,t)\·a_{ij});$(8)计算权重priority_HMM(p)＝a(L₀，t+1)priority_HMM(p)＝a(L₀，t+1)；(9)采用VSM计算页面内容和相关页面的质心C_rC_r之间的similarity(p，c)；(10)分配权重给网页：priority_{learning NMM}(p，c_r)＝(similarity(p，c_r)+prity_HMM(p))/2priority_{learning NMM}(p，c_r)＝(similarity(p，c_r)+prity_HMM(p))/2。