Multicriteria Optimization Method for Load Balancing in Cloud Computing

Alguliyev, Rasim; İmamverdiyev, Yadigar; Abdullayeva, Fərqanə

doi:10.25045/jpit.v08.i2.01

Cited by 3 publications

(4 citation statements)

References 17 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In addition, as the weight of criteria to be minimized in data clustering is taken as equal in current algorithms, it is impossible to regulate the higher optimality of the objective function. Therefore, to demonstrate the importance of the criteria in the data clustering process it is necessary to assign the appropriate weight coefficients to these criteria [18]. Here, to indicate the importance of the criteria in the clustering process the weight coefficients are used.…”

Section: Introductionmentioning

confidence: 99%

PSO+K-means Algorithm for Anomaly Detection in Big Data

Alguliyev

Alıguliyev

Abdullayeva

2019

Stat., optim. inf. comput.

View full text Add to dashboard Cite

The use of clustering methods in anomaly detection is considered as an effective approach. The choice of the cluster primary center and the finding of local optimum in the well-known k-means and other classic clustering algorithms are considered as one of the major problems and do not allow to get accurate results in anomaly detection. In this paper to improve the accuracy of anomaly detection based on the combination of PSO (particle swarm optimization) and k-means algorithms, the new weighted clustering method is proposed. The proposed method is tested on Yahoo! S5 dataset and a comparative analysis of the obtained results with the k-means algorithm is performed. The results of experiments show that compared to the k-means algorithm the proposed method is more robust and allows to get more accurate results.

show abstract

Section: Introductionmentioning

confidence: 99%

PSO+K-means Algorithm for Anomaly Detection in Big Data

Alguliyev

Alıguliyev

Abdullayeva

2019

Stat., optim. inf. comput.

View full text Add to dashboard Cite

show abstract

“…Mövcud alqoritmlərdə verilənlərin klasterləşməsi üçün minimallaşdırılacaq kriteriyaların çəkisi eyni götürüldüyündən, məqsəd funksiyasının daha optimal olmasını tənzimləmək mümkün olmur. Bu səbəbdən verilənlərin klasterləşməsi prosesində kriteriyaların vaciblik dərəcəsini göstərmək üçün onlara müvafiq çəki əmsalları verilməlidir [5]. Burada çəki əmsalları verilənlərin klasterləşməsi prosesində kriteriyaların vacibliyini göstərmək üçün istifadə olunur.…”

Section: Introductionunclassified

Böyük verilənlərdə anomaliyaların aşkarlanması üçün çoxkriteriyalı optimallaşdırma üsulu

Alguliyev¹,

Alıguliyev²,

İmamverdiyev³

et al. 2017

İnformasiya Təhlükəsizliyinin Aktual Problemləri III Respublika Elmi-Praktiki Seminarının Materialları

Self Cite

View full text Add to dashboard Cite

Xülasə-anomaliyaların aşkarlanmasında klasterləşmə üsullarının tətbiqi effektiv yanaşmalardan hesab edilir. Məşhur k-orta və digər klassik klasterləşmə alqoritmlərində klasterin ilkin mərkəzinin seçilməsi və lokal optimumun tapılması əsas problemlərdən biridir və anomaliyaların aşkarlanmasında dəqiq nəticələr əldə etməyə imkan vermir. Məqalədə anomaliyaların aşkarlanmasında dəqiqliyi artırmaq üçün PSO (particle swarm optimization) və k-orta alqoritmlərinin birləşməsinə əsaslanan yeni çəkili klasterləşmə üsulu təklif edilmişdir. Təklif edilmiş üsul Yahoo! S5 verilənlər bazası üzərində test edilmişdir və alınmış nəticələrin k-orta alqoritmi ilə müqayisəli təhlili aparılmışdır. Eksperimentlərin nəticəsi göstərir ki, təklif edilmiş üsul k-means alqoritmi ilə müqayisədə daha dayanıqlıdır və dəqiq nəticələr əldə etməyə imkan verir. Açar sözlər-sürü intellektinə əsaslanan optimallaşdırma üsulu (PSO); verilənlərin klasterləşməsi; klaster mərkəzi; k-orta klasterləşmə üsuluAbstract -The use of clustering methods in anomaly detection is considered as an effective approach. The choice of the cluster primary center and the finding of local optimum in the well-known kmeans and other classic clustering algorithms are considered as one of the major problems and do not allow to get accurate results in anomaly detection. In this paper to improve the accuracy of anomaly detection based on the combination of PSO (particle swarm optimization) and k-means algorithms, the new weighted clustering method is proposed. The proposed method is tested on Yahoo! S5 dataset and a comparative analysis of the obtained results with the kmeans algorithm is performed. The results of experiments show that the proposed method is more robust compared with the k-means algorithm and allows to get more accurate results.

show abstract

“…This chain of relationship creates a number of information channels covering all the mankind. Information can be spread through these channels at any scale as, according to the small world model, all the people are related with each other through common friends and usually the number of common acquaintances is not more than 6 [1].…”

Section: About the Information Impact Mechanisms Of Social Mediamentioning

confidence: 99%

“…Social network services created on the basis of Web 2.0 ideology in a very short period of time, in the last decade, turned into a social media generating and distributing unique content from a convenient tool for communication and file sharing [1]. Today, social media includes blogs (Blogger, LiveJournal), micro-blogs (Twitter, FMyLife), social networking services (Facebook, LinkedIn), wikis (Wikipedia, Wetpaint), social bookmarking (Delicious, CiteULike), social news (Digg, Mixx), reviews (ePinions, Yelp), multimedia sharing (Flickr, Youtube).…”

Section: Introductionmentioning

confidence: 99%