云計算設(shè)備中的大數(shù)據(jù)特征高效分類挖掘方法研究

王昌輝

摘 要： 云計算設(shè)備中的大數(shù)據(jù)分類挖掘是現(xiàn)實模式識別和智能控制的基礎(chǔ)，傳統(tǒng)方法中對云計算設(shè)備中的大數(shù)據(jù)挖掘采用拓撲結(jié)構(gòu)網(wǎng)格分區(qū)挖掘算法，不能有效提取大數(shù)據(jù)的細節(jié)特征，分類的準確性不好。提出一種基于分數(shù)階Fourier變換特征匹配和K?L分類的云計算設(shè)備中的大數(shù)據(jù)特征高效分類挖掘算法。進行云計算設(shè)備中大數(shù)據(jù)存儲機制體系分析，采用分數(shù)階Fourier變換進行云計算設(shè)備中大數(shù)據(jù)特征提取和大數(shù)據(jù)特征匹配，基于K?L變換，選擇最優(yōu)的路徑進行分類空間導引，構(gòu)建了K?L大數(shù)據(jù)特征分類器，進行云計算設(shè)備中的大數(shù)據(jù)特征分類挖掘。仿真結(jié)果表明，采用該算法進行云計算設(shè)備中的大數(shù)據(jù)特征分類挖掘，特征分類挖掘的準確度較高，能量開銷較少，效率較高。

關(guān)鍵詞： 云計算； 大數(shù)據(jù)； 特征提??； 分類挖掘

中圖分類號： TN958?34； TP391.4 文獻標識碼： A 文章編號： 1004?373X（2015）22?0055?04

隨著信息與計算科學的發(fā)展，現(xiàn)代數(shù)據(jù)信息處理進入了云計算時代，云計算設(shè)備是采用虛擬化的分布式計算和存儲系統(tǒng)實現(xiàn)數(shù)據(jù)云計算調(diào)度和云計算存儲的設(shè)備?，F(xiàn)實的云計算信息系統(tǒng)由多通道數(shù)據(jù)查詢網(wǎng)絡(luò)系統(tǒng)組成，通過云計算信息系統(tǒng)的設(shè)計，實現(xiàn)了云任務(wù)整合構(gòu)件之間的信息共享與功能集成，真正實現(xiàn)一個完善并具開放意義的Web社群。在云計算設(shè)備中，數(shù)據(jù)處理采用的是交互信息網(wǎng)絡(luò)結(jié)構(gòu)模式，數(shù)據(jù)包傳輸密集，由于內(nèi)部的和外部的用戶都可以訪問新的和現(xiàn)有的應(yīng)用系統(tǒng)，因此需要一個交互信息構(gòu)架下的交互信息通道實現(xiàn)高安全級進程向低安全級進程的轉(zhuǎn)換。在這個過程中，接收方直接或者間接地從客體中讀取消息，實現(xiàn)數(shù)據(jù)包發(fā)送和信息編碼，客戶端通過信息解碼實現(xiàn)信息接收[1]，需要對云計算設(shè)備中的大數(shù)據(jù)分類挖掘現(xiàn)實模式識別和智能控制，研究云計算設(shè)備中的大數(shù)據(jù)特征提取和優(yōu)化分類挖掘算法具有重要意義[1]。

云計算設(shè)備不僅能提供基于數(shù)字化信息服務(wù)，而且還能使互聯(lián)網(wǎng)絡(luò)用戶從信息接受者轉(zhuǎn)變成為信息制造者和傳播者。實現(xiàn)云計算設(shè)備優(yōu)化數(shù)據(jù)管理的基礎(chǔ)是進行大數(shù)據(jù)的分類挖掘，傳統(tǒng)方法中，對云計算設(shè)備中的大數(shù)據(jù)特征分類挖掘算法主要有大數(shù)據(jù)特征壓縮方法、云計算設(shè)備中的數(shù)據(jù)刪除算法、C/S客戶端控制算法和時頻特征提取算法等，其中，采用特征提取算法實現(xiàn)云計算設(shè)備中的大數(shù)據(jù)高效分類挖掘具有典型性，并取得了一定的研究成果[2]，其中，文獻[3]中提出一種基于類型匹配和決策樹分類的云計算設(shè)備大數(shù)據(jù)分類挖掘算法，算法采用決策樹方法設(shè)計分類器，實現(xiàn)數(shù)據(jù)分類挖掘，但該算法在進行特征提取過程中出現(xiàn)冗余數(shù)據(jù)，導致挖掘性能不好；文獻[4]提出一種基于混沌概率分析優(yōu)化分類的云計算大數(shù)據(jù)特征挖掘算法，采用現(xiàn)代譜分析算法進行混沌特征提取，避免了數(shù)據(jù)分類過程中陷入局部最優(yōu)，提高了數(shù)據(jù)挖掘性能，但該算法的最小執(zhí)行開銷受到混沌分岔性的限制，收斂性不好。當前方法對云計算設(shè)備中的大數(shù)據(jù)挖掘采用拓撲結(jié)構(gòu)網(wǎng)格分區(qū)挖掘算法，不能有效提取大數(shù)據(jù)的細節(jié)特征。

針對上述問題，為了克服傳統(tǒng)方法的弊端，本文提出基于分數(shù)階Fourier變換特征匹配和K?L分類的云計算設(shè)備中的大數(shù)據(jù)特征高效分類挖掘算法[5?7]。首先進行了云計算設(shè)備中大數(shù)據(jù)存儲機制體系分析，采用分數(shù)階Fourier變換進行云計算設(shè)備中大數(shù)據(jù)特征提取和大數(shù)據(jù)特征匹配處理，根據(jù)大數(shù)據(jù)信息濾波預(yù)處理結(jié)果，采用K?L分類器進行云計算設(shè)備中的大數(shù)據(jù)特征分類挖掘，仿真結(jié)果進行了性能驗證，展示了本文算法在提高云計算設(shè)備中的大數(shù)據(jù)特征匹配性能和數(shù)據(jù)分類挖掘性能方面的優(yōu)越性，展示了較好的應(yīng)用價值。

4 結(jié) 語

云計算設(shè)備是采用虛擬化的分布式計算和存儲系統(tǒng)實現(xiàn)數(shù)據(jù)云計算調(diào)度和云計算存儲的設(shè)備。需要對云計算設(shè)備中的大數(shù)據(jù)分類挖掘現(xiàn)實模式識別和智能控制，本文提出基于分數(shù)階Fourier變換特征匹配和K?L分類的云計算設(shè)備中的大數(shù)據(jù)特征高效分類挖掘算法。首先進行了云計算設(shè)備中大數(shù)據(jù)存儲機制體系分析，采用分數(shù)階Fourier變換進行云計算設(shè)備中大數(shù)據(jù)特征提取和大數(shù)據(jù)特征匹配，采用K?L分類器進行云計算設(shè)備中的大數(shù)據(jù)特征分類挖掘，仿真結(jié)果進行了性能驗證，研究結(jié)果表明，采用本文算法進行云計算設(shè)備中的大數(shù)據(jù)特征分類挖掘，準確度較高，能量開銷較少，效率較高，實現(xiàn)高效分類挖掘。

參考文獻

[1] 謝平.云計算設(shè)備大數(shù)據(jù)刪除技術(shù)研究綜述[J].計算機科學，2014，41（1）：22?30.

[2] MIORANDI D， SICARI S， PELLEGRINI F D， et al. Internet of Things： vision， applications and research challenges [J]. Ad Hoc Networks， 2012， 10（7）： 1497?1516.

[3] CHEN L， BRIAN K， JAMIE E. Theoretical characterization of nonlinear clipping effects in IM/DD optical OFDM systems [J]. IEEE Transactions on Communications， 2012， 60（8）： 2304?2312.

[4] 蔣海波，王曉京，范明鈺，等.基于水平糾刪碼的云存儲數(shù)據(jù)布局方法[J].四川大學學報：工程科學版，2013，45（2）：103?109.

[5] 譚鵬許，陳越，蘭巨龍，等.用于云存儲的安全容錯編碼[J].通信學報，2014，35（3）：109?114.

[6] 魏理豪，王甜，陳飛，等.基于層次分析法的信息系統(tǒng)實用化評價研究[J].科技通報，2014，30（2）：142?148.

[7] 吳濤，陳黎飛，郭躬德.優(yōu)化子空間的高維聚類算法[J].計算機應(yīng)用，2014，34（8）：2279?2284.

[8] 陳超，張順仕，尚守衛(wèi)，等.大數(shù)據(jù)背景下電力行業(yè)數(shù)據(jù)應(yīng)用研究[J].現(xiàn)代電子技術(shù)，2013，36（24）：8?11.