基于相空間融合的異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)拓?fù)渲貥?gòu)技術(shù)

黃浩瀚，陸興華，黃嘉昊，羅國華

(廣東工業(yè)大學(xué)華立學(xué)院，廣東 廣州 511325)

0 引 言

隨著云媒體和多媒體信息技術(shù)的發(fā)展，在云計(jì)算平臺中構(gòu)建模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫，結(jié)合大數(shù)據(jù)融合和特征分布式調(diào)度，實(shí)現(xiàn)模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的優(yōu)化存儲和傳輸，從而提高大數(shù)據(jù)信息管理能力。因此模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫被廣泛應(yīng)用在數(shù)據(jù)庫管理和大數(shù)據(jù)融合集成中，研究模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫異構(gòu)智能化查詢技術(shù)，通過空間分布式融合和特征聚類分析，構(gòu)建模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的動態(tài)拓?fù)渲貥?gòu)模型，提高數(shù)據(jù)融合和特征檢測能力，相關(guān)的模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫查詢方法研究在數(shù)據(jù)存儲和管理中具有重要意義[1]。

研究異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)動態(tài)拓?fù)渲貥?gòu)系統(tǒng)設(shè)計(jì)是建立在對數(shù)據(jù)的特征重構(gòu)和數(shù)據(jù)挖掘的基礎(chǔ)上，結(jié)合對模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的差異性特征聚類分析結(jié)果，通過模糊度擴(kuò)展分析，實(shí)現(xiàn)對異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)動態(tài)拓?fù)渲貥?gòu)。當(dāng)前，對異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)動態(tài)拓?fù)渲貥?gòu)方法主要有主成分特征分析的數(shù)據(jù)查詢方法、基于相似度特征融合的數(shù)據(jù)查詢方法以及基于資源信息融合共享的數(shù)據(jù)查詢方法等[2-4]。建立異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)動態(tài)拓?fù)渲貥?gòu)的相似度特征分布函數(shù)，采用空間數(shù)據(jù)云計(jì)算技術(shù)，實(shí)現(xiàn)異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)動態(tài)拓?fù)渲貥?gòu)，但傳統(tǒng)方法進(jìn)行異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)動態(tài)拓?fù)渲貥?gòu)的智能性不好，時間開銷較大。針對上述問題，該文提出基于相空間融合的異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)動態(tài)拓?fù)渲貥?gòu)算法。構(gòu)建模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的異構(gòu)存儲結(jié)構(gòu)模型，實(shí)現(xiàn)對模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的統(tǒng)計(jì)信息融合聚類，根據(jù)數(shù)據(jù)的動態(tài)拓?fù)渲貥?gòu)聚類結(jié)果，結(jié)合隨機(jī)自適應(yīng)調(diào)度和子空間壓縮方法，實(shí)現(xiàn)對模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的動態(tài)拓?fù)渲貥?gòu)，提高模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫查詢數(shù)據(jù)的特征聚類性。最后進(jìn)行仿真測試分析，展示了該方法在提高異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)動態(tài)拓?fù)渲貥?gòu)能力方面的優(yōu)越性能。

1 模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫存儲結(jié)構(gòu)模型和特征分析

1.1 模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫存儲結(jié)構(gòu)模型

為了實(shí)現(xiàn)基于相空間融合的異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)動態(tài)拓?fù)渲貥?gòu)系統(tǒng)優(yōu)化設(shè)計(jì)，基于相空間融合交叉編譯和仿真分析，構(gòu)建異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)動態(tài)拓?fù)渲貥?gòu)算法，采用嵌入式的交叉編譯算法[5]，進(jìn)行模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫存儲的異構(gòu)查詢系統(tǒng)設(shè)計(jì)。構(gòu)建模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的異構(gòu)存儲結(jié)構(gòu)模型，如圖1所示。

圖1 模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的

圖2 數(shù)據(jù)拓?fù)渲貥?gòu)決策樹

在圖2中，結(jié)合動態(tài)拓?fù)浜完P(guān)聯(lián)規(guī)則檢測，在粗糙集模式下，得到模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫查詢的隱藏層加權(quán)特征分量為：

φ=(φ1,φ2,…,φn)

(1)

α=(α1,α2,…,αn)T

(2)

1.2 可視化空間數(shù)據(jù)特征分析

采用網(wǎng)格分塊特征檢測和特征重組技術(shù)實(shí)現(xiàn)對模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的動態(tài)拓?fù)湓O(shè)計(jì)，挖掘模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的關(guān)聯(lián)規(guī)則和空間譜分布集[11]，通過融合度聚類分析，進(jìn)行到模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的異構(gòu)樣本特征分解，得到模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫查詢優(yōu)化指標(biāo)為u=[u1,u2,…,uk]，模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的異構(gòu)樣本邊∑=[∑1∑2…∑k]，采用五元組O=(C,I,P,Hc,R,A0)表示模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫查詢的輸出容量，其中，C為數(shù)據(jù)查詢的負(fù)載量，I為模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫存結(jié)構(gòu)的互信息特征量，將數(shù)據(jù)集加載到SparkSql，得到數(shù)據(jù)異構(gòu)查詢的特征分布流為：

(3)

(4)

其中，E[xk]為模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的信息融合中心，Φk(ω)為模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫差異性查詢的間隔，xk為測試樣本y相對于訓(xùn)練樣本的特征匹配系數(shù)。結(jié)合離散采樣構(gòu)建模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫融合模型，設(shè)置M,T1,T2,T3,R1,R2,R3,R4,R5的HASH值為c，得到模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫對應(yīng)項(xiàng)集列中項(xiàng)集所在的事務(wù)集為：

mk=E[xk]=

(5)

(6)

式中，Mh為模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫差異性分布負(fù)載量。在產(chǎn)生一組聚類屬性特征V后，采用關(guān)聯(lián)規(guī)則挖掘和融合聚類，得到模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫差異性查詢的量化特征分布集[12]。

2 模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫查詢優(yōu)化

2.1 可視化空間數(shù)據(jù)查詢輸出聚類處理

挖掘模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的關(guān)聯(lián)規(guī)則特征分布集，采用相空間融合和模糊C均值聚類方法，實(shí)現(xiàn)對模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的統(tǒng)計(jì)信息融合聚類，根據(jù)數(shù)據(jù)的動態(tài)拓?fù)渲貥?gòu)聚類結(jié)果[13]，模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的統(tǒng)計(jì)信息融合聚類的窗口系數(shù)W給定時，得到數(shù)據(jù)查詢輸出的聯(lián)合概率密度函數(shù)為：

(7)

根據(jù)模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的主題詞列表分布[14]，通過聯(lián)合概率密度來計(jì)算優(yōu)先級排序規(guī)則，得到模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的統(tǒng)計(jì)樣本Di對角元素xi和xj同屬于第k類有限數(shù)據(jù)集，那么在決策表信息系統(tǒng)中，得到模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)最大信息融合分布系數(shù)k(x)=E(x4)-3E(x2)，否則wij=0。令y0=[1,1,…,1]T，計(jì)算模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)特征子系統(tǒng)的檢測統(tǒng)計(jì)量，記為e(t)=y-Dα(t)，對應(yīng)的最終特征子集yk為：

(8)

采用過模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)模糊層次空間融合，得到異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的主題詞信息融合中心[14]，模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的模式分析向量α=pπ/2，通過求解皮爾遜相關(guān)系數(shù)：

rmax=(P(N0β)-1)1/α

(9)

(10)

設(shè)c為模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫查詢樣本類別數(shù)，mk為第k類模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫查詢的特征分類屬性值，此時模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫融合的檢測統(tǒng)計(jì)特征量為Xk=[xk1,xk2,…,xkm,…,xkM]，由此降低了模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫查詢的存儲開銷和計(jì)算開銷，將模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的查詢樣本劃分為訓(xùn)練樣本和袋外數(shù)據(jù)，得到傳遞函數(shù)為：

(11)

根據(jù)上述分析，實(shí)現(xiàn)可視化空間數(shù)據(jù)查詢輸出聚類處理[15-16]。

2.2 模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫動態(tài)拓?fù)渲貥?gòu)

3W‖W‖2]

(12)

綜上分析，根據(jù)特征向量相關(guān)程度，實(shí)現(xiàn)對模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫查詢的屬性分析，分類模型為：

(13)

通過融合聚簇特征分析方法，以離散程度較差的特征向量作為測試集，得到模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫查詢的傳輸信道容量為：

k=0,1,…,N-1

(14)

式中，an表示模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫查詢的交叉融合特征分布集，在空間中近鄰樣本中，通過模糊隸屬度特征檢測，得到模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫當(dāng)前特征子空間中的距離為x(k-1),…,x(k-M)，數(shù)據(jù)查詢的融合奇異值分布為：

Rw(l)=E[w(k)wH(k+l)]=

(15)

當(dāng)ωk滿足n個穩(wěn)定特征解，結(jié)合隨機(jī)自適應(yīng)調(diào)度和子空間壓縮方法，實(shí)現(xiàn)對模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的動態(tài)拓?fù)渲貥?gòu)，把s(t)→s(t)、s(t)→S(f)代入模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的查詢離散分布序列中，得到訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)融合輸出為：

(16)

當(dāng)前特征子空間中信息查詢的時間分布滿足n∈[n1,n2]，采用代價(jià)函數(shù)g(x,y)作為模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫查詢的差異性調(diào)節(jié)系數(shù)，得到抽取特征子集為：

x(t)=Re{an(t)e-j2πfcτn(t)sl(t-τn(t))e-j2πfct}

(17)

綜上分析，采用異構(gòu)存儲優(yōu)化設(shè)計(jì)和特征聚類分析，實(shí)現(xiàn)對模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的動態(tài)拓?fù)渲貥?gòu)，提高模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫查詢數(shù)據(jù)的特征聚類性。算法的實(shí)現(xiàn)流程如圖3所示。

圖3 算法的實(shí)現(xiàn)流程

3 仿真測試分析

為了驗(yàn)證該方法在實(shí)現(xiàn)異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)動態(tài)拓?fù)渲貥?gòu)的應(yīng)用性能，進(jìn)行仿真測試分析。實(shí)驗(yàn)采用Matlab語言編程設(shè)計(jì)，將模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的數(shù)據(jù)查詢網(wǎng)格劃分為240個網(wǎng)格，每個異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)組合的分塊區(qū)域的數(shù)據(jù)片大小為1 200 Kb，模糊層次空間異構(gòu)融合的維數(shù)為12，相空間的嵌入延遲為124 ms，數(shù)據(jù)集劃分為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)。根據(jù)上述參數(shù)設(shè)定，進(jìn)行模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫拓?fù)渲貥?gòu)，得到的樣本數(shù)據(jù)分布如圖4所示。

圖4 模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的樣本數(shù)據(jù)分布

以圖4的數(shù)據(jù)為測試對象，實(shí)現(xiàn)對模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)動態(tài)拓?fù)渲貥?gòu)分析，得到的網(wǎng)絡(luò)數(shù)據(jù)動態(tài)拓?fù)渲貥?gòu)結(jié)果如圖5所示。

分析圖5得知，該方法進(jìn)行模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)動態(tài)拓?fù)渲貥?gòu)的聚類性較好，測試不同方法進(jìn)行異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)動態(tài)拓?fù)渲貥?gòu)后的輸出錯誤率，得到的對比結(jié)果如圖6所示。

圖5 模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)動態(tài)拓?fù)渲貥?gòu)結(jié)果

圖6 網(wǎng)絡(luò)數(shù)據(jù)查詢正確率測試

分析圖6得知，該方法進(jìn)行模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫查詢的正確率較高，從而使得查全率和查準(zhǔn)率較高，提高了數(shù)據(jù)的可靠性查詢能力。

4 結(jié)束語

構(gòu)建模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的動態(tài)拓?fù)渲貥?gòu)模型，提高數(shù)據(jù)融合和特征檢測能力，提出基于相空間融合的異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)動態(tài)拓?fù)渲貥?gòu)算法。采用網(wǎng)格分塊特征檢測和特征重組技術(shù)實(shí)現(xiàn)對模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的動態(tài)拓?fù)湓O(shè)計(jì)，挖掘模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的關(guān)聯(lián)規(guī)則和空間譜分布集，采用關(guān)聯(lián)規(guī)則挖掘和融合聚類，得到模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫差異性查詢的量化特征分布集。根據(jù)數(shù)據(jù)的動態(tài)拓?fù)渲貥?gòu)聚類結(jié)果，結(jié)合隨機(jī)自適應(yīng)調(diào)度和子空間壓縮方法，實(shí)現(xiàn)對模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫的融合解析特征分析。分析得知，該方法進(jìn)行模糊層次空間異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫查詢的錯誤率較低，提高了數(shù)據(jù)的查準(zhǔn)率。