基于单个基因模糊化的云计算优化查询算法

针对传统方法应用于云计算数据查询服务时的不足,提出基于单个基因模糊化的云计算查询算法。在云计算环境下,找到数据库中的查询请求的目标节点,通过把单个基因位的理论引入到传统的模糊计算中,定义云计算服务节点的数据搜索模型,利用数据评判模糊度函数,使不同尺度因子下的数据查询模糊度函数对应着该尺度下不同输出,数据查询模糊度函数表示经过尺度伸缩的查询结果输出。模糊度函数的最大值对应了云计算环境下数据查询完全匹配的输出。实验结果表明,该方法在查询的数据质量、服务节点的负载能力以及查询的目标长度方法要优于传统的方法。     

改进优秀基因位差分进化云数据安全访问算法

为实现PCL中Kinec点云数据的共享和安全访问,提出一种改进的基于优秀基因位差分进化的云计算方法实现对Kinect点云数据安全访问。当前采用遗传算法进行云数据访问时面对个体整体适应度的评价,而忽略了单个基因位是否具有较好的属性,访问安全性能受限。提出了一种有效的数据布局策略,降低个体对适应度函数的灵敏度,使寻优曲线不断趋于平缓,实现变异松弛响应,数据访问中,需要追求这样一种情况,就是当一段基因进行交叉及变异的过程中,如果它的适应度值进化到最优状态,这时称其为优秀基因,达到优秀基因的基因位,然后把它隔离出来,从而提高对Kinect云数据的挖掘精度。仿真实验证明该算法具有较好的数据安全访问性能,提高了传输云数据的效率。     

基于遗传迭代优化的云计算下海量数据分类查询

由于传统的数据分类查询方法查询失效所承担的额外操作代价不同,无法有效实现优化分类查询,提出一种基于变异遗传散布的云计算环境下海量数据优化分类查询方法,对于含有云计算环境下海量数据的数据库,给出遗传迭代查询散布及数据间的查询响应函数,获取云计算环境下海量数据灰度散布值,融入遗传执行算子数据,获取遗传变异散布分类查询系数,在充分宽的尺度和平移区域中获取最大类别之间的匹配值,得到数据查询响应函数,将其转换成变异遗传散布控制量,从而实现云计算环境下海量数据的优化分类查询。仿真实验结果表明,所提方法具有很高的精度。     

海量信息存储中数据库性能优化方法

研究海量信息存储过程中的数据库性能优化问题.假设数据库中存在海量信息,则数据库信息查询需要耗费大量的时间,无法满足当今社会的信息需求.因此,需要对数据库性能进行优化处理,提高数据库查询的效率.为此,提出了一种基于云计算的数据库性能优化方法.建立云计算数据关系模型,描述数据库中相关数据之间的联系,从而为数据查询提供依据.计算数据节点的负载状态,从而实现数据库中信息的快速查询.实验结果表明,这种算法能够有效提高数据库查询效率,取得了令人满意的效果.     

分布式云计算环境下的海量数据有效查询方法

在对分布式云环境下的海量数据进行查询的过程中,容易出现带宽有限、能量有限、链路频繁断接的特点,导致传统的查询方法由于采用自适应分发数据机制来减少数据的通信量,不能有效实现海量数据查询,提出一种基于查询节点动态轮换的分布式环境下海量数据有效查询方法,将分布式云计算环境下的网络看作是一个带权的无向图,给出分布式云计算环境下单位数据传输时延计算公式,分析了系统模型及海量数据查询的问题描述。将每次剩余能量最高的节点作为查询节点,当接收到一个查询请求时,各节点需感应同时采集该节点所覆盖区域的数据源,对其进行计算、处理等操作,获取趋于请求的结果集,每个节点沿各自路径将数据传输至查询节点,在传输的过程中,各节点将接收到的数据进行融合处理。仿真实验结果表明,所提方法具有很高的查询命中率。     

变异遗传散布控制执行算子的数据库分类查询

为提高数据查询的寻优能力和查询准确度,对数据库查询进行优化改进。提出一种新型的变异遗传散布控制执行算子数据库分类查询算法。设计遗传散布执行算子,实现对遗传算法数据库查询中的迭代控制,通过定义数据库查询散布值,通过对数据文本的最佳特征提取,通过散布分类查询系数的控制遗传迭代循环,对遗传算法的变异处理,实现最优数据信息相关匹配,可以很好地指导数据查询结果,实现数据库查询的准确性和有效性。仿真实验表明,新算法可以提高半连接下分布式数据库查询的效率,特征呈现高聚敛性匹配,数据查询特征相关匹配度达到97.3%,比传统算法提高了25.6%,寻优时间较传统算法大幅缩短。算法有效提高了数据库查询准确率和效率,具有较强的应用价值。     

基于多维特征向量的图像检索技术研究

针对传统的基于文本关键字的图像检索方法已经不能满足对大型医学数据库检索的需要的问题,本文提出了一种基于高维特征检索智能算法的图像检索技术。该算法使用高维向量设计基于内容的图像检索,建立训练样本集,根据样本集的距离设置遗传算法的适应度函数,而后遗传迭代出最优向量组合,进行测试集的匹配和检索。算法仿真结果表明,本文提出的基于高维特征检索智能算法的图像检索技术在检索精度上比传统方法高。     

改进的蚁群引导电网系统云数据聚类故障检测

传统的蚁群算法在迭代过程中产生逆转变异,新的结点与链路也可能在任意时刻加入到云中,给电网系统云数据的云计算和故障数据预测检测带来很大难度,出现拥塞控制,导致聚类效果不好。结合云计算处理数据的特点,对传统的蚁群算法进行改进,提出一种改进的蚁群引导电网系统云数据聚类和故障检测算法,根据基因位随机数大小决定输出概率的精度,更新状态类别充分统计量,得到故障特征观测概率和初始概率,执行聚类中心更新规则。搭建的Hadoop集群云计算原型系统,在开源的云计算平台框架和HBase电网系统数据库下进行数据采集和算法实现。仿真结果表明,算法在数据聚类和故障检测中具有较好的应用性能。     

基于Monte Carlo熵权决策的云计算数据预取算法

云计算数据预取算法设计是实现云平台环境下通信链路优化和任务调度均衡分配的基础技术。在传统的云计算据查询模式下,当由于缓存空间不足而导致新的缓存数据无法进入缓存时,导致数据预取拥堵,性能不好。提出一种基于Monte Carlo熵权决策的云计算数据预取算法,构建云计算数据查询模板模型,进行Hybrid缓存置换数据预取前置处理,采用Monte Carlo熵权决策方法,把云计算预取信号从缓存域变换到波束域,构建置换函数,实现了对算法的改进。仿真实验研究得出,该算法通过熵权特征提取,进行云计算数据预取决策,提高了云计算数据预取性能,大数据访问延迟率降低,云计算数据存取和调度效率提高,保真率较好。     

大数据时代的数字图书馆异构数据集成研究

在大数据时代,数字图书馆的数据处理及服务将会发生明显的变化,将从传统的信息查询、推送等服务转向在海量的数据中分析和挖掘出潜在有价值的信息,而关系型数据库的结构和机制不能很好地适应这种变化。针对数字图书馆在大数据背景下异构数据的集成问题,提出了基于NoSQL的中间件模型的数据集成方法。该方法有利于数字图书馆存储各种结构的数据,同时能够很好地适应海量数据分布式存储。     

云计算下的一种数据挖掘算法的研究

如何进行云计算下的数据挖掘一直以来都是研究的重点,本文针对传统挖掘算法K-meas的不足,提出基于数据采样和分布密度的改进方法来获取算法的中心点,在聚类中构造函数提高了聚类效果,并对云计算下的Map/Reduce模型进行了函数改进,仿真实验通过对不同的数据集进行实验,从聚类分析比较,系统运行时间,加速比等方面说明了本文的算法适合在云计算下的数据挖掘具有一定的优越性。     

一种金字塔存储算法在云计算数据库中的研究

传统的数据库的存储功能已经无法满足云计算下的数据存储和访问,本文首先分析云计算数据库的架构的组成形式,将树型存储方式作为云计算数据逻辑存储,其次,将金字塔算法引入到数据存储访问中,将云计算下的数据特征嵌入到算法中。通过模拟云计算环境的仿真实验说明本文的算法相比与普通算法能够缩短存储时间和访问时间,提高了效率。     

XML数据库融合中心带宽扩维感知算法

传统方法中,对XML数据库的融合中心带宽扩维算法采用谱估计方法,当融合中心出现了大量以海量数据为基础的信息服务数据时,后续访问需在多个服务器中遍历许多节点,影响访问效率。提出一种基于节点分裂日志的XML数据库融合中心带宽扩维感知算法。首先构建XML数据库相对状态系统模型与数据融合算法,设计节点分裂日志的数据融合结构,通过预获取有限的带宽中心信息,推导出实体关联知识库,利用表征关联知识有效指导XML数据库的资源融合和重整,构建实体模型,提高数据融合中心的聚类能力。仿真实验结果表明,该法能有效提高XML数据库融合中心宽带扩维匹配率,执行效率和数据聚类效率提高,展示其优越的应用价值。     

正交通信信道载波均衡故障节点准确挖掘算法

大型云计算联合服务器中故障节点的快速挖掘模型构建可以实现对云服务器故障的准确定位和检测。传统方法中采用协议堆栈对节点进行约束与管理,达到故障节点快速挖掘的目的,然而该算法在Sink节点位置部署考虑欠好,在通信传输中很容易相邻节点信道间频谱主瓣重叠,故障节点挖掘性能不好。针对这一问题,提出一种基于正交通信信道载波均衡的云计算联合服务器故障节点快速挖掘算法,建立故障节点信息融合模型,进行特征分析,在信息融合过程中,组成新的云计算联合服务器接收端和发射端故障节点定位训练序列,构建基于OFDM系统的等效基带故障节点挖掘模型,通过正交通信信道载波均衡实现云服务器故障节点的快速挖掘。仿真结果表明,该算法在复杂云计算环境下,能实现对故障节点的准确定位,挖掘性能较高,检测概率较高,优越于传统模型。     

小集群最优特征的传感器节点优化覆盖算法

无线传感器网络中,为最优化地设置传感器节点,实现最优化的节点信息覆盖,同时减少收敛迭代次数。提出了一种基于小集群最优特征的传感节点优化覆盖算法。通过计算每个个体的适应度,淘汰适应度较低的小集群,复制高适应度的个体,并提出用区域覆盖率这一评价指标体系,使用小集群最优特征适应度函数控制算法流程。根本上减少了收敛次数并提高了计算精度。仿真实验表明对无线传感器网络覆盖进行优化设计仿真迭代次数到183,覆盖收敛,新算法的有效覆盖率为91.2%,结果展示了算法在无线传感器网络中具有较好的时效性和应用性。     

基于遗传禁忌的数据库多连接查询优化算法

针对数据库多连接查询优化问题,提出一种基于遗传禁忌算法的数据库多连接查询优化策略。把遗传算法作为查询优化的主框架,禁忌搜索作为遗传算法的变异算子,增加种群多样性,克服遗传算法收敛慢、局部搜索能力差等缺陷。仿真结果表明,遗传禁忌算法加快了求解数据库多连接查询优化问题的速度,而且提高了查询优化效率,得到较满意的查询优化结果。     

Web瑕疵文本去除和有效词频估算方法研究

通过研究Deep Web数据库的集成及词频数准确估算问题,提出Deep Web数据库三层集成构建体系和一种有效估算Deep Web数据库的大小和词频关系的方法,可以准确有效地估算Deep Web数据库中的信息数据大小词频数。实现了对Deep Web数据库宏观处理。对文本特征提取算法进行研究,研究了瑕疵文本去除率(去伪)和有用文本提取率(存真)等性能比较指标,得到算法瑕疵文本去除率相对传统算法是最优秀的,然而其存真的有用文本提取率UR相对较低。仿真实验表明:当数据集样本数大于5000时,词频趋于收敛稳定,取得5000样本数据集为有效最小值,所得到的趋于稳定后得到词频结果与实际词频结果是基本一致的。研究结果对Deep Web数据库的宏观统计决策和单个Deep Web数据库的查询效率问题有重要指导作用。     

基于关联约束最优模型的数据库优化查询算法

大型数据库中的数据的属性种类很多。大规模的计算频繁数据集会造成数据运算量巨大。没有形成很好的数据约束规则,随着数据种类的增加,会使得查询较为耗时。为了解决此问题,提出一种基于关联约束最优模型的数据库优化查询算法,设计一种关联分辨器的功能,对数据进行关联数据集划分,运用数据约束技术,排除频繁集项过于复杂的干扰,对数据库的查询过程进行优化。实验表明,该方法能够较好的完成数据的关联,提高了查询的效率。     

一种分布式数据库查询优化算法的研究

如何进行高效的数据查询一直都是数据库优化的研究方向。本文在数据库优化中引入遗传算法和人工免疫理论进行结合,利用遗传算法良好的搜索特性和免疫理论高效的求解最优解的能力,通过遗传编码,遗传算子,免疫疫苗构造可以优化数据库的查询效率,仿真实验的比较,说明本文的算法具有很好的优越性,相比于基本遗传算法,查询效率提高了10%。     

引入多QoS开销适应度的云计算任务权衡调度

提出一种引入QoS开销适应度运算的云计算任务权衡调度算法,首先进行了支持多QoS因素任务调度问题描述与网格拓扑结构构建,进行云计算任务权衡调度对多用户QoS偏好的影响力数学度量,通过多QoS开销适应度运算的引入,根据计算资源的成本和数据传输时间,来确定分配任务的位置。为了适应云存储中的多QoS偏好,重新定义PSO的适应度函数,实现任务权衡调度算法的改进。通过仿真实验研究得出,采用该算法对云计算任务节点的聚类准确性较高,进行任务调度中的实时性好。通过多QoS偏好分析,引入QoS开销适应度运算,用户满意率有明显上升,适应度函数随不同类别任务变化,有效地反映不同类型任务的QoS偏好。展示了较好的云计算任务权衡调度性能。