多信息融合迭代恢复匹配的访问路径偏移修正

在CStor云数据库访问中,细粒度云存储数据的信息特征存在个体较大差异,访问路径产生多频偏移,数据访问调度性能受限。传统方法中采用PSO局部搜索方法进行访问路径修正,搜索效率低,个体更新较慢。提出一种基于细粒度云存储数据迭代恢复匹配的云数据库访问路径偏移修正算法,以PSO多信息融合Pareto支配集为指导,构建多信息融合细粒度数据的主特征模型,采用迭代恢复匹配方法增加了局部搜索提高搜索到全局最优解的几率,实现路径偏移修正。仿真实验采用3组测试集对CStor云数据库进行访问调度和路径偏移修正,结果表明采用该算法,实现对访问路径的动态实时修正,收敛距离较小,提高了CStor云数据库访问和数据挖掘性能。     

基于最优化网格分配的资源数据库访问控制

对网络资源数据库的优化调度和访问控制是实现大型数据库管理和构建的关键技术,传统方法中采用非对称补偿的单模态资源数据库网络控制算法,受到网格分配不均衡的限制,访问控制性能不好。提出一种基于最优化网格分配的资源数据库访问控制方法,构建网格分配下的网络资源数据库结构模型,提取数据信息的最大熵,表征信号含有有用信息饱和量的有效特征,有效反映资源数据的特征信息,通过网格分配,求得的资源数据库的功率谱优化分配概率密度函数,通过概率分析生成具有反应数据显著特征的特定随机数产生序列,满足之前的概率密度的随机调配需求,实现最优化网格分配,实现资源数据库访问控制改进。仿真实验表明,该算法具有较好的资源数据库访问性能,控制精度较传统方法提升,控制的鲁棒性较好,在数据库访问和调度中应用价值高。     

大型数据库的混沌倍周期分岔普适调度算法

研究大型流媒体数据库的普适性调度问题,提高对数据库的优化访问和数据调度能力。传统方法采用遗传进化算法进行大型流媒体数据库的数据调度,数据库中海量信息流的分岔高维矢量特征不能得到有效利用,导致调度性能不好。提出一种基于混沌倍周期分岔的大型流媒体数据库普适调度算法,设计双态平稳的混沌倍周期分岔流媒体数据库调度模型,设置复激活函数,按实部和虚部分路对流媒体大数据库进行普适调度,提高数据库访问能力。仿真实验结果表明,该算法能有效提高流媒体数据调度数据吞吐量和调度成功率,普适性较好。     

引入多源数据相位谱补偿的数据库索引算法

对层次网络数据库的敏感信息快速索引是提高数据库访问技术的基础,传统方法采用矢量模型特征聚类算法进行数据库敏感信息特征提取和索引,当数据库中的信息呈现多源化状态时,数据库索引精度不高。提出一种基于多源数据相位谱补偿的数据库索引算法。构建多源数据库模型,进行数据库访问信道分配设计,分析多源数据的相位谱特征,进行相位谱补偿实现数据库索引算法优化,仿真结果表明,采用该算法对含有多源信息特征的数据库进行信息检索和访问,信息匹配准确度较高,特征提取准确,提高数据库访问性能。     

支持多模推荐的多层数据库优化访问技术

为解决数据库访问中的关联数据推荐问题,进行数据库的多层时态属性重构,提高数据库访问能力。传统的数据时态属性重构技术采用文本信息特征分类重构方法,无法有效满足多模数据推荐中的数据库访问环境。提出一种支持多模推荐的数据库多层时态属性重构优化访问技术。构建数据库的多层时态数据重构数据结构模型,在重构过程中进行实现自适应阈值寻优,计算各传输节点在数据分发中自身对对方的直接信任值和间接信任值,进行多模推荐关系图构造,采用平均互信息方法求解数据库多层时态属性的自适应阈值,对数据库访问节点的彼此行为进行监控,实现数据库访问优化。仿真结果表明,采用该方法能有效实现对数据库访问用户的多模推荐,提高数据库访问的性能,提高数据调度的普适性和准确性。     

基于自适应特征映射的云数据管理索引算法

随着Web数据库技术的发展,需要对云数据进行索引管理,提高Web数据库访问能力。传统方法采用高斯边缘化路径控制方法进行索引,在无法及时获知Web云数据的先验语义特征信息时,索引精度不高。提出一种基于自适应特征映射的云数据管理索引算法。构建云数据管理模型,提取云数据自适应特征,采用语义相似度特征分析方法实现特征映射,采用一维搜索方法进行峰值搜索,初始化数据库索引起始时间点,设置语义高斯边缘化索引复激活函数,对本层链路和跨层链路进行均衡处理,达到云数据管理和优化索引的目的。仿真结果表明,采用该算法能有效提高云数据管理索引精度,提高云数据的准确调度和访问能力。     

关联规则数据结构分布重排的数据库索引算法

数据库优化索引是实现文本数据信息智能存储和调用的关键技术,网络信息文本数据具有较大的关联规则特性,造成了数据结构类间干扰,影响数据库索引精度。传统方法采用虚拟数据分布重组数据库索引技术,文本数据库扩展查询中会出现聚类特征不一致。提出一种基于关联规则数据结构分布重排的数据库索引算法。先构建网络信息文本数据库相对关联状态系统模型与关联规则关系图,在此基础上进行数据库规则信息流的结构分布重排,挖掘关联特征,实现数据库索引算法改进。仿真结果表明,采用该算法进行文本数据库索引,提高了特征匹配效率,降低执行时间,展示了优越性能。     

基于小波多窗谱提取的智能数据库特征挖掘

通过对智能数据库的特征优化挖掘,实现特征数据融合,优化数据库分组访问信道,提高数据调度效率。当前的智能数据库特征挖掘算法采用相关度匹配的特征级联挖掘技术,当分层特征之间的具有较大的相似度时,挖掘效果不好。提出一种基于小波多窗谱提取的智能数据库特征挖掘算法。构建数据库模型,建立GMS方法以最小的代价和以最小的样本偏差来实现最高质量的样本数据集,采用粗糙概念格的生成算法进行数据流的频繁访问特征分区,构建小波函数,得到智能数据库的特征双曲调频母小波,提取数据库信息流的多窗谱特征,进行智能数据库特征挖掘算法改进。仿真结果表明,该算法进行数据库特征挖掘的运行时间较短,数据库特征挖掘精确度较高,提高了对数据库的访问和数据调度的精度和效率。     

Deep Web数据库的语义高斯边缘化索引路径优选

数据库的索引路径优化选择是实现对Deep Web数据库的深度访问和安全访问的关键。传统方法中对Deep Web数据库的路径选择采用关键字搜索方法,根据关键字罗列出所有可能复合信息的数据,当出现歧义特征时,数据索引准确度不高。提出一种基于语义高斯边缘化的数据库索引路径选择方法。构建Deep Web数据库的特征模型,计算节点与关键词的匹配度,得到高斯边缘化路径控制目标函数,把语义相似度分解为用户查询意图的相关性指向函数,实现高斯边缘化路径控制。将数据库的预测控制指令输入序列进行变量耦合加权,与邻阶跨层链路进行均衡处理,设置语义高斯边缘化索引复激活函数,提高对数据库的索引性能,实现路径优选。仿真结果表明,该算法能提高数据库的查准率,减少查询时间,实现对Deep Web数据库高效安全访问。     

基于小波包分解正态谐振数据库优化访问控制

<正>态谐振数据库多用于构建物理数据层,实现数据集中控制,研究正态谐振数据库的优化访问技术,提高数据库的数据分析处理能力。传统方法采用数据库整体逻辑映射方法进行数据库访问,导致数据召回性能不好。提出一种基于小波包分解的正态谐振数据库优化访问算法。构建数据库的信息模型,构建双曲调频母小波,对数据访问特征进行双曲调频特征分解,得到物理层的数据特征通过小波包分解匹配滤波后的输出。仿真结果表明,采用该算法能有效提高数据召回率,优化数据库访问控制性能。