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。     

基于遗传进化专家系统的电气故障检测应用

通过对电气系统设备异常故障检测分析,构建电气系统的故障检测专家系统,实现电气设备安全运行和安全供电。传统的电气故障检测系统采用遗传进化系统,由于信号数据分析的时间与判断的依据非常模糊,导致检测性能不好。提出一种基于改进的遗传进化专家系统的电气系统故障检测模型,通过信号处理和特征提取方法,提取电气故障数据集合,设计三层遗传进化神经元结构,构建故障检测专家系统,得到检测系统的硬件电路模型,通过算法改进提高检测性能。仿真实验研究表明,该模型实现对电气故障检测,能有效提高对电气设备的故障检测准确率,准确检测率提升34.3%,系统稳定可靠。     

基于最大熵功率谱估计的Hadoop高速数据访问

提出一种基于最大熵功率谱估计的Hadoop云平台下网络音视频数据特征挖掘方法,实现对数据信息的高速访问。构建数据挖掘Hadoop云平台和数据挖掘访问模型,设计最大熵功率谱特征提取算法,采用分段思想将同一时间段的视音频数据进行群体分割,分段提取最大熵功率谱特征。将提取的特征信息进行维度匹配分箱和溯源处理,实现信息恢复,最终完成高速数据访问。仿真测试表明,该算法能有效地实现对网络音视频数据的特征挖掘,提高访问效率,访问响应时间较当前方法缩短明显。     

基于信息融合的虚拟数据分离动态云存储设计

提出一种基于信息融合的虚拟数据分离动态云存储设计方法。构建了虚拟数据的分离动态云存储调度模型,进行信息特征提取,对提取的云存储信息特征进行信息融合处理,实现虚拟数据分离动态云存储改进设计。仿真结果表明,采用该算法进行云存储设计,能较为准确地反映虚拟数据的细节信息特征,提高数据融合精度,为实现动态分离存储提供优化索引通道,进而提高云存储中数据调度性能。     

增广链修复下大数据并行搜索聚类算法

研究多源语义特征分层数据库中的大数据聚类方法,实现数据的分类识别。多源语义特征分层数据库中由于路由冲突,在链路负载较大的情况下,不能有效实现对大数据语义特征的并行搜索。提出一种基于增广链同态解析的链路分流方法避免路由冲突,实现增广链修复下大数据并行搜索聚类。构建大数据聚类的语义相似度融合模型,基于跨层链路分流算法实现增广链路分流,进行语义本体模型构建,选择采用高阶贝塞尔函数累积量作为增广链修复检验统计量,确定节点数据包的置信度,确立置信区间,在进行缓冲区溢出修复时,进行功率谱幅度特征提取,实现大数据的并行搜索聚类,进行语义本体模型构建,为离群点新建一个簇,依次对每个文档的主题词集进行处理,将每个主题词自动添加入形式背景的属性集中,采用并行搜索算法实现对语义大数据的优化聚类算法改进。仿真结果表明,采用该算法进行大数据聚类,契合度较高,误分率较低,性能优越。     

基于PSO递阶进化的网络资源活跃度增强算法

为了提高云计算环境下网络资源访问和调度能力,需要增强网络资源的活跃度,传统方法采用源信息系统最小方差粒子群优化算法实现资源活跃度增强调度,直接交互式多源信息的缺陷,导致信息访问的滞后和时延。提出一种基于粒子群(PSO)递阶进化的多出口网络资源活跃度增强算法,构建多出口网络资源调度和网络系统结构,粒子群进化按照属性的数据波动进行递阶分层,得到一个资源数据聚类的高密度区域,使得每一个初始种群中的个体都应有一个解,在多波束搜索PSO空间中实现粒子群PSO递阶进化,提高网络资源访问的活跃度。仿真实验表明,采用该算法,能避免粒子群在进行网络资源搜索调度过程中陷入局部最优,有效提高控制搜索精度,运行时间较短,能有效增强多出口网络资源的活跃度,进而提高了资源搜索成功率。     

云计算系统中数据中心分类区的确定模型仿真

对云计算系统中的漂移数据中心分类区的准确确定,可以提高云计算系统的扩展能力和缓存能力。传统方法采用线性差分智能群识别方法实现中心分类区的确定,导致漂移数据的群辨识效果不好。提出一种基于粒子群聚类的云计算系统中数据中心分类区的确定算法模型,并进行仿真实现。构建云计算系统网络激励传播机制,实现资源负载均衡,把云计算系统的存储数据结构定义为一个四叉树,构建云计算网格环境下空间资源调度框架体系,进行云计算系统的漂移数据特征提取,使得资源负载均衡达到最优值,实现算法改进。实验得出,模型对云计算系统的漂移数据中心分类区确定准确,数据融合精度较高,聚类性好,云计算系统的扩展指数提高13%,缓存执行能力提高20.5%,展示较好的性能。     

移动云计算簇间波动离散数据均匀量化算法

移动云计算成为一种新兴的数字信息处理技术,是移动通信数据信息处理的重要工具。在移动云计算中,对路由转发分簇簇间的波动离散数据进行量化处理是提高云计算并行数据分析效率的关键。传统方法采用时延估计方法进行量化处理,当用户信道分配出现时滞时,量化性能较差。提出一种基于贝叶斯粗糙集估计的移动云计算簇间波动离散数据均匀量化算法。构建移动云计算数据分簇模型和信道模型,进行波动离散数据采集,按照Logistic模式选择路径,得到移动云计算簇间波动离散数据均匀量化的最优概率密度,构建贝叶斯粗糙集均匀量化优化目标函数,实现算法改进。仿真结果表明,采用该算法能有效实现对移动云计算簇间波动离散数据的特征分类,对波动离散数据的量化效果较好,从而提高了云计算的并行计算效率。     

大型数据库交叉型数据鲁棒性挖掘模型仿真

在大型流媒体数据库数据集中,交叉性数据的鲁棒性挖掘结构建立是实现对数据库差异属性分类和数据访问的基础。传统方法对大型数据库中的交叉性数据的鲁棒性挖掘结构建模采用基于遗传算法的数据集聚调度方法,存在较大的路径损耗,数据挖掘的鲁棒性不好。提出改进的基于局部离群点检测遗传进化的大型数据库交叉型数据挖掘模型,构建基于遗传算法的大型流媒体数据库挖掘结构,进行大型流媒体数据库中交叉型数据信息流特征预处理,结合交叉性型数据的离群因子概念,调整流媒体数据调度的位置变换策略,实现交叉性数据的鲁棒性挖掘算法改进。仿真实验结果表明,该算法能有效数据挖掘的a最大匹配率和局部离群点检测性能,保证了数据挖掘的鲁棒性,各项参数指标优于传统方法,展示了较好的应用价值。     

基于边缘逆理论的辨识系统并行查询扩展算法

多源数据辨识系统广泛应用在机载数据辨识控制、大型机械设备故障诊断和云存储系统数据库集成等领域。对多源数据的辨识系统并行查询和数据调度中,因数据的静态非线性测量过程影响了查询效益,需要对辨识系统并行查询链路进行扩展。提出一种基于振幅调节Fourier变换边缘逆理论的辨识系统并行查询扩展算法。进行多源数据辨识系统基本构造和模型设计,提取查询特征信息,采用RBF神经网络系统进行多源数据输入自适应学习,构建神经网络辨识系统的边缘逆向量,采用边缘逆理论进行振幅调节Fourier变换实现多源查询数据的状态重组,实现查询链路扩展设计改进。仿真结果表明,该算法提高了辨识系统的查询通道的链路相位,多源数据调度的时间成本及空间成本大幅降低,加速比提高,算法将在系统状态识别、机械故障智能诊断等领域具有较高的应用价值。     

黔东南旅游信息资源稀疏性聚类挖掘算法

黔东南旅游景点丰富,去黔东南旅游的游客不断增多,旅游分流压力较大,为了解决这问题,需要对黔东南旅游信息资源进行共享处理和研究。提出了基于子网格的黔东南旅游信息资源稀疏性聚类挖掘算法,实现基于移动互联网的黔东南旅游信息资源共享服务。在网络模型中对旅游信息进行子网格分区,构建了基于3G移动网络的旅游资源信息共享网络系统,系统采用的树形结构设计,对资源信息流进行信号模型构建,实现不同应用条件下的最佳匹配权值。对于每个时间片的旅游信息在受到用户访问时,产生任务请求调度指令,产生资源信息流向量模型,采用Baum-Welch算法对隐马尔科夫链模型进行训练,采用子网格分组特征提取,计算数据的稀疏性协方差矩阵,实现对基于子网格的旅游信息资源稀疏性聚类挖掘。研究结果表明,构建的信息资源挖掘算法,挖掘的效果最佳,信息共享预测误差在2%以内,实现了旅游信息的共享服务,提高黔东南地区的旅游服务质量。     

蚁群链多层博弈网络监护信息融合特征优选

在网络安全预测监护模型设计中,需要对网络安全监护信息进行数据融合和特征优选,以提高对变异特征的识别能力。传统方法中,采用蚁群算法进行监护信息特征优化融合进化和链路模型设计,算法无法实现相邻簇头之间的信息素融合,特征优化效果不好。针对这一问题,提出蚁群链运动多层博弈的网络监护信息融合特征优选算法,构建多层博弈网络监护数据样本驱动空间权矩阵模型,引入粗糙集理论,对蚁群引导的粗糙集前馈补偿网络进行动态博弈,实现网络安全监护数据的预测控制目标函数最佳寻优。构建多层博弈网络监护系统模型,得到蚁群链运动的监护信息数据状态跟踪模型,实现网络安全监护信息的融合特征优选改进。仿真实验表明,该算法能有效提高对异常信息的监护和检测能力,有较高的特征优选品质,展示了本文算法在对网络安全监护中的优越性能。     

面向多通道QoS需求的虚拟机分簇挖掘仿真

实行虚拟机最优分配方案的准确挖掘能够提高云计算的服务质量(Qo S)。利用传统算法进行虚拟机最优分配方案挖掘的过程中,由于受到大量冗余数据的影响,造成挖掘效率降低。为此,提出一种基于蚁群算法的面向多通道Qo S需求的虚拟机分簇挖掘方法。根据虚拟机特征的相似度对虚拟机进行分簇,利用蚁群算法进行虚拟机最优分配方案的挖掘,在此过程中,充分考虑了多用户对云计算中虚拟机资源服务质量(Qo S)的要求,避免出现同类型虚拟机被分配到同一物理机上的情况,同时,对蚁群算法中信息素的更新进行了优化。实验结果表明,利用改进算法进行虚拟机最优分配方案挖掘,能够有效提高挖掘效率,并降低系统负载均衡度。     

云Log管理系统的设计与分析

通过对企业实际生产流程的调查、分析、研究及合理优化，设计出云Log管理系统。文章利用Petri网与已有算法实现系统建模及系统对应PEPA模型的构建，对系统的Petri网和PEPA模型的结构进行分析，并基于OpenStack及JavaWeb技术开发云Log管理系统。     

Xen虚拟化技术在并行网络链路控制的应用

Xen是一个开放源代码虚拟机监视器,采用Xen虚拟化技术进行并行网络链路控制,提高并行网络联络的访问控制性能和安全性能,传统方法采用内存虚拟化技术进行并行网络链路调度,并行网络虚拟机特权级控制容易受到网络的漏洞攻击,导致链路吞吐性能不好。提出一种基于Xen虚拟化技术的并行网络链路控制算法。构建了基于Xen虚拟化技术的并行网络链路结构模型,在并行网络链路结构中进行开放源代码的特征量分析和TDMA协议构建,以此为基础采用多普勒频移方法进行并行网络链路控制算法改进。仿真结果表明,采用该方法进行并行网络链路控制,有效降低了数据传输的丢包率,提高链路吞吐量,提高了并行网络链路的安全性和吞吐能力。     

基于复杂序列映射的离散信息签密安全模型

传统的无双线性对的无证书签密方案,大都存在着机密性漏洞和签名选择性伪造问题,无法保证信息安全。为了提高信息签密安全,提出一种基于复杂序列映射的离散信息签密安全模型,采用私钥属性不变的签密方案,对用户隐私数据私钥属性限定密文长度,在固定密文长度情况下构建高维高秩的解密明文信息矩阵,生成的随机数对信源发出信源密钥,替换用户公钥,构建离散信息无证书签密安全模型,基于复杂序列映射的离散信息签密安全模型,采用复杂序列映射机密性分析和签名伪造分析,避免使用随机预言模型导致信息泄露,提高离散信息签密的安全性,实现算法改进。仿真实验表明,该算法减少了数据分组在节点中的排队时间,一定程度上均衡负载,具有较好的信息签密安全性,为数据传输提供一定程度的QoS支持,保证了通信信息安全。     

基于SOA的线性回归散布型数据一致性集成分析

贵州地方高校数字化校园信息为一种更具有线性回归散布型特征的数据,对该类数据进行一致性分析和线性回归散布特征提取,实现数字化校园信息系统的集成。基于SOA的数据一致性分析是构建大规模数据集成系统的关键技术,通过数据一致性分析,当多个用户试图同时访问一个数据库,它们的事务同时使用相同的数据时,不会造成链路冲突和拥堵。提出一种基于SOA的线性回归散布型数据一致性集成分析方法,提高数据一致性集成性能,进行数字化信息集成数据的线性回归散布型特征分析,提取线性回归散布型特征,实现数字化校园信息系统的集成。仿真实验表明,设计的改进算法和系统进行数据一致性集成分析,准确度高,具有较高的信息检索效率和能力。     

基于改进TF-IDF特征提取的文本分类模型研究

【目的/意义】特征提取会很大程度地影响分类效果,而传统TF-IDF特征提取方法缺乏对特征词上下文环 境和对特征词在类之间分布状况的考虑。【方法/过程】本文提出一种改进TF-IDF特征提取的方法：①基于文本网 络和改进PageRank算法计算节点重要程度值,解决传统TF-IDF忽略文本结构信息的问题;②增加特征值IDF值 的方差来衡量特征词w在不同类别文本集中程度的分布情况,解决传统TF-IDF忽略特征词在类之间分布状况的 不足。【结果/结论】基于该改进方法构建了文本分类模型,对3D打印数据进行分类实验。对比算法改进前后的分 类效果,验证了该方法能够有效提高文本特征词提取的准确度。     

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。     

基于互信息特征的网络病毒动态交互约束算法

通过对网络病毒的动态交互约束抑制设计,实现对病毒入侵特征的有效识别。传统方法采用模糊网络入侵状态特征向量分解方法实现病毒约束抑制,当病毒入侵为一种非平稳随机信息矢量时,对其识别性能不好。提出一种基于互信息特征提取的网络病毒动态交互约束算法。构建网络病毒入侵的信号分析模型,并进行数据采集,采用数模转换方法进行病毒数据离散采样转换,采用重采样和机器学习结合方法,进行了链路漏洞检测,填补了Web防火墙的漏洞,采用三次B样条小波进行互信息特征提取的结果是渐近最优的,利用互信息特征作为检测系统的输入,进行病毒数据提纯处理,基于平均互信息特征提取算法实现特征建模和提取,实现病毒动态交互约束。仿真结果表明,该算法能使得病毒数据在时频空间上得到较明显的聚焦,频谱峰值突出,提高了病毒特征有效识别率。