海量数据库查询优化研究

随着网络技术飞速发展,海量数据已随处可见并且不断增长,现有的查询处理技术在应用于海量数据时已经显现出种种不足。以海量数据所处的复杂环境为切入点,从各个不同的角度出发研究分析了已有的查询处理方法,在此基础之上提出了使用海量数据的改进算法,改进的Limits算法有利于海量数据查询性能的提高。     

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。     

基于GT的云计算海量作业调度优化

在一般的云计算作业调度算法中普遍存在因为执行作业增多而导致的执行速度较慢的问题。本文以此入手提出了以蚁群算法位基础的改进后的GT算法。改进后的算法首先初始化各个参数,之后借助于GT算法来寻求初始信息素,并把它变为蚁群算法的启发式信息。接着采用蚁群算法进行构造个体解和求解目标函数值的操作,最后进行任务调度工作。仿真试验结果表明,本文提出的基于蚁群算法的改进GT算法在云计算海量作业调度优化中,表现出了比标准GT算法更快的响应速度、更低的负载和更快的执行速度。     

云计算架构下旅游信息资源优化调度模型

在云端旅游信息管理系统中,旅游信息数据包括旅游资源数据和旅游开销数据以及旅游人群的偏好数据等,需要对该类海量复杂数据资源进行优化调度,有助于提升城市的整体旅游水平。提出一种基于分布式B树调度方法的云计算架构下旅游信息资源优化调度模型。得到旅游信息资源网络树形结构,采用PCA分析方法,能有效地对输入系统的一些冗余信息进行清除过滤,保证输入信息数据的贡献率,构建旅游信息的相似度匹配特征函数,得到旅游信息稀疏性特征方程,对其采用截断归类分析方法,并基于大数统计原理,实现对于旅游信息的概要分析,实现旅游信息数据优化调度。仿真结果表明,该模型对旅游资源旅游信息数据调度和预测准确率提高显著,特征提取的状态信息参量全面,最终可以得到近10年的成分因子得分,实现对旅游资源的优化调度和挖掘。     

基于位置敏感哈希的海量文本数据查询算法研究

提出了一种基于位置敏感哈希算法的海量文本数据查询算法,通过位置敏感哈希算法将文本数据的特征向量映射到哈希桶中,从而有效地降低了计算复杂度并提高了数据检索的效率。首先,利用TF-IDF特征表示文本的特征向量,并根据给定的哈希函数集把文本的特征向量映射至哈希桶;接下来,利用哈希表为给定的文本计算出与之对应的直方图,通过直方图距离计算文本的相似度;最后,通过计算目标文本集中的文本与待查询文本的相似度进行文本排序,排序分值高的文本作为相关文本返回给用户。实验结果表明,对比已有方法文本提出的算法在MAP以及查全率-查准率曲线两个测度上都获得了较好的性能。     

基于模糊核递归计算的海量Web数据访问优化算法

Web数据的访问一直是当前研究的热门话题。随着网络规模的扩大,海量Web数据访问受到了很大限制,高纬度的数据会大幅的打乱数据知识模式规则,数据可视化结构不能满足算法知识发展的要求,导致海量Web数据访问耗时。为此提出一种基于模糊核递归计算的海量Web数据访问优化算法。计算数据模糊核特征,利用隶属度函数表示模糊特征的归属,利用模糊核递归判别从这些海量数据中发现有用知识包括模式规则、可视化结构。实验表明,该方法能够较好地完成海量Web数据的优化方法,时间复杂度大幅降低。     

基于相关查询的搜索引擎查询自动分类研究

如何准确理解用户提交的查询成为搜索引擎面临的一个难题,对查询进行自动分类是尝试解决问题的一种方法。提出基于相关查询对查询进行自动分类的方法。首先介绍此方法的设计思路和流程,同时对关键处理步骤进行说明,然后选择百度风云榜的数据作为测试集进行测试验证,查准率可达到71.74%,最后分析和总结方法不足之处以及下一步研究计划。     

基于云计算技术的查询扩展应用浅论

目前,基于本体的查询扩展技术仍然面临来自可扩展性、可雏护性和快速响应等多方面的困难和挑战。有鉴于此,文章提出一种新颖的基于云计算技术的查询扩展实现机制,以更好的支持基于本体的查询扩展应用,并与相关工作进行对比分析。从2002年开始,机构库（InstitutionalReposito—ry）的相关问题引起了信息管理、编辑出版等领域学者的关注。     

基于Mobilink的海量数据并行传输的研究

随着信息化技术的不断发展,行业内部和行业间的业务数据量呈几何级数递增,海量数据的传输与处理难题成为制约信息化产业扩大的瓶颈,本文研究了MobiLink技术的传输机制以及基于MobiLink技术的移动数据库的同步技术,以期解决海量数据传输处理上的瓶颈问题。     

基于云计算模式的图像检索研究

以Web2.0技术为代表的现代技术快速发展及应用,加速了网络信息容量的膨胀。如何从如此庞大的信息源筛选出用户所需的信息,尤其是图像信息,则必须对这些信息进行高效地检索。图像检索传统算法上的改进难以解决海量数据存储、计算及传递等一系列问题,云计算作为一种新兴的计算模型,对解决图像检索发展遇到的瓶颈有着极其重要的推动作用。     

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。     

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。     

基于云计算循环加密的服务器响应效率优化

研究在云平台环境下的网络交互数据优化加密技术以提高云计算服务器的响应效率,降低服务器响应时间。传统方法采用行为子网络动态密钥构造模型实现云计算循环加密,无法有效满足用户在Possion分布下服务器响应效率。提出一种基于云计算循环加密的服务器响应效率优化算法。构建云平台环境下的网络数据交互模型,采用云计算速度调节动态优化技术提高服务器的响应效率,采用码元频数检测的加密和解密方案,构建云平台环境下的数据交互节点拓扑模型,根据节点剩余度规则,得到后代节点失效过载比,通过部分链路失效多路径加密方法使得数据聚集具有很高的容错功能,进而提高服务器响应效率。仿真实验表明,算法具有较好的数据加密准确性,该方法能有效缩短云计算服务器响应时间。     

面向云服务的移动终端数据访问研究

针对移动终端由于频繁迁移而带来的跨域访问中数据访问稳定与安全问题,提出一种支持细粒度授权的角色映射跨域访问委托模型。模型通过委托实现云服务器中管理节点对移动节点在申请服务时的交互困难问题进行监控管理,结合已有的量化角色技术,将映射角色集进行量化处理,实现细粒度的角色映射。实验结果表明,该模型具有较好的实用性和安全性,能够实现在移动终端跨域访问过程中终端节点的准确定位,降低了恶意节点申请的风险。     

云计算在企业信息化中的应用探讨

云计算借助网络资源,向用户提供一种全新的计算模式服务。本文从云计算的底层架构、数据安全、网络等方面介绍了在企业信息化过程中如何发挥云计算的优点。并总结了云计算在使用中复杂度控制、成本控制机风险控制方式。     

基于虚拟化技术的数字图书馆分布式云计算数据中心研究

首先分析了虚拟化技术和云计算模式的发展趋势,然后探讨了云计算环境下数字图书馆的虚拟化建设,研究了数字图书馆虚拟化资源在云计算环境中的集成与共享机制,并对云计算环境下虚拟化数字图书馆的组织模式进行了探讨。     

基于云计算技术的大数据下企业危机管理系统研究

在大数据环境下,企业危机产生具有突发性、不确定性和危机数据、信息量大的特点,危机应对已经超出了企业的处置能力。为解决这一问题,应用云计算技术构建大数据下的企业危机管理系统,研究云计算平台上Iaa S、Pas S和Saa S三个危机管理云服务平台系统框架建设,并分析其主要实现功能和技术,为企业低成本高效率地进行危机管理提供帮助。     

基于云计算技术的大数据下企业危机管理系统研究

在大数据环境下,企业危机产生具有突发性、不确定性和危机数据、信息量大的特点,,危机应对已经超出了企业的处置能力。为解决这一问题,应用云计算技术构建大数据下的企业危机管理系统,研究云计算平台上IaaS、PasS和SaaS三个危机管理云服务平台系统框架建设,并分析其主要实现功能和技术,为企业低成本高效率地进行危机管理提供帮助。     

采用奇异值分解移动学习云计算静态重删系统

在云存储服务中,为使用户可以随时验证存储在云存储服务器上数据的完整性,需要对云计算数据进行移动学习,在移动学习过程中,产生大量的重复数据。需要设计云计算静态重删系统,对重复数据有效及时删除。传统方法采用虚拟化云平台分类层次重删模型,需要修改内核代码或者以模块的形式动态植入内核代码,重删效果不好。本文提出一种基于奇异值分解移动学习的云计算静态重删系统设计方案,进行云计算存储系统设计与重删数据特征分析,对云计算静态重复数据的尺度伸缩分解,把重复数据宽带互模糊度函数映射为一个检测统计量特征分解问题,构建一个参数未知多重假设检验,对云计算静态重复数据进行奇异值尺度伸缩分解,对分解后的奇异值特征进行状态空间重组和移动学习,得到重删系统模型改进。仿真结果表明,该算法对云计算静态重复数据检测性能较高,重删性能优越,抗干扰能力强,具有较好的应用前景。