多維場景數(shù)據(jù)的共享存取優(yōu)化模型

李云飛

多維場景數(shù)據(jù)的共享存取優(yōu)化模型

李云飛

西京學院 商貿(mào)技術系, 陜西 西安 710123

為了提高對多維場景數(shù)下不完備日志塊狀數(shù)據(jù)的共享存儲能力，本文提出一種基于關聯(lián)規(guī)則項引導性融合的多維場景數(shù)據(jù)下不完備日志塊狀數(shù)據(jù)智能存取算法，采用模糊控制方法構建多維場景數(shù)下不完備日志塊狀數(shù)據(jù)調(diào)度控制模型，引入多維場景不完備日志塊狀數(shù)據(jù)的自適應調(diào)度加權系數(shù)，對云存儲多維場景不完備日志塊狀數(shù)據(jù)采用模糊約束進化方法進行徑向?qū)?yōu)，建立一種基于數(shù)據(jù)挖掘理論的云存儲多維場景不完備日志塊狀數(shù)據(jù)共享存取數(shù)學模型，根據(jù)融合系數(shù)采用模糊聚類實現(xiàn)自適應尋優(yōu)，實現(xiàn)對多維場景數(shù)下不完備日志塊狀數(shù)據(jù)的共享存取。仿真實驗表明，采用該算法進行多維場景數(shù)下不完備日志塊狀數(shù)據(jù)共享存取的準確性較高，吞吐性較好，提高了多維場景不完備日志塊狀數(shù)據(jù)調(diào)度控制的魯棒性。

多維場景; 數(shù)據(jù); 共享存取; 優(yōu)化模型

隨著云存儲和云計算技術的發(fā)展，采用云存儲技術進行不完備日志塊狀數(shù)據(jù)存儲，結合信息處理技術進行數(shù)據(jù)的優(yōu)化調(diào)度，實現(xiàn)不完備日志塊狀數(shù)據(jù)的智慧管理，提高數(shù)據(jù)的信息融合和智能調(diào)度能力，在對不完備日志塊狀數(shù)據(jù)存取過程中，受到信息的互相關擾動和自耦合性的影響，導致不完備日志塊狀數(shù)據(jù)存儲的穩(wěn)定性和自適應性不好，需要對不完備日志塊狀數(shù)據(jù)進行優(yōu)化存取設計，提升云存儲的體驗價值[1]。研究多維場景不完備日志塊狀數(shù)據(jù)的優(yōu)化存取和調(diào)度方法，在提高數(shù)據(jù)的自動存儲和管理能力方面具有重要意義。

對多維場景不完備日志塊狀數(shù)據(jù)的存取是建立在對數(shù)據(jù)挖掘和信息特征提取基礎上，結合關聯(lián)規(guī)則分析方法進行多維場景不完備日志塊狀數(shù)據(jù)的優(yōu)化存儲和融合而處理，提高多維場景不完備日志塊狀數(shù)據(jù)自適應調(diào)度能力[2]，傳統(tǒng)方法中，對多維場景不完備日志塊狀數(shù)據(jù)存取方法主要有基于專家系統(tǒng)識別的多維場景數(shù)下不完備日志塊狀數(shù)據(jù)存取算法和基于時頻分析的多維場景數(shù)下不完備日志塊狀數(shù)據(jù)存取算法等[3]。采用現(xiàn)代信號處理技術實現(xiàn)對多維場景數(shù)下不完備日志塊狀數(shù)據(jù)時間序列的信號重建和分析，實現(xiàn)多維場景數(shù)下不完備日志塊狀數(shù)據(jù)，文獻[4]中把粒子群算法引入到多維場景數(shù)下不完備日志塊狀數(shù)據(jù)存取和數(shù)據(jù)挖掘中，提高了數(shù)據(jù)的自適應調(diào)度能力，但算法對粒子群的趨同性導致對多維場景數(shù)下不完備日志塊狀數(shù)據(jù)預測的精度不好，且計算開銷較大。

針對傳統(tǒng)方法存在的弊端，本文提出一種基于關聯(lián)規(guī)則項引導性融合的多維場景數(shù)下不完備日志塊狀數(shù)據(jù)智能存取算法，實現(xiàn)對多維場景數(shù)下不完備日志塊狀數(shù)據(jù)的共享存取。最后進行仿真試驗分析，得出有效性結論。

1 多維場景數(shù)下數(shù)據(jù)樣本數(shù)據(jù)采集與預處理

1.1 信息采集

上式中，表示多維場景數(shù)下不完備日志塊狀數(shù)據(jù)流量無限接近傳輸荷載能力的最大帶寬，在傳輸信道的每個隊列設置不同的權值，當多維場景數(shù)下不完備日志塊狀數(shù)據(jù)實體負載C滿足控制收斂性條件時，得到控制節(jié)點A輸出到節(jié)點目標節(jié)點B，產(chǎn)生的物理層SDNAL交換遷移負載量為：

上式中，min j表示修正最佳負載遷移，min 0表示兩者之間的鏈路傳輸調(diào)度集，X是決策變量，n表示神經(jīng)元的輸出多維場景數(shù)下不完備日志塊狀數(shù)據(jù)負載調(diào)運量，即多維場景數(shù)下不完備日志塊狀數(shù)據(jù)調(diào)度控制問題最小代價數(shù)學表達模型描述如下：

通過上述數(shù)學模型構建，實現(xiàn)多維場景數(shù)下不完備日志塊狀數(shù)據(jù)存取的負載平衡，結合負載均衡控制方法進行數(shù)據(jù)優(yōu)化存取設計[5]。

1.2 多維場景不完備日志塊狀數(shù)據(jù)存儲路徑計算

其中，的緩存隊列的長度，為多維場景不完備日志數(shù)據(jù)輪詢發(fā)送的修正自適應系數(shù)，c為多維場景數(shù)下不完備日志塊狀數(shù)據(jù)的傳輸路徑數(shù)，采用神經(jīng)網(wǎng)絡控制進行多維場景下不完備日志數(shù)據(jù)庫的預測控制[7]。引入多維場景不完備日志塊狀數(shù)據(jù)的自適應調(diào)度加權系數(shù)，采用模糊約束進化方法進行數(shù)據(jù)存儲過程中的擁塞控制，建立一種基于數(shù)據(jù)挖掘理論的云存儲多維場景不完備日志塊狀數(shù)據(jù)共享存取路徑表示為：

對云存儲多維場景不完備日志塊狀數(shù)據(jù)采用模糊約束進化方法徑向?qū)?yōu)，建立一種基于數(shù)據(jù)挖掘理論的云存儲多維場景不完備日志塊狀數(shù)據(jù)共享存取數(shù)學模型，進行數(shù)據(jù)共享存取優(yōu)化控制[8]。

2 共享存取算法優(yōu)化

2.1 關聯(lián)規(guī)則的引入

在上述采用模糊控制方法構建多維場景數(shù)下不完備日志塊狀數(shù)據(jù)調(diào)度控制模型的基礎上，進行數(shù)據(jù)智能存取算法優(yōu)化，提出一種基于關聯(lián)規(guī)則項引導性融合的多維場景數(shù)下不完備日志塊狀數(shù)據(jù)智能存取算法。根據(jù)隨機概率密度分布，對多維場景數(shù)下不完備日志塊狀數(shù)據(jù)實體節(jié)點與Sink節(jié)點進行均衡控制，關系求解偏導函數(shù)得到：g+ADx=0 (7)

業(yè)務量數(shù)量小的端口節(jié)點的負載神經(jīng)元的狀態(tài)為：u()=net() (9)

在個性化的流表分發(fā)協(xié)議下，得到數(shù)據(jù)存取的輸入層神經(jīng)元的輸出為：

上式中，u()表示多維場景數(shù)下不完備日志塊狀數(shù)據(jù)流量負載的邊節(jié)點向量，通過控制律構建多維場景數(shù)下不完備日志塊狀數(shù)據(jù)調(diào)度控制模型。

把多維場景下不完備日志數(shù)據(jù)庫神經(jīng)元映射成隨機生成的個初始解，根據(jù)不同的需求業(yè)務流定制的流表得到初始多維場景不完備日志塊狀數(shù)據(jù)采樣的梯度函數(shù)表示為：

采用關聯(lián)規(guī)則進行不完備日志塊狀數(shù)據(jù)共享存取，得到目的端口的輸出流量密度為：

上式中，op為最佳尋優(yōu)軌跡，min為任意組合模式下的數(shù)據(jù)共享存取調(diào)度適應度值。

2.2 數(shù)據(jù)共享存取優(yōu)化

對云存儲多維場景不完備日志塊狀數(shù)據(jù)采用模糊約束進化方法進行存儲路徑尋優(yōu)的基礎上，在多維場景數(shù)下不完備日志塊狀數(shù)據(jù)共享存取和調(diào)度網(wǎng)絡中，采用柯西不等式理論計算二階梯度得到?2()，采用多個非線性成分聯(lián)合統(tǒng)計方法進行多維場景數(shù)下不完備日志塊狀數(shù)據(jù)的高維特征空間重構，結合模糊聚類方法進行多維場景數(shù)下不完備日志塊狀數(shù)據(jù)的自適應分類處理，得到數(shù)據(jù)存取的負載為：

根據(jù)雅可比模糊約束進化論，建立一種基于數(shù)據(jù)挖掘理論的云存儲多維場景不完備日志塊狀數(shù)據(jù)共享存取模型[9]，得到：

通過上述模型，在模糊約束進化中實現(xiàn)自適應尋優(yōu)，基于關聯(lián)規(guī)則項引導性融合方法，實現(xiàn)多維場景數(shù)下不完備日志塊狀數(shù)據(jù)智能存取。算法的實現(xiàn)流程如圖1所示。

圖 1 算法的實現(xiàn)流程

3 仿真實驗分析

為了測試本文方法在實現(xiàn)多維場景數(shù)下不完備日志塊狀數(shù)據(jù)存取中的應用性能，進行仿真實驗，實驗的軟件平臺采用Matlab 7設計，實驗中的多維場景數(shù)下不完備日志塊狀數(shù)據(jù)樣本庫采用Olivetti-Oracle Research Lab(ORL)，日志塊狀數(shù)據(jù)融合的子塊閾值Y=0.25，多維場景數(shù)下不完備日志塊狀數(shù)據(jù)采樣的占空比為2.4 dB，關鍵業(yè)務流的樣本訓練集規(guī)模為120 Kbps，得到多維場景數(shù)下不完備日志塊狀數(shù)據(jù)采樣的參數(shù)設定見表1。

表 1 多維場景數(shù)下不完備日志塊狀數(shù)據(jù)采樣的參數(shù)設定

根據(jù)上述仿真參數(shù)設定，進行多維場景數(shù)下不完備日志塊狀數(shù)據(jù)挖掘，得到數(shù)據(jù)時域分布如圖2所示。

圖 2 多維場景數(shù)下不完備日志塊狀數(shù)據(jù)分布

以圖2所示的多維場景數(shù)下不完備日志塊狀數(shù)據(jù)為研究對象，進行數(shù)據(jù)優(yōu)化存取調(diào)度，測試數(shù)據(jù)存取的效率，得到對比結果如圖3所示，分析圖3得知，本文方法（DD算法）進行多維場景數(shù)下不完備日志塊狀數(shù)據(jù)智能存取的吞吐量比傳統(tǒng)方法提升12.5%，調(diào)度效率提升21.8%，性能優(yōu)越。

圖 3 數(shù)據(jù)存取吞吐性能和效率對比

4 結語

對不完備日志塊狀數(shù)據(jù)進行優(yōu)化存取設計，提升云存儲的體驗價值，本文提出一種基于關聯(lián)規(guī)則項引導性融合的多維場景數(shù)下不完備日志塊狀數(shù)據(jù)智能存取算法，采用模糊控制方法構建多維場景數(shù)下不完備日志塊狀數(shù)據(jù)調(diào)度控制模型，引入多維場景不完備日志塊狀數(shù)據(jù)的自適應調(diào)度加權系數(shù)，對云存儲多維場景不完備日志塊狀數(shù)據(jù)采用模糊約束進化方法進行徑向?qū)?yōu)，建立一種基于數(shù)據(jù)挖掘理論的云存儲多維場景不完備日志塊狀數(shù)據(jù)共享存取數(shù)學模型，根據(jù)融合系數(shù)采用模糊聚類實現(xiàn)自適應尋優(yōu)，實現(xiàn)對多維場景數(shù)下不完備日志塊狀數(shù)據(jù)的共享存取。研究得知，采用本文算法進行多維場景數(shù)下不完備日志塊狀數(shù)據(jù)共享存取的準確性較高，吞吐性較好，提高了多維場景不完備日志塊狀數(shù)據(jù)調(diào)度控制的魯棒性，具有很好的應用價值。

[1] 韋海宇,王勇,柯文龍,等.基于改進極端隨機樹的異常網(wǎng)絡流量分類[J].計算機工程,2018,44(11):33-39

[2] 易利容,王紹宇,殷麗麗,等.基于多變量LSTM的工業(yè)傳感器時序數(shù)據(jù)預測[J].智能計算機與應用,2018,8(5):13-16

[3] 張志華,姚迎樂,牛丹彤.光纖網(wǎng)絡植入威脅通道信號檢測仿真研究[J].計算機仿真,2018,35(10):317-320,339

[4] 任春雷,劉世民,朱繼陽,等.基于改進特征選擇法的光纖網(wǎng)絡流量異常監(jiān)測[J].科學技術與工程,2018,18(23):50-54

[5] 鄭垚宇,方洋旺,魏賢智,等.基于云模型的仿真可信度評估方法[J].計算機應用,2018,38(6):1535-1541

[6] 鄭娜,王加陽.不完備序信息系統(tǒng)的證據(jù)特征及屬性約簡[J].計算機工程與應用,2018,54(21):43-47

[7] 王樹恒,吐爾根江·依布拉音,卡哈爾江·阿比的熱西提,等.基于BLSTM的維吾爾語文本情感分析[J].計算機工程與 設計,2017,38(10):2879-2886

[8] 唐明董,姜葉春,劉建勛.用戶位置感知的Web服務網(wǎng)絡數(shù)據(jù)流量預測方法[J].小型微型計算機系統(tǒng),2012,33(12):2664-2667

[9] 劉芳,汪玉凱.基于直方圖平移的低失真可逆數(shù)據(jù)隱藏[J].信息與控制,2013,42(5): 595-600

The Shared Access Optimization Model on Multidimensional Scene Data

LI Yun-fei

710123,

In order to improve the sharing and scheduling ability of incomplete log block data on multidimensional scenario, we need to design a shared access optimization model on multidimensional scene data. This paper presented an intelligent access algorithm of incomplete log block data under multidimensional scenario based on the guidance fusion of association rules. Fuzzy control method was used to construct the scheduling control model of incomplete log block data under multidimensional scenario. The adaptive scheduling weighting coefficient of incomplete log block data of multidimensional scene was introduced, and the fuzzy constraint evolution method was used to optimize the incomplete log block data in cloud storage. A mathematical model of cloud storage multidimensional scene incomplete log block data sharing access based on data mining theory was established. The fusion coefficient fuzzy clustering was used to realize adaptive optimization. The shared access of incomplete log block data under multidimensional scenario was realized. The simulation results showed that the proposed algorithm was more accurate and convergent for sharing and accessing incomplete log block data under multidimensional scenario, and improved the robustness of scheduling control of incomplete log block data in multidimensional scene.

Multidimensional scene; data; sheared access; optimization model

TP391

A

1000-2324(2019)03-0429-05

10.3969/j.issn.1000-2324.2019.03.015

2018-04-21

2018-05-08

李云飛(1985-),女,碩士,講師.研究方向:電子商務消費行為、網(wǎng)絡信息安全. E-mail:liyunfay@126.com