基于云計算的實驗室大規模信息分級存儲管理系統

郭 杰

（安徽財經大學，安徽 蚌埠 233000）

在云存儲和云計算環境下，進行實驗室大規模信息分級存儲管理，提高實驗室的智能化信息管理和數據調度能力，在移動網絡終端中構建實驗室大規模信息分級存儲管理系統，采用大數據挖掘和自適應數據調度技術，進行實驗室大規模信息分級存儲管理系統數據挖掘和智能查詢算法設計，結合管理者和用戶的需求，采用偏好性推薦方法，提高實驗室大規模信息分級存儲管理的智能性，相關的系統設計方法研究受到人們的極大關注，對實驗室大規模信息分級存儲管理系統設計研究是建立在數據庫構建和信息融合處理基礎上，采用關聯規則挖掘方法，提高數據的分級管理能力［1］.

當前，對實驗室大規模信息分級存儲管理方法主要采用多源數據的信息服務數據庫構建方法，結合QoS預測實現實驗室大規模信息和智能評估，分析實驗室大規模信息的關聯信息，結合大數據融合聚類分析方法，提高對實驗室大規模信息的智能分析和評估能力，傳統方法中，對實驗室大規模信息的挖掘方法主要主成分分析方法、模糊C均值分級管理算法和支持向量機學習方法等，結合模糊關聯性特征提取方法進行實驗室大規模信息分級存儲管理和特征分析，取得了較好的實驗室大規模信息挖掘效果［2］，其中，文獻［3］中提出一種基于網格區域分割的實驗室大規模信息分級存儲管理方法，對實驗室大規模信息采用并行分級存儲方法進行特征分析，該方法需要對實驗室數據進行對象性特征分析，數據分級管理的靈敏度不好，文獻［4］中提出一種基于語義本體模型和關聯指向性特征提取的實驗室大規模信息并行分級存儲和挖掘方法，實現對實驗室大規模信息的模糊指向性挖掘，該方法的計算開銷較大，數據挖掘的實時性不好［5］.

針對上述問題，本文提出一種基于云計算的實驗室大規模信息分級存儲管理系統，采用大數據處理技術進行實驗室大規模信息優化分級存儲和管理，構建實驗室大規模信息采樣和自適應分級存儲模型，提取實驗室大規模信息的關聯維特征量，采用關聯規則特征提取方法進行實驗室大規模分級存儲管理和自適應檢測，計算實驗室大規模信息關聯維特征的模糊關聯度信息，結合模糊C均值聚類方法進行實驗室大規模信息分級存儲管理后自動信息聚類處理，提高實驗室大規模信息的擴展查詢和并行挖掘能力.基于云計算平臺進行分級存儲管理系統的開發設計，最后進行仿真實驗分析，得出有效性結論.

1 實驗室大規模信息的分布模型及特征提取

1.1 實驗室大規模信息的分布模型構建

首先需要構建實驗室大規模信息的大數據分布模型，采用大數據處理技術進行實驗室大規模信息優化分級存儲和管理，構建實驗室大規模信息采樣和自適應分級存儲模型［6］，在云計算平臺中，實驗室大規模信息的分布模型如圖1所示.

結合自適應回歸分析方法實現實驗室大規模信息分級存儲管理，實驗室大規模信息并行分級存儲的統計特征量為S={s1，s2，...，sk}，采用統計時間序列分析方法進行實驗室大規模數據特征表達，實驗室大規模數據分布的有向圖模型為G1=(Mα1，Mβ1，Y1)，anti(i= 1，2，...，m)，表示實驗室大規模信息的特征聚類分布節點，采用模糊關聯規則挖掘方法，進行實驗室大規模信息分級存儲管理，在統計分布模式下，用向量x =[x1x2...xk]表示自相關特征分量，實驗室大規模信息特征分量ai的屬性值為{c1，c2，…，ck}.基于模糊指向性聚類方法，在云計算平臺中構建實驗室大規模信息交換中心，輸出的實驗室大規模信息并行分級存儲相空間分布集滿足X～Sα(σ，β，μ)，0 ＜α＜2，第i個屬性狀態模式下的實驗室大規模信息y(k)的分類集為：

其中，AH、AHB和θH、θHB分別是前p個元素是數值屬性值.采用三層體系結構模型進行實驗室大規模信息的分布式存儲結構分析，構建實驗室大規模信息的存儲網格模型［7］，采用網格聚類方法進行實驗室大規模信息的自適應結構重組和信息分類識別，采用三元組形式表示大規模實驗室大規模信息的特征分布集：

在關聯約束下，結合模糊C均值聚類方法進行實驗室大規模信息分級存儲管理，得到實驗室大規模信息滿足Wigner-Ville分布：

在Wigner-Ville分布空間中計算本體概念集si和數據概念集qj的聯合分布特征量，進行大規模異構實驗室大規模信息重組［8］.

1.2 實驗室大規模信息的關聯維特征量提取

對實驗室大規模信息進行連續特征分解處理，令A={a1，a2，…，an}為實驗室大規模信息的模糊特征分布量，在對易混淆的數據進行濾波分析，選擇支持向量機實現復合遷移型實驗室大規模信息融合，得到信息融合的聚類公式表示為：

當實驗室大規模信息在聚類空間中滿足收斂性條件，實驗室大規模信息傳輸數據流的多源波束特征量為[δ1，δ2，…，δN]，得到特征采樣數據集：

其中，|Rg|表示隸屬于第g個遷移型實驗室大規模信息的慣性特征量，對實驗室大規模信息進行模糊采樣，在聚類中心不斷進行重復計算，定義E{[X-E(X)][Y-E(Y)]}為實驗室大規模信息特征的隨機變量，求得X與Y的協方差，記為Cov(X，Y)，采用Takens 嵌入定理［9］，構建實驗室大規模信息的屬性特征高維重組空間模型，為：

式中，x(t)表示實驗室大規模信息的特性偏度，J是時域統計函數，m是實驗室大規模信息在相空間中的嵌入維數，Δt表示采樣時間間隔.根據時域統計特征進行分布式結構信息融合處理［10］，得到實驗室大規模信息的特征分布表達式為：

根據實驗室大規模信息的不對稱性與陡峭性，結合特征分析和數據聚類處理方法進行分級存儲管理，采用正態分布和規則性調度方法實現對實驗室大規模信息的結構重組，提高信息分級存儲管理的自適應能力.

2 實驗室大規模信息分級存儲管理優化

2.1 實驗室大規模信息模糊聚類處理

在采用大數據處理技術進行實驗室大規模信息優化分級存儲和管理的基礎上，構建實驗室大規模信息采樣和自適應分級存儲模型，提取實驗室大規模信息的關聯維特征量［11］，把實驗室大規模信息的調制信息進行組合性特征分解，采用時頻分解方法得到特征分解結果為：

采用分級數據庫調度方法，得到聚類模型為：

當y~-k＜γ時，視為全局最優解滿足收斂準則，進一步對實驗室大規模信息數據進行特征分解，得到第t+1次迭代后特征分級存儲管理結果為：

其中，A(t)為復包絡，θ(t)為實驗室大規模信息分布大數據的調制相位，計算第k+1次迭代后實驗室大規模信息的利用率，公式表示為：

設定頻繁項集挖掘的停止閾值ε，若滿足

計算實驗室大規模信息關聯維特征的模糊關聯度信息，結合模糊C均值聚類方法進行實驗室大規模信息分級存儲管理后自動信息聚類處理，聚類函數為：

上式中，y~+k和y~-k具有自相關性，建立實驗室大規模信息的檢測模型為：

使用Ei、etSi表示實驗室大規模信息的統計特征量和多元回歸分析量，實驗室大規模信息特征分布的

統計特征分布集表示為：

定義實驗室大規模信息的簇中的信息分布模型為[s，q]=[x(t)，x(t+τ)]，得到模糊信息的特征定位結果為：

結合模糊C均值聚類方法進行實驗室大規模信息分級存儲管理后自動信息聚類處理，提高實驗室大規模信息的擴展查詢和并行挖掘能力.

2.2 實驗室大規模信息分級存儲優化

對實驗室大規模信息進行QoS控制，結合尺度分解方法對分類輸出的實驗室大規模信息進行降維處理，得到數據分布集為：

式中，CW0min為實驗室大規模信息的模糊分布結構特征初始化值；而CWlimin為第W0min步的相似度特性，由此構建實驗室大規模信息的大數據分布模型，結合閉頻繁項集檢測方法進行實驗室大規模信息的關聯維特征重構，重構模型為：

給出實驗室大規模信息語義特征值，采用關聯規則特征提取方法進行實驗室大規模分級存儲管理和自適應檢測，檢測統計量為：

對實驗室大規模信息的數據結構進行主動分級管理，結合統計特征檢測方法，構建描述性統計分析函數假設實驗室大規模信息的分類屬性值為，計算實驗室大規模信息關聯維特征的模糊關聯度信息，為：

上式中，Dis(A)表示實驗室大規模信息的模糊聚類中心，根據上述分析，基于云計算平臺進行分級存儲管理系統的開發設計，在嵌入式總線中實現實驗室大規模信息的自動分級存儲和挖掘.

3 仿真實驗分析

為了測試本文方法在實驗室大規模信息管理和調度中的性能，進行仿真實驗，在PXI通信協議上結合云計算平臺進行實驗室大規模信息分級存儲管理系統設計，在嵌入式的開發環境下，采用程序交叉編譯軟件進行數據挖掘算法的編譯控制，通過專用短程通信（Dedicated Short Range Communication，DSRC）標準進行實驗室大規模信息分級存儲管理系統的通信協議設計，以STM32F101xx芯片為核心建立實驗室大規模信息分級存儲管理系統的AD模塊，采用無線RFID技術進行實驗室大規模信息的采集和藍牙傳輸控制，在云計算平臺中進行界面開發，數據規模為50 000 KB，根據上述仿真參量設定，進行實驗室大規模信息分級存儲管理，得到數據采樣結果如圖2所示.

以圖3采樣數據為研究對象，提取實驗室大規模信息的關聯維特征量，采用關聯規則特征提取方法進行實驗室大規模分級存儲管理和自適應檢測，計算實驗室大規模信息關聯維特征的模糊關聯度信息，結合模糊C均值聚類方法進行實驗室大規模信息分級存儲管理后自動信息聚類處理，如圖3所示.

分析圖3得知，采用該系統能有效實現對實驗室大規模信息分級存儲管理，挖掘輸出的并行分級存儲能力較強，系統穩定可靠.測試分級管理的時間開銷，得到對比結果見表1，分析表1得知，本文方法進行信息分級管理的時間開銷較小.

4 結語

本文提出一種基于云計算的實驗室大規模信息分級存儲管理系統，采用大數據處理技術進行實驗室大規模信息優化分級存儲和管理，構建實驗室大規模信息采樣和自適應分級存儲模型，提取實驗室大規模信息的關聯維特征量，采用關聯規則特征提取方法進行實驗室大規模分級存儲管理和自適應檢測，計算實驗室大規模信息關聯維特征的模糊關聯度信息，結合模糊C均值聚類方法進行實驗室大規模信息分級存儲管理后自動信息聚類處理，提高實驗室大規模信息的擴展查詢和并行挖掘能力.研究得知，采用該系統能有效實現對實驗室大規模信息分級存儲管理，并行分級存儲能力較強，系統穩定可靠，強化了實驗室管理［12］.

表1 時間開銷測試 （單位：s）Tab.1 Time cost test （unit：s）