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(xué)院 商貿(mào)技術(shù)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(guān)聯(lián)規(guī)則項引導(dǎo)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(gòu)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(yīng)調(diào)度加權(quán)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(xué)模型，根據(jù)融合系數(shù)采用模糊聚類實現(xiàn)自適應(yīng)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(zhǔn)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(shù)的發(fā)展，采用云存儲技術(shù)進行不完備日志塊狀數(shù)據(jù)存儲，結(jié)合信息處理技術(shù)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(guān)擾動和自耦合性的影響，導(dǎo)致不完備日志塊狀數(shù)據(jù)存儲的穩(wěn)定性和自適應(yīng)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(shè)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(chǔ)上，結(jié)合關(guān)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(yīng)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(shù)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(yīng)調(diào)度能力，但算法對粒子群的趨同性導(dǎo)致對多維場景數(shù)下不完備日志塊狀數(shù)據(jù)預(yù)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(guān)聯(lián)規(guī)則項引導(dǎo)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(jié)論。

1 多維場景數(shù)下數(shù)據(jù)樣本數(shù)據(jù)采集與預(yù)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(shè)置不同的權(quán)值，當(dāng)多維場景數(shù)下不完備日志塊狀數(shù)據(jù)實體負(fù)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(biāo)節(jié)點B，產(chǎn)生的物理層SDNAL交換遷移負(fù)載量為：

上式中，min j表示修正最佳負(fù)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(fù)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(xué)表達(dá)模型描述如下：

通過上述數(shù)學(xué)模型構(gòu)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(fù)載平衡，結(jié)合負(fù)載均衡控制方法進行數(shù)據(jù)優(yōu)化存取設(shè)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(yīng)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(luò)控制進行多維場景下不完備日志數(shù)據(jù)庫的預(yù)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(yīng)調(diào)度加權(quán)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(xué)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(guān)聯(lián)規(guī)則的引入

在上述采用模糊控制方法構(gòu)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(chǔ)上，進行數(shù)據(jù)智能存取算法優(yōu)化，提出一種基于關(guān)聯(lián)規(guī)則項引導(dǎo)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(guān)系求解偏導(dǎo)函數(shù)得到：g+ADx=0 (7)

業(yè)務(wù)量數(shù)量小的端口節(jié)點的負(fù)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(fù)載的邊節(jié)點向量，通過控制律構(gòu)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(wù)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(guān)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(yīng)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(chǔ)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(luò)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(gòu)，結(jié)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(yīng)分類處理，得到數(shù)據(jù)存取的負(fù)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(yīng)尋優(yōu)，基于關(guān)聯(lián)規(guī)則項引導(dǎo)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(yīng)用性能，進行仿真實驗，實驗的軟件平臺采用Matlab 7設(shè)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(guān)鍵業(yè)務(wù)流的樣本訓(xùn)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(shè)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(shè)定

根據(jù)上述仿真參數(shù)設(shè)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(jié)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(jié)語

對不完備日志塊狀數(shù)據(jù)進行優(yōu)化存取設(shè)計，提升云存儲的體驗價值，本文提出一種基于關(guān)聯(lián)規(guī)則項引導(dǎo)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(gòu)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(yīng)調(diào)度加權(quán)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(xué)模型，根據(jù)融合系數(shù)采用模糊聚類實現(xiàn)自適應(yīng)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(zhǔn)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(yīng)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(luò)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(yù)測[J].智能計算機與應(yīng)用,2018,8(5):13-16

[3] 張志華,姚迎樂,牛丹彤.光纖網(wǎng)絡(luò)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(luò)流量異常監(jiān)測[J].科學(xué)技術(shù)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(yīng)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(yīng)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(shè)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(wù)網(wǎng)絡(luò)數(shù)據(jù)流量預(yù)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(wù)消費行為、網(wǎng)絡(luò)信息安全. E-mail:liyunfay@126.com