云資源數(shù)據(jù)傳輸效率評估數(shù)學模型的構建

陳海燕

(江蘇安全技術職業(yè)學院 網(wǎng)絡與信息安全學院，江蘇 徐州 221011)

隨著云計算和云存儲技術的不斷發(fā)展，在云環(huán)境的大背景下實現(xiàn)大數(shù)據(jù)傳輸和存儲調度是未來數(shù)據(jù)信息傳輸?shù)闹饕较?隨著感知獲取的數(shù)據(jù)大量集中在云存儲空間中，使得云存儲空間中包含了大量的云資源，造成云存儲空間的負荷不斷增大，尤其是當多個用戶同時請求服務時，海量數(shù)據(jù)的云鏈接使得網(wǎng)絡面臨著巨大壓力，導致傳輸速率降低，服務質量降低.因此，構建優(yōu)化的云資源數(shù)據(jù)傳輸效率評估模型，提高云資源數(shù)據(jù)傳輸?shù)男?，從而保障云資源數(shù)據(jù)傳輸?shù)陌踩院蜏蚀_性，具有重要的研究意義.相關的云資源數(shù)據(jù)傳輸效率評估模型研究也受到人們的極大關注[1].

在國內外的相關研究中，對云資源數(shù)據(jù)傳輸效率評估的方法主要有基于模糊關聯(lián)規(guī)則的云資源數(shù)據(jù)傳輸效率評估方法、基于空時編碼的云資源數(shù)據(jù)傳輸效率評估方法等，例如文獻[2]通過不斷更新事務數(shù)據(jù)庫，結合AprioriTid思想，提出一種改進的模糊關聯(lián)規(guī)則的數(shù)據(jù)傳輸挖掘方法，通過對云資源數(shù)據(jù)進行均衡配置和模糊特征匹配，實現(xiàn)云資源數(shù)據(jù)傳輸效率評估.文獻[3]從空間域角度入手，通過空時預編碼分離多個混疊數(shù)據(jù)流，利用鏈路功率來實現(xiàn)云資源數(shù)據(jù)傳輸效率的評估.但是上述傳統(tǒng)方法由于未能有效進行數(shù)據(jù)的聚類均衡控制，導致云資源數(shù)據(jù)傳輸效率評估的收斂性不好，評估精度不高.

針對上述問題，本文提出基于融合差分聚類均衡控制的云資源數(shù)據(jù)傳輸效率評估數(shù)學模型.在云資源數(shù)據(jù)傳輸效率評估約束參量模型的基礎上，對云資源數(shù)據(jù)進行特征檢測和大數(shù)據(jù)信息融合，構建參數(shù)融合模型.結合自相關特征匹配的方法實現(xiàn)云資源數(shù)據(jù)傳輸過程中的均衡調度和語義分割，并根據(jù)對云資源數(shù)據(jù)的統(tǒng)計信息采樣結果實現(xiàn)傳輸效率的均衡配置，最終完成云資源數(shù)據(jù)傳輸效率評估數(shù)學建模優(yōu)化.通過仿真測試分析，本文方法提高了云資源數(shù)據(jù)傳輸效率評估的準確性和均衡性.

1 云資源數(shù)據(jù)傳輸效率約束參數(shù)和融合聚類分析

1.1 云資源數(shù)據(jù)傳輸效率約束參數(shù)

為了實現(xiàn)云資源數(shù)據(jù)傳輸效率評估，首先構建云資源數(shù)據(jù)傳輸效率評估的約束參數(shù)模型，以增強云資源數(shù)據(jù)傳輸效率評估的準確性.假設云資源數(shù)據(jù)的模糊聚類狀態(tài)參數(shù)為T=ΔL·Lm，其中，ΔL>0，結合模糊度檢測的方法[4]，建立云資源數(shù)據(jù)的特征分布集，用Wi表示，基于大數(shù)據(jù)分析，采用離散度調度的方法，得到云資源數(shù)據(jù)多樣性模型參數(shù)穩(wěn)定傳輸公式，其表示為

h=a·Wi+[t(e)+r]2，

(1)

其中，a為云資源數(shù)據(jù)傳輸效率評估的約束參量，t(e)為云資源數(shù)據(jù)傳輸效率的關聯(lián)分布性為代價函數(shù)，r為融合差分聚類分析的方法參數(shù).

(2)

其中，dr為云資源數(shù)據(jù)傳輸?shù)牧炕庹{度，s(w)為模糊度檢測的方法參數(shù).在全局離群點的數(shù)據(jù)集上，結合模糊度參數(shù)辨識的方法，建立云資源數(shù)據(jù)傳輸?shù)拿芏染W(wǎng)格簇心分類集，將網(wǎng)格對象i中的數(shù)據(jù)通過模糊參數(shù)辨識的方法進行網(wǎng)格分區(qū)塊的匹配處理，此時，云資源數(shù)據(jù)傳輸效率回歸分析值需滿足e-Lms=1-Lms，在二維數(shù)據(jù)集的網(wǎng)格化聚類模型下[6]，得到網(wǎng)格聚類結果，其表示為

(3)

其中，Lm為云資源數(shù)據(jù)傳輸效率約束的代價函數(shù)，Tm為每個網(wǎng)格對象的密度值，Xp為概率密度，Xm為云資源數(shù)據(jù)特征采樣間隔.根據(jù)網(wǎng)格聚類結果，結合自動決策所含有的穩(wěn)定特征解，構建云資源數(shù)據(jù)傳輸效率評估的約束參數(shù)模型，其表達為

(4)

其中，α、β分別為范化殘差學習代價因子列在a、b不同方向上的階.可知約束代價函數(shù)是穩(wěn)定收斂的，因此，在得到約束參數(shù)的基礎上，采用粗糙集特征匹配的方法實現(xiàn)對云資源數(shù)據(jù)的特征檢測和大數(shù)據(jù)信息融合，提高云資源數(shù)據(jù)的可靠性傳輸能力[7].

1.2 云資源數(shù)據(jù)融合聚類分析

采用統(tǒng)計特征分析方法進行云資源數(shù)據(jù)傳輸效率評估集的統(tǒng)計信息采樣和融合聚類分析，在擬合數(shù)據(jù)點[8]得到云資源數(shù)據(jù)傳輸?shù)哪：葏?shù)為f(s)、f(k)，結合多徑時延補償?shù)姆椒ǎ瑢υ瀑Y源數(shù)據(jù)的離散時間序列運用殘差分析的方法進行空間融合聚類和特征采樣，得到云資源數(shù)據(jù)的分布概念集為

u(p)=f(s)+f(k)+y(l) ，

(5)

其中，y(l)為云資源數(shù)據(jù)的特征檢測參數(shù).

在擬合決策圖中，建立云資源數(shù)據(jù)傳輸?shù)拿芏染W(wǎng)格分布模型，得到云資源數(shù)據(jù)傳輸效率參數(shù)評估的可靠性函數(shù)用s*表示，采用有限維分析的方法，獲得云資源數(shù)據(jù)傳輸效率的最佳博弈狀態(tài)參量，則云資源數(shù)據(jù)傳輸效率評價的特征數(shù)據(jù)為

(6)

結合模糊度尋優(yōu)方法，對云資源數(shù)據(jù)傳輸效率評估的大數(shù)據(jù)進行融合性調度，得到云資源數(shù)據(jù)融合聚類分析方程為

(7)

其中，Y為云資源數(shù)據(jù)傳輸?shù)捻憫兞浚琘*為云資源數(shù)據(jù)傳輸?shù)臄M合值.綜上所述，利用規(guī)范化殘差分析方法，實現(xiàn)云資源數(shù)據(jù)融合聚類分析[9].

2 云資源數(shù)據(jù)傳輸效率評估數(shù)學建模

2.1 云資源數(shù)據(jù)傳輸效率的均衡調度控制

為了實現(xiàn)云資源數(shù)據(jù)傳輸效率評估，需對云資源數(shù)據(jù)傳輸效率進行均衡調度控制，因此，采用空間均衡控制的方法，來構建云資源數(shù)據(jù)傳輸?shù)牧炕庹{度模型.首先，結合自相關特征匹配的方法實現(xiàn)云資源數(shù)據(jù)傳輸過程中的均衡調度和語義分割[10]，以云資源數(shù)據(jù)傳輸效率的關聯(lián)分布性為代價函數(shù)，采用多元擬合函數(shù)來擬合數(shù)據(jù)點，得到云資源數(shù)據(jù)的線性擬合模型為

(8)

其中，x為云資源數(shù)據(jù)傳輸?shù)挠邢抻?，ω為云資源數(shù)據(jù)的多徑特征分量.

在資源配置過程中，采用二維數(shù)據(jù)集規(guī)劃的方法，得到云資源數(shù)據(jù)傳輸?shù)哪：孀R參數(shù)模型[11]，在規(guī)范化殘差圖Q中，求得逆矩陣Q-1，并對Q-1做二值變換，得到云資源數(shù)據(jù)傳輸效率估計的變量間函數(shù)為

A(s)=Q-1+(ε+jh)，

(9)

其中，ε為云資源數(shù)據(jù)傳輸?shù)墓餐瑯擞浱卣骷?在數(shù)據(jù)傳輸?shù)木馀渲媚Ｐ椭?，如果est1獨立于est2，云資源數(shù)據(jù)傳輸效率的均衡調度控制模型為

(10)

其中，f(c)為云資源數(shù)據(jù)傳輸?shù)拿芏染W(wǎng)格分布模型參數(shù)，在最近鄰方向得到云資源數(shù)據(jù)傳輸均衡配置函數(shù)d(f)的決策尋優(yōu)矩陣和收斂矩陣的特征解.綜上分析，實現(xiàn)云資源數(shù)據(jù)傳輸均衡調度和效率評估，依據(jù)均衡調度控制結果構建傳輸效率評估數(shù)學模型.

2.2 云資源數(shù)據(jù)傳輸效率評估數(shù)學模型

以云資源數(shù)據(jù)傳輸效率的均衡調度控制結果為代價函數(shù)，根據(jù)對云資源數(shù)據(jù)的統(tǒng)計信息采樣結果實現(xiàn)傳輸效率均衡配置[12]，得到云資源數(shù)據(jù)傳輸?shù)亩右?guī)劃雙曲模型描述為

(11)

其中，z為采用殘差分析數(shù)值，h(n)為穩(wěn)定周期解判斷的方法參數(shù)，得到云資源數(shù)據(jù)的特征點滿足x=0,結合云資源數(shù)據(jù)傳輸信道的非邊緣點的距離估計方法，得到穩(wěn)態(tài)特征解β=(β1,…,βm)T∈GF(2n)m，采用二分法得到云資源數(shù)據(jù)傳輸效率評估的穩(wěn)定周期解為n=1,2,3,…，x∈[0,1]，μ∈[0,4].結合二維數(shù)據(jù)集的網(wǎng)格化結果完成特征分解，輸出為

(12)

(13)

其中，zc為對應的觀測值參數(shù)，w(m)為相應的擬合值參數(shù).采用融合差分聚類分析的方法實現(xiàn)云資源數(shù)據(jù)聚類和屬性歸并處理，得到云資源數(shù)據(jù)傳輸效率評估數(shù)學模型為

(14)

其中，Xmax、Xmin分別為最大評估閾值和最小評估閾值.綜上分析，實現(xiàn)了云資源數(shù)據(jù)傳輸效率評估數(shù)學建模的優(yōu)化設計.

3 仿真測試

在云資源數(shù)據(jù)傳輸效率評估的仿真測試中，設定云資源數(shù)據(jù)的規(guī)模為1200 Mbit，評估的迭代次數(shù)為200，云資源數(shù)據(jù)傳輸效率評估的先驗概率密度為0.55，相關系數(shù)為0.36，自適應加權系數(shù)為0.14，云資源數(shù)據(jù)傳輸效率評估的變量分布如表1所示.

表1 云資源數(shù)據(jù)傳輸效率評估的變量分布

根據(jù)上述參數(shù)設定，構建云資源數(shù)據(jù)傳輸效率評估模型，得到云資源數(shù)據(jù)分布如圖1所示.

圖1 云資源數(shù)據(jù)分布

根據(jù)圖1所示的云資源數(shù)據(jù)分布特征，對云資源數(shù)據(jù)傳輸效率進行評估，得到云資源數(shù)據(jù)傳輸?shù)纳Ⅻc分布圖如圖2所示.

圖2 云資源數(shù)據(jù)傳輸?shù)纳Ⅻc分布圖

根據(jù)圖2的云資源數(shù)據(jù)傳輸?shù)纳Ⅻc分布圖可知，當前云資源數(shù)據(jù)傳輸效率較差.為進一步驗證所提出的云資源數(shù)據(jù)傳輸效率評估數(shù)學模型的應用性能，將文獻[2]中的方法和文獻[3]中的方法作為對比，判斷云資源數(shù)據(jù)傳輸效率的收斂性，得到結果如圖3所示.

圖3 云資源數(shù)據(jù)傳輸效率的收斂性判斷

分析圖3可知，本文方法在完成云資源數(shù)據(jù)傳輸效率評估時的收斂性較好，其收斂效果明顯優(yōu)于文獻[2]方法和文獻[3]方法.由此可見，本文構建的云資源數(shù)據(jù)傳輸效率評估數(shù)學模型能夠保障云資源數(shù)據(jù)傳輸?shù)姆€(wěn)定安全性.

測試不同方法下云資源數(shù)據(jù)傳輸效率評估的精度，得到對比結果如表2所示.

表2 云資源數(shù)據(jù)傳輸效率評估精度測試(%)

分析表2的結果得知，本文方法實現(xiàn)云資源數(shù)據(jù)傳輸效率評估的精度較高，在相同迭代次數(shù)的情況下，本文方法的評估精度高于文獻[2]中的方法和文獻[3]中的方法近乎10%的精度值.由此可見，本文構建的云資源數(shù)據(jù)傳輸效率評估數(shù)學模型能夠提高云資源數(shù)據(jù)傳輸?shù)臏蚀_性.

4 結語

為了優(yōu)化云資源數(shù)據(jù)傳輸效率評估模型，增強云資源數(shù)據(jù)傳輸?shù)陌踩院蜏蚀_性，結合信道均衡控制的方法，構建基于融合差分聚類均衡控制的云資源數(shù)據(jù)傳輸效率評估數(shù)學模型.采用空間均衡控制的方法，構建云資源數(shù)據(jù)傳輸?shù)牧炕庹{度模型，采用粗糙集特征匹配的方法實現(xiàn)對云資源數(shù)據(jù)的特征檢測和大數(shù)據(jù)信息融合，根據(jù)對云資源數(shù)據(jù)的統(tǒng)計信息采樣結果實現(xiàn)傳輸效率均衡配置，采用有限維分析的方法，實現(xiàn)對云資源數(shù)據(jù)傳輸效率評估的大數(shù)據(jù)融合性調度.通過實驗分析得知，本文方法實現(xiàn)云資源數(shù)據(jù)傳輸效率評估的精度較高，普遍高于96%，且收斂性較好.