淺析基于云計算的分布式數(shù)據(jù)挖掘系統(tǒng)設(shè)計與實現(xiàn)論文
隨著網(wǎng)絡(luò)大數(shù)據(jù)信息處理技術(shù)的發(fā)展，對數(shù)據(jù)處理的規(guī)模不斷增大，對數(shù)據(jù)信息處理的精度要求不斷提升，采用云計算進行數(shù)據(jù)分布式網(wǎng)格計算，能提高數(shù)據(jù)的并行處理和調(diào)度性能，根本上提高數(shù)據(jù)的計算速度，因此，云計算成為未來大數(shù)據(jù)信息處理的主要趨勢。在云計算環(huán)境下進行數(shù)據(jù)挖掘，是進行大數(shù)據(jù)信息特征提取和數(shù)據(jù)開采的基本技術(shù)，相關(guān)的算法研究受到人們的重視。文獻采用云計算環(huán)境下分布式數(shù)據(jù)模糊C均值聚類的挖掘算法，在受到較強的毗連特征干擾時，數(shù)據(jù)挖掘的精度不高。針對上述問題，本文提出一種基于分布式自適應(yīng)特征調(diào)度和高階累積量后置聚焦的數(shù)據(jù)挖掘算法，并進行了仿真實驗性能分析，得出了較好的數(shù)據(jù)挖掘效果的結(jié)論。
1 基于云計算的分布式數(shù)據(jù)挖掘算法設(shè)計
為了實現(xiàn)對基于云計算的分布式數(shù)據(jù)挖掘系統(tǒng)設(shè)計，其中，數(shù)據(jù)挖掘算法設(shè)計是關(guān)鍵，本文提出一種基于分布式自適應(yīng)特征調(diào)度和高階累積量后置聚焦的數(shù)據(jù)挖掘算法，假設(shè)數(shù)據(jù)信息流為，數(shù)據(jù)信息流通過噪聲濾波，得到數(shù)據(jù)流聚類相似性函數(shù)表示為，其是一組準(zhǔn)平穩(wěn)隨機的時間序列，對數(shù)據(jù)庫中的存儲信息流進行能量譜密度特征提取，得到輸出數(shù)據(jù)x(t) 的第n 個寬頻帶分量，分布式自適應(yīng)特征調(diào)度模型表示為：基于二元假設(shè)模型，構(gòu)建數(shù)據(jù)庫存儲結(jié)構(gòu)的.檢驗統(tǒng)計量，通過經(jīng)驗?zāi)B(tài)分解執(zhí)行數(shù)據(jù)庫存儲結(jié)構(gòu)的區(qū)域的自適應(yīng)篩選和更新，得到：云計算環(huán)境下分布式數(shù)據(jù)的數(shù)據(jù)挖掘的本體結(jié)構(gòu)為一個五元組，其中，C 為云計算環(huán)境下分布式數(shù)據(jù)的概念集，I 是云計算環(huán)境下分布式數(shù)據(jù)的字符串實例集，通過四階累積量切片進行數(shù)據(jù)庫存儲結(jié)構(gòu)的特征壓縮處理，降低存儲的特征維數(shù)和數(shù)據(jù)冗余，結(jié)合高階累積量后置聚焦，得到數(shù)據(jù)挖掘輸出特征的四階累積量切片：式中，表示存儲空間的頻譜特征伸縮尺度，可見，采用高階累積量后置聚焦，有效提高了數(shù)據(jù)的精度。
2 嵌入式Linux的內(nèi)核下數(shù)據(jù)挖掘系統(tǒng)設(shè)計描述
在上述進行了算法設(shè)計的基礎(chǔ)上，進行數(shù)據(jù)挖掘系統(tǒng)的軟件開發(fā)設(shè)計，基于云計算的分布式數(shù)據(jù)挖掘系統(tǒng)總體模型中，采用ST 超低功耗 ARM CortexTM-M0 微控制器，系統(tǒng)建立在嵌入式Linux 的內(nèi)核平臺上，系統(tǒng)包括程序加載模塊、數(shù)據(jù)存儲模塊、數(shù)據(jù)緩存調(diào)度模塊和數(shù)據(jù)通信傳輸模塊等，通過配置CAN_IMASK 寄存器，采用LabWindows/CVI 進行數(shù)據(jù)遠(yuǎn)程控制和信息通信，基于云計算的分布式數(shù)據(jù)挖掘系統(tǒng)給用戶提供一個簡單、統(tǒng)一的系統(tǒng)調(diào)用接口，系統(tǒng)可配置4 路組聯(lián)合Cache，基于云計算的分布式數(shù)據(jù)挖掘系統(tǒng)的寄存器系統(tǒng)時鐘120 MHz。嵌入式Linux 的內(nèi)核下數(shù)據(jù)挖掘系統(tǒng)通過VISA 軟件接口發(fā)送Flash 設(shè)備上的文件系統(tǒng)內(nèi)核到HP E1562D/ESCSI 數(shù)據(jù)硬盤進行數(shù)據(jù)存儲，調(diào)用s3c2440_adc_read() 函數(shù)，進行程序加載和基于云計算的分布式數(shù)據(jù)挖掘系統(tǒng)的嵌入式控制，使用Qt/Embedded 作為GUI，利用開源Linux 操作系統(tǒng)的豐富網(wǎng)絡(luò)資源，實現(xiàn)數(shù)據(jù)挖掘系統(tǒng)的遠(yuǎn)程通信信息傳輸和控制。
3 仿真實驗
為了測試本文設(shè)計的基于云計算的分布式數(shù)據(jù)挖掘系統(tǒng)在實現(xiàn)數(shù)據(jù)挖掘中的優(yōu)越性能，進行仿真實驗，分布式數(shù)據(jù)信息采樣的時寬為10 ms, 分布式數(shù)據(jù)的隨機采樣率為KHz，調(diào)控因子λ=0.25。根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進行基于云計算的分布式數(shù)據(jù)挖掘系統(tǒng)的數(shù)據(jù)挖掘和處理性能分析，首先進行數(shù)據(jù)挖掘的輸出時域波形采樣，結(jié)果可見，采用本文算法進行數(shù)據(jù)挖掘的準(zhǔn)確度較高，為了對比性能，采用本文方法和傳統(tǒng)方法，以數(shù)據(jù)挖掘的準(zhǔn)確配準(zhǔn)性為測試指標(biāo)，得到對比結(jié)果。實驗結(jié)果表明，采用該方法進行基于云計算的分布式數(shù)據(jù)挖掘，數(shù)據(jù)挖掘的準(zhǔn)確配準(zhǔn)性能較好，系統(tǒng)的可靠性較好。
4 結(jié)束語
本文提出一種基于分布式自適應(yīng)特征調(diào)度和高階累積量后置聚焦的數(shù)據(jù)挖掘算法，并進行了實驗分析。結(jié)果表明，采用該方法進行數(shù)據(jù)挖掘，數(shù)據(jù)挖掘的準(zhǔn)確配準(zhǔn)性能較好，系統(tǒng)的可靠性較好，具有較好的應(yīng)用價值。
【淺析基于云計算的分布式數(shù)據(jù)挖掘系統(tǒng)設(shè)計與實現(xiàn)論文】相關(guān)文章：
基于數(shù)據(jù)挖掘的高校教務(wù)系統(tǒng)設(shè)計論文11-15
基于知識網(wǎng)格的分布式數(shù)據(jù)挖掘論文04-25
淺析基于云計算的網(wǎng)絡(luò)營銷系統(tǒng)構(gòu)建論文11-08
云計算環(huán)境下的數(shù)據(jù)挖掘研究論文10-28
基于云計算技術(shù)的虛擬實訓(xùn)室設(shè)計與實現(xiàn)論文11-14
大數(shù)據(jù)時代基于云計算的數(shù)據(jù)監(jiān)護研究論文11-01