云计算设备中的大数据特征高效分类挖掘方法研究

王昌辉

摘 要： 云计算设备中的大数据分类挖掘是现实模式识别和智能控制的基础，传统方法中对云计算设备中的大数据挖掘采用拓扑结构网格分区挖掘算法，不能有效提取大数据的细节特征，分类的准确性不好。提出一种基于分数阶Fourier变换特征匹配和K?L分类的云计算设备中的大数据特征高效分类挖掘算法。进行云计算设备中大数据存储机制体系分析，采用分数阶Fourier变换进行云计算设备中大数据特征提取和大数据特征匹配，基于K?L变换，选择最优的路径进行分类空间导引，构建了K?L大数据特征分类器，进行云计算设备中的大数据特征分类挖掘。仿真结果表明，采用该算法进行云计算设备中的大数据特征分类挖掘，特征分类挖掘的准确度较高，能量开销较少，效率较高。

关键词： 云计算； 大数据； 特征提取； 分类挖掘

中图分类号： TN958?34； TP391.4 文献标识码： A 文章编号： 1004?373X（2015）22?0055?04

随着信息与计算科学的发展，现代数据信息处理进入了云计算时代，云计算设备是采用虚拟化的分布式计算和存储系统实现数据云计算调度和云计算存储的设备。现实的云计算信息系统由多通道数据查询网络系统组成，通过云计算信息系统的设计，实现了云任务整合构件之间的信息共享与功能集成，真正实现一个完善并具开放意义的Web社群。在云计算设备中，数据处理采用的是交互信息网络结构模式，数据包传输密集，由于内部的和外部的用户都可以访问新的和现有的应用系统，因此需要一个交互信息构架下的交互信息通道实现高安全级进程向低安全级进程的转换。在这个过程中，接收方直接或者间接地从客体中读取消息，实现数据包发送和信息编码，客户端通过信息解码实现信息接收[1]，需要对云计算设备中的大数据分类挖掘现实模式识别和智能控制，研究云计算设备中的大数据特征提取和优化分类挖掘算法具有重要意义[1]。

云计算设备不仅能提供基于数字化信息服务，而且还能使互联网络用户从信息接受者转变成为信息制造者和传播者。实现云计算设备优化数据管理的基础是进行大数据的分类挖掘，传统方法中，对云计算设备中的大数据特征分类挖掘算法主要有大数据特征压缩方法、云计算设备中的数据删除算法、C/S客户端控制算法和时频特征提取算法等，其中，采用特征提取算法实现云计算设备中的大数据高效分类挖掘具有典型性，并取得了一定的研究成果[2]，其中，文献[3]中提出一种基于类型匹配和决策树分类的云计算设备大数据分类挖掘算法，算法采用决策树方法设计分类器，实现数据分类挖掘，但该算法在进行特征提取过程中出现冗余数据，导致挖掘性能不好；文献[4]提出一种基于混沌概率分析优化分类的云计算大数据特征挖掘算法，采用现代谱分析算法进行混沌特征提取，避免了数据分类过程中陷入局部最优，提高了数据挖掘性能，但该算法的最小执行开销受到混沌分岔性的限制，收敛性不好。当前方法对云计算设备中的大数据挖掘采用拓扑结构网格分区挖掘算法，不能有效提取大数据的细节特征。

针对上述问题，为了克服传统方法的弊端，本文提出基于分数阶Fourier变换特征匹配和K?L分类的云计算设备中的大数据特征高效分类挖掘算法[5?7]。首先进行了云计算设备中大数据存储机制体系分析，采用分数阶Fourier变换进行云计算设备中大数据特征提取和大数据特征匹配处理，根据大数据信息滤波预处理结果，采用K?L分类器进行云计算设备中的大数据特征分类挖掘，仿真结果进行了性能验证，展示了本文算法在提高云计算设备中的大数据特征匹配性能和数据分类挖掘性能方面的优越性，展示了较好的应用价值。

4 结 语

云计算设备是采用虚拟化的分布式计算和存储系统实现数据云计算调度和云计算存储的设备。需要对云计算设备中的大数据分类挖掘现实模式识别和智能控制，本文提出基于分数阶Fourier变换特征匹配和K?L分类的云计算设备中的大数据特征高效分类挖掘算法。首先进行了云计算设备中大数据存储机制体系分析，采用分数阶Fourier变换进行云计算设备中大数据特征提取和大数据特征匹配，采用K?L分类器进行云计算设备中的大数据特征分类挖掘，仿真结果进行了性能验证，研究结果表明，采用本文算法进行云计算设备中的大数据特征分类挖掘，准确度较高，能量开销较少，效率较高，实现高效分类挖掘。

参考文献

[1] 谢平.云计算设备大数据删除技术研究综述[J].计算机科学，2014，41（1）：22?30.

[2] MIORANDI D， SICARI S， PELLEGRINI F D， et al. Internet of Things： vision， applications and research challenges [J]. Ad Hoc Networks， 2012， 10（7）： 1497?1516.

[3] CHEN L， BRIAN K， JAMIE E. Theoretical characterization of nonlinear clipping effects in IM/DD optical OFDM systems [J]. IEEE Transactions on Communications， 2012， 60（8）： 2304?2312.

[4] 蒋海波，王晓京，范明钰，等.基于水平纠删码的云存储数据布局方法[J].四川大学学报：工程科学版，2013，45（2）：103?109.

[5] 谭鹏许，陈越，兰巨龙，等.用于云存储的安全容错编码[J].通信学报，2014，35（3）：109?114.

[6] 魏理豪，王甜，陈飞，等.基于层次分析法的信息系统实用化评价研究[J].科技通报，2014，30（2）：142?148.

[7] 吴涛，陈黎飞，郭躬德.优化子空间的高维聚类算法[J].计算机应用，2014，34（8）：2279?2284.

[8] 陈超，张顺仕，尚守卫，等.大数据背景下电力行业数据应用研究[J].现代电子技术，2013，36（24）：8?11.