多维场景数据的共享存取优化模型

李云飞

多维场景数据的共享存取优化模型

李云飞

西京学院 商贸技术系, 陕西 西安 710123

为了提高对多维场景数下不完备日志块状数据的共享存储能力，本文提出一种基于关联规则项引导性融合的多维场景数据下不完备日志块状数据智能存取算法，采用模糊控制方法构建多维场景数下不完备日志块状数据调度控制模型，引入多维场景不完备日志块状数据的自适应调度加权系数，对云存储多维场景不完备日志块状数据采用模糊约束进化方法进行径向寻优，建立一种基于数据挖掘理论的云存储多维场景不完备日志块状数据共享存取数学模型，根据融合系数采用模糊聚类实现自适应寻优，实现对多维场景数下不完备日志块状数据的共享存取。仿真实验表明，采用该算法进行多维场景数下不完备日志块状数据共享存取的准确性较高，吞吐性较好，提高了多维场景不完备日志块状数据调度控制的鲁棒性。

多维场景; 数据; 共享存取; 优化模型

随着云存储和云计算技术的发展，采用云存储技术进行不完备日志块状数据存储，结合信息处理技术进行数据的优化调度，实现不完备日志块状数据的智慧管理，提高数据的信息融合和智能调度能力，在对不完备日志块状数据存取过程中，受到信息的互相关扰动和自耦合性的影响，导致不完备日志块状数据存储的稳定性和自适应性不好，需要对不完备日志块状数据进行优化存取设计，提升云存储的体验价值[1]。研究多维场景不完备日志块状数据的优化存取和调度方法，在提高数据的自动存储和管理能力方面具有重要意义。

对多维场景不完备日志块状数据的存取是建立在对数据挖掘和信息特征提取基础上，结合关联规则分析方法进行多维场景不完备日志块状数据的优化存储和融合而处理，提高多维场景不完备日志块状数据自适应调度能力[2]，传统方法中，对多维场景不完备日志块状数据存取方法主要有基于专家系统识别的多维场景数下不完备日志块状数据存取算法和基于时频分析的多维场景数下不完备日志块状数据存取算法等[3]。采用现代信号处理技术实现对多维场景数下不完备日志块状数据时间序列的信号重建和分析，实现多维场景数下不完备日志块状数据，文献[4]中把粒子群算法引入到多维场景数下不完备日志块状数据存取和数据挖掘中，提高了数据的自适应调度能力，但算法对粒子群的趋同性导致对多维场景数下不完备日志块状数据预测的精度不好，且计算开销较大。

针对传统方法存在的弊端，本文提出一种基于关联规则项引导性融合的多维场景数下不完备日志块状数据智能存取算法，实现对多维场景数下不完备日志块状数据的共享存取。最后进行仿真试验分析，得出有效性结论。

1 多维场景数下数据样本数据采集与预处理

1.1 信息采集

上式中，表示多维场景数下不完备日志块状数据流量无限接近传输荷载能力的最大带宽，在传输信道的每个队列设置不同的权值，当多维场景数下不完备日志块状数据实体负载C满足控制收敛性条件时，得到控制节点A输出到节点目标节点B，产生的物理层SDNAL交换迁移负载量为：

上式中，min j表示修正最佳负载迁移，min 0表示两者之间的链路传输调度集，X是决策变量，n表示神经元的输出多维场景数下不完备日志块状数据负载调运量，即多维场景数下不完备日志块状数据调度控制问题最小代价数学表达模型描述如下：

通过上述数学模型构建，实现多维场景数下不完备日志块状数据存取的负载平衡，结合负载均衡控制方法进行数据优化存取设计[5]。

1.2 多维场景不完备日志块状数据存储路径计算

其中，的缓存队列的长度，为多维场景不完备日志数据轮询发送的修正自适应系数，c为多维场景数下不完备日志块状数据的传输路径数，采用神经网络控制进行多维场景下不完备日志数据库的预测控制[7]。引入多维场景不完备日志块状数据的自适应调度加权系数，采用模糊约束进化方法进行数据存储过程中的拥塞控制，建立一种基于数据挖掘理论的云存储多维场景不完备日志块状数据共享存取路径表示为：

对云存储多维场景不完备日志块状数据采用模糊约束进化方法径向寻优，建立一种基于数据挖掘理论的云存储多维场景不完备日志块状数据共享存取数学模型，进行数据共享存取优化控制[8]。

2 共享存取算法优化

2.1 关联规则的引入

在上述采用模糊控制方法构建多维场景数下不完备日志块状数据调度控制模型的基础上，进行数据智能存取算法优化，提出一种基于关联规则项引导性融合的多维场景数下不完备日志块状数据智能存取算法。根据随机概率密度分布，对多维场景数下不完备日志块状数据实体节点与Sink节点进行均衡控制，关系求解偏导函数得到：g+ADx=0 (7)

业务量数量小的端口节点的负载神经元的状态为：u()=net() (9)

在个性化的流表分发协议下，得到数据存取的输入层神经元的输出为：

上式中，u()表示多维场景数下不完备日志块状数据流量负载的边节点向量，通过控制律构建多维场景数下不完备日志块状数据调度控制模型。

把多维场景下不完备日志数据库神经元映射成随机生成的个初始解，根据不同的需求业务流定制的流表得到初始多维场景不完备日志块状数据采样的梯度函数表示为：

采用关联规则进行不完备日志块状数据共享存取，得到目的端口的输出流量密度为：

上式中，op为最佳寻优轨迹，min为任意组合模式下的数据共享存取调度适应度值。

2.2 数据共享存取优化

对云存储多维场景不完备日志块状数据采用模糊约束进化方法进行存储路径寻优的基础上，在多维场景数下不完备日志块状数据共享存取和调度网络中，采用柯西不等式理论计算二阶梯度得到Ñ2()，采用多个非线性成分联合统计方法进行多维场景数下不完备日志块状数据的高维特征空间重构，结合模糊聚类方法进行多维场景数下不完备日志块状数据的自适应分类处理，得到数据存取的负载为：

根据雅可比模糊约束进化论，建立一种基于数据挖掘理论的云存储多维场景不完备日志块状数据共享存取模型[9]，得到：

通过上述模型，在模糊约束进化中实现自适应寻优，基于关联规则项引导性融合方法，实现多维场景数下不完备日志块状数据智能存取。算法的实现流程如图1所示。

图 1 算法的实现流程

3 仿真实验分析

为了测试本文方法在实现多维场景数下不完备日志块状数据存取中的应用性能，进行仿真实验，实验的软件平台采用Matlab 7设计，实验中的多维场景数下不完备日志块状数据样本库采用Olivetti-Oracle Research Lab(ORL)，日志块状数据融合的子块阈值Y=0.25，多维场景数下不完备日志块状数据采样的占空比为2.4 dB，关键业务流的样本训练集规模为120 Kbps，得到多维场景数下不完备日志块状数据采样的参数设定见表1。

表 1 多维场景数下不完备日志块状数据采样的参数设定

根据上述仿真参数设定，进行多维场景数下不完备日志块状数据挖掘，得到数据时域分布如图2所示。

图 2 多维场景数下不完备日志块状数据分布

以图2所示的多维场景数下不完备日志块状数据为研究对象，进行数据优化存取调度，测试数据存取的效率，得到对比结果如图3所示，分析图3得知，本文方法（DD算法）进行多维场景数下不完备日志块状数据智能存取的吞吐量比传统方法提升12.5%，调度效率提升21.8%，性能优越。

图 3 数据存取吞吐性能和效率对比

4 结语

对不完备日志块状数据进行优化存取设计，提升云存储的体验价值，本文提出一种基于关联规则项引导性融合的多维场景数下不完备日志块状数据智能存取算法，采用模糊控制方法构建多维场景数下不完备日志块状数据调度控制模型，引入多维场景不完备日志块状数据的自适应调度加权系数，对云存储多维场景不完备日志块状数据采用模糊约束进化方法进行径向寻优，建立一种基于数据挖掘理论的云存储多维场景不完备日志块状数据共享存取数学模型，根据融合系数采用模糊聚类实现自适应寻优，实现对多维场景数下不完备日志块状数据的共享存取。研究得知，采用本文算法进行多维场景数下不完备日志块状数据共享存取的准确性较高，吞吐性较好，提高了多维场景不完备日志块状数据调度控制的鲁棒性，具有很好的应用价值。

[1] 韦海宇,王勇,柯文龙,等.基于改进极端随机树的异常网络流量分类[J].计算机工程,2018,44(11):33-39

[2] 易利容,王绍宇,殷丽丽,等.基于多变量LSTM的工业传感器时序数据预测[J].智能计算机与应用,2018,8(5):13-16

[3] 张志华,姚迎乐,牛丹彤.光纤网络植入威胁通道信号检测仿真研究[J].计算机仿真,2018,35(10):317-320,339

[4] 任春雷,刘世民,朱继阳,等.基于改进特征选择法的光纤网络流量异常监测[J].科学技术与工程,2018,18(23):50-54

[5] 郑垚宇,方洋旺,魏贤智,等.基于云模型的仿真可信度评估方法[J].计算机应用,2018,38(6):1535-1541

[6] 郑娜,王加阳.不完备序信息系统的证据特征及属性约简[J].计算机工程与应用,2018,54(21):43-47

[7] 王树恒,吐尔根江·依布拉音,卡哈尔江·阿比的热西提,等.基于BLSTM的维吾尔语文本情感分析[J].计算机工程与 设计,2017,38(10):2879-2886

[8] 唐明董,姜叶春,刘建勋.用户位置感知的Web服务网络数据流量预测方法[J].小型微型计算机系统,2012,33(12):2664-2667

[9] 刘芳,汪玉凯.基于直方图平移的低失真可逆数据隐藏[J].信息与控制,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

李云飞(1985-),女,硕士,讲师.研究方向:电子商务消费行为、网络信息安全. E-mail:liyunfay@126.com