云计算下低占用率大数据智能分类仿真研究

来源 :计算机仿真 | 被引量 : 1次 | 上传用户:xiazaiyigeshishi
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对大数据智能分类效率低、占用率较高的问题,提出了一种云计算下低占用率大数据智能分类方法,采用贝叶斯算法构建智能分类模型,使其后续分类时通过朴素贝叶斯智能分类器可以将容错率降到最小,并构建压缩函数及选择特征使其能够和源数据之间的区分程度相同的,对智能分类模型进行训练,通过训练后的分类模型对源数据进行特征分类,最终完成云计算下大数据智能分类的目的。仿真结果表明,使用改进方法对大数据分类,其计算过程简单、空间占用率较低,能够有效的缩短数据分类时间,鲁棒性较强。
其他文献
高稳定性区块链节点在实际工作时,节点储存的数据产生交互作用,导致实际检测仿真得到的储存容量数值产生较大的错误率。针对上述问题,设计一种高稳定性区块链节点储存容量检测仿真技术。标准化处理高稳定性区块链节点参数后,计算节点性能数值,设定一个检测平衡架构,控制节点数据间的交互,构建节点储存容量检测方法,将检测平衡架构的处理节点过程看作仿真处理步骤,将复制器生成多个分组,并将检测过程整合为一个仿真执行任务
传统网络载荷节点监督过程忽略了节点数据交换簇首的获取,导致出现了节点监督缺陷率较高,且节点开源度偏低。为此,提出新的网络数据交换下复合载荷节点半监督方法。确定当前节点范围内候异构数据点集合,排序空间邻域距离st值,确定节点传输半径距离。利用OCHS算法提取节点数据交换簇首,对比节点完整拓扑结构下复合载荷节点真实位置,判定位置变换情况,完成复合载荷节点的半监督。为验证提出的节点半监督方法的有效性,进
由于物联网应用对不同文件的数据定义格式不统一,难以进行数据的交换与共享。传统的二维空间数据交换方法储存量小、计算复杂,不利于实际应用。因此提出了一种轻量级物联网数据三维空间安全交换方法。首先,建立数据交换的逻辑结构,并在交换节点上安装监控,避免了网络攻击与破坏,确保在跨域交换时的安全。然后从三维空间中选取一个维度进行拉伸,提出一种监控机制,实现数据交换的实时性以及安全性。最后采用EasiDEF方法
针对海量交易数据易遭受干扰,导致推荐信息混乱、不能为用户有效决策基础问题,提出了一种海量交易数据抗干扰推荐算法,首先对交易数据进行决策树全局搜素,获取决策节点的误差率,更新全部历史数据的平均分类准度。然后使用自适应门限变换干扰抑制方法,降低交易数据中的干扰因素,从而提高网络交易数据的抗干扰性,再通过构建待推荐内容信息项目测评矩阵,计算用户相似度及加权平均值,最后融合上述数值,构建出海量交易数据抗干
传统传感器路由算法存在信息传输能耗较高,且网络节点存活率偏低问题,提出无线传感器网络自适应动态路由算法,简称为HDAR算法。结合平面路由和层次路由构建新的无线传感器网络路由框架,在数据获取模块中选取层次路由,在数据传输模块中选取平面路由。调整节点非线性自适应权重,动态成簇自适应路由算法HDAR通过数据动态成簇来实现数据汇总,利用自适应路由选择算法将数据运转到Sink节点,最终实现HDAR算法设计。
由于管道压浆密实度无损检测方法未对管道压浆密实度进行探测,导致检测精度不高、耗时较长,提出基于冲击回波法的预应力管道压浆密实度无损检测方法。引用冲击回波法对管道内部结构进行探测,通过分析反射波、折射波以及入射波之间的关系,对管道压浆密实度探测;基于探测结果,通过动力有限元软件对预应力管道压浆工况进行详细分析,实现预应力管道压浆密实度无损检测。选用便携式冲击回波测试仪针对几种较为典型的预应力管道压浆
针对传统的非平衡大数据云存储方法兼容性效果差、数据失真率较高等缺陷,提出一种分布式非平衡大数据兼容性云储存方法。首先根据分布式系统的数据存储原理,分析行式和列式储存的消耗情况,并针对消耗现象应用分类器处理正负两类样列,以获得较好的分类效果和几何均值;测评非平衡数据集分类效果,强化云存储方法兼容性;最后通过构建大数据访问局部性优化体制,实现分布式非平衡大数据兼容性云储存。经仿真验证,所提方法的兼容性
针对配电网中单相接地故障引发的间歇性弧光电弧模型准确度欠佳的问题,在传统电弧模型和弧隙能量平衡原理的基础上,提出了一种Cassie-Mayr综合动态电弧模型。以建立的电弧时间常数和弧长变量作为模型的动态依据,综合运用Mayr和Cassie经典模型的特点,实现了综合电弧模型在高、低阻跨越过程中准确度的提升。将综合动态模型应用到整个配网当中,区分电缆、架空、混合线路在电弧模型中的差异,通过模拟间歇性弧
针对网络数据流量激增现象,提出一种5G蜂窝网络高维数据异构特征映射降维方法。构建异构框架提高蜂窝网络灵活性和可扩展性,使用随机矩阵完成对高维数据异构特征提取,并使用相关矩阵将符合预测的奇异值剔除,获得去除噪声后的特征数量,对特征数量进行奇异值分解,得到特征与类的相关性,分析二者之间冗余性完成特征选择;运用半监督正则化方法构建目标函数,通过处理矢量特征获得最小维数,完成特征映射降维。仿真结果表明:所
实际仿真软件网络连接错误故障检测过程中,受到噪声网络数据的影响,导致现有方法产生虚警次数过大。针对上述问题,提出一种嵌入式软件网络连接错误故障实时检测仿真方法。根据不同网络节点的数据应答间隙,计算嵌入式软件网络错误的响应特征和错误故障的发生周期,控制外部网络噪声数据的影响,将软件连接网络的若干个点作为保护单元,根据采样门限系数的重心,设定实时检测方式,模拟检测仿真的不变时间量,设定检测仿真窗口,最