大数据的分类挖掘优化技术

为了提高大数据的分类识别和检索性能,需要进行大数据优化挖掘,故提出一种基于弱关联性指数特征分布提取的大数据分类挖掘方法。对大数据信息流采用稀疏性融合方法进行聚类空间划分,通过自相关特征匹配方法进行大数据高维分形特征重组,采用向量量化方法进行大数据的基元分类的收敛性控制,提取大数据信息流的弱关联性指数特征,实现大数据的优化分类和挖掘。仿真结果表明,采用该方法进行大数据分类挖掘,提高了大数据挖掘检索的查准性和查全性,挖掘的准确性较高,抗干扰能力较好。     

基于云计算的大数据聚类挖掘算法研究

基于云计算的大数据聚类挖掘,需要结合改进粒子群算法、k-means算法的优势,提出基于改进粒子群优化（Particle Swarm Optimization,PSO）的k-means聚类算法,设置自调节惯性权重、云变异算子,根据数据集种群的进化程度,调整粒子群算法的全局搜索、局部搜索能力,追踪数据粒子的个体极值、全局极值,更新每个数据个体在解空间中的点位置、更新速度,并在数据种群进化到一定程度时进行变异操作,选择全局极值作为期望Ex来控制种群迭代次数,避免数据挖掘陷入早熟收敛、局部最优解的情况。     

大数据环境下基于云计算的图书馆用户信息挖掘技术研究

图书馆用户信息挖掘是提升图书馆管理效率,实现高质量用户管理与用户服务的有效方法。文中研究大数据环境下基于云计算的图书馆用户信息挖掘技术,构建图书馆用户信息挖掘技术结构体系。数据层包括用户基本信息、图书借阅历史数据、图书信息咨询记录等,采用降噪处理、遗漏数据处理等方式预处理用户信息数据;云计算层基于计算资源与存储资源,采用K-means聚类算法从用户借阅情况和用户兴趣类型两方面划分图书馆用户群体类型,依照划分后的用户借阅信息采用蚁群规则挖掘算法,获取用户信息关联规则,形成规则库;应用层依照云计算层的挖掘结果执行个性化推荐。用户信息挖掘结果显示,所研究技术能有效挖掘图书馆用户兴趣类型,以及用户群体信息和时间序列信息。     

大数据和云计算平台应用研究

首先介绍了大数据和云计算平台的应用现状,基于大数据和云计算的定义和产生背景,对大数据/云计算平台的主要技术框架进行了探讨,并对国内外互联网、运营商和设备商等的大数据/云计算平台的使用和应用情况进行了深入的研究和分析。最后,针对大数据/云计算平台的国内外应用情况,对我国的相关企业的大数据/云计算平台的应用进行展望。     

基于云计算的大数据关联规律挖掘分析方法

近些年来,计算机技术与计算机网络处于突飞猛进的发展之中,特别是随着网络计算与云计算的进步,在网络中开始存储更多的数据分布,大数据工作的开展对于网络的应用日渐重要.通过大数据关联规律的挖掘,能够促使信息查询工作由低层次发展至高层次,并为决策的制定提供一定理论支撑.也正是因为此,探索云计算环境下大数据关联规律的挖掘方法就显...     

网络大数据平台中的特征数据分类系统设计与实现

网络大数据平台中特征数据的有效分类,是提高网民查询体验、开发新型应用的有效途径。为此,设计稳定性好、资源占用率低的网络大数据平台特征数据分类系统。系统的显示端是网民的直接应用端,其主要进行网络大数据的获取、大数据获取结果的显示和特征分类结果的显示。服务端利用SOA体系结构为网络大数据平台提供特征数据的分类服务,其将特征数据的分类标准纳入到网络大数据中,并传递给逻辑层处理端。逻辑层处理端根据特征数据分类标准,利用云计算和策略设计对网络大数据集合进行特征提取,其特征提取算法于软件中给出。特征数据分类端根据逻辑层处理端所提取出的大数据特征,利用特征向量机进行特征数据的自动分类工作。实验结果表明,所设计的系统稳定性好、资源占用率低。     

电力大数据智能化高效分析挖掘技术框架研究

针对电力行业中数据量不断增加,数据分析越来越困难的问题,设计了电力大数据智能化高效分析挖掘框架,从而快速得到有价值的信息.对电力大数据中心的整体框架进行分析,主要包括服务层、验证层、数据源层、特征分析层.另外,通过分析数据挖掘的流程发现业务中需要强化的业务,实现拓展.电力大数据智能化分析挖掘技术的框架设计主要包括电力市...     

大数据和云计算在物联网中的应用研究

为解决物联网应用及发展方面存在的问题,本文从介绍大数据和云计算技术自身定义、特定和作用入手,对物联网中大数据与云计算的具体应用进行深入分析,旨在为相关人员提供参考,进一步促进物联网的实际应用与发展.     

基于数据挖掘技术的云环境服务分类算法

为了提高Web服务的分类效果,提出了一种基于数据挖掘技术的云环境Web服务分类算法.首先提取服务特征向量,并进行相应预处理得到服务特征向量集,然后采用最小二乘支持向量机训练特征向量集,并采用萤火虫算法优化最小二乘支持向量机参数,建立最优的服务分类模型,最后采用标准数据进行仿真实验,对本文算法性能进行测试.仿真实验结果表明,相对于其它Web服务分类算法,本文算法不仅提高了Web服务分类的精度,而且提高了Web服务分类效率.     

基于云计算的数据挖掘技术研究

随着计算机的迅猛发展,基于云计算的数据挖掘技术应运而生,使得以往数据挖掘方式不能够解决海量数据等问题得到了充分且有效的解决。文章主要围绕基于云计算的数据挖掘技术展开了研究,首先阐述了相关概念和基于云计算的数据挖掘技术具有的优势,接着提出了基于云计算的数据挖掘技术的具体应用,最后介绍了基于云计算的数据挖掘技术面临的问题与挑战。     

基于云计算的图像分类算法

针对单一单板机的图像分类效率低的缺陷,提出一种基于云计算的图像分类算法。首先通过特征提取算法提取图像的多种特征,然后采用Map/Reduce模型对图像进行匹配和分类,根据匹配结果得到图像的最优分类结果,最后采用Matlab软件实现图像分类的仿真实验。结果表明,相比于其他图像分类算法,该算法减少了图像的分类时间,提高了图像的分类速度,尤其对大规模图像分类优势更加明显。     

基于云计算的图像分类算法

针对单节点的图像分类算法效率低,实时性差的难题,提出基于云计算的图像分类算法。首先提取图像数据库中的图像分类特征;然后将待分类图像通过云计算模式与图像库中的特征进行匹配,并根据匹配结果将其划分到相应的类别中;最后采用UPenn和Caltech-101数据库测试算法的可行性。结果表明,该算法降低了图像分类的时间复杂度,取得了不错的图像分类结果,且分类效率要明显优于对比算法,具有良好的实际应用价值。     

一种云计算环境下海量数据安全特征提取算法

面对云计算环境下大规模数据和多变入侵行为,提出了一种云计算环境下海量数据安全特征提取算法。该算法在定义最佳提取特征指标的基础上,构建基于改进离散狼群算法(Improved Discrete Wolf Pack Algorithm,IDWPA)的安全特征提取模型,最大限度的降低了提取特征冗余度和问题复杂度。针对安全特征提取问题特点,重新设计IDWPA个体编码方式和更新策略,并将IDWPA应用于安全特征提取模型求解,从而实现了最佳安全特征提取。仿真结果表明,相比于其他特征提取算法,基于该算法特征提取的数据分类准确率明显改善。     

云计算系统中能量有效的数据摆放算法和节点调度策略

云计算系统中数据中心的能耗问题早已成为人们广泛关注的一个重点问题,从绿色节能角度分析如何对云计算平台中的各种节点进行调度、对云计算系统中有效能量数据进行摆放是非常关键的问题。目前已有的节点调度策略无法在云计算系统中获得较好的节能功效,导致云计算中的数据摆放成为一个比较严重的问题。通过对云计算系统中能量有效数据摆放算法和节点调度策略进行分析,为增强数据摆放方法与节点调度的有效性奠定良好的基础。     

网络化激光雷达的多源数据融合点云分类算法研究

针对当前多源数据融合点云分类算法的激光雷达点云数据分类精度较低,分类时间较长的问题,提出网络化激光雷达的多源数据融合点云分类算法.利用加权航迹关联法,计算各激光雷达目标航迹号,并打散已关联航迹,通过泰勒级数将非线性问题转化成近似线性问题,求解线性状态,融合多源数据.使用主成分分析法,求解点云法线与曲率,分割段协方差矩阵...     

面向云计算环境下Web数据挖掘技术

在云计算环境下,Web数据挖掘技术得到了快速发展.由于云计算的应用,Web数据挖掘体系已体现出新的特点.分析云计算环境下Web数据挖掘技术的特点,可以明确应用要点,可以实现云计算在数据存储中的突破,实现存储的能力与安全性的提高.从海量数据中高效挖掘有价值的资源,属于信息技术要解决的关键问题.云计算技术支持下的数据挖掘实...