基于数据挖掘的高校云计算管理系统中特定数据查询技术

为了提高对高校云计算管理系统的数据管理和信息调度能力,提出一种数据挖掘的高校云计算管理系统中特定数据查询技术。分析高校云计算管理系统中的数据结构和分布状态模型,采用数据流的互信息特征提取方法进行特定数据的关联积分挖掘,采用定量递归分析方法进行数据降维,降低数据挖掘的计算开销,实现特征数据的准确查询。仿真结果表明,采用该方法进行高校云计算管理系统中特定数据查询的查准率较高,数据挖掘的抗干扰性较强。     

云计算环境下海量音乐资源的高精度定位挖掘方法研究

针对在云计算环境下海量音乐资源挖掘的定位检索准确性不高的问题,对云计算环境下海量音乐资源的定位挖掘方法进行改进设计,提出基于自适应级联检索控制的海量音乐资源的高精度定位挖掘方法。首先对海量音乐资源库的数据信息按关键词和音乐类型进行语义特征分割和时间序列状态空间重构,然后进行云计算环境下海量音乐资源的自相关特征提取,以提取的自相关特征为信息素导引进行高精度定位挖掘,采用自适应级联检索控制模型进行挖掘精度控制。最后进行仿真分析,结果表明,该方法能提高音乐资源的定位挖掘精度,提高资源利用率和检索的数据查准率。     

多媒体云计算下的大规模数据流调度方法研究

传统的多媒体数据流调度方法在云平台环境下,未考虑服务器信息调度的差异性,容易形成数据调度冲突,调度效率低。为了解决上述分析的问题,通过构建多媒体云计算下数据流调度平台,实现对多路大规模多媒体数据流的合理调度,利用多级分层结构将多媒体云计算下的多服务器大规模数据流调度过程划分成管理层面、控制层面以及数据层面,可确保将数据包均匀的分配给各个服务器,充分发挥云计算下的多服务器可并行处理的特性,增强数据流的调度质量。对调度平台的软件框架进行了详细的描述,依据该软件框架的多层次实现大规模数据流调度优化,分析了大规模数据流调度的具体实现过程,并给出大规模数据流调度平台软件代码的设计。实验结果表明,所提方法增强了多媒体云计算下的大规模数据流调度的并发性能,提高数据流调度质量。     

基于云计算的电力云数据并行化处理系统设计

为了提高电力云数据并行化处理和调度能力,提出基于云计算的电力云数据并行化处理系统设计。主要包括云计算信息处理模块、数据加载模块、总线控制模块和人机交互模块,构建电力云数据并行化处理的集成数据库模型,采用分布式云结构融合方法实现对电力云数据并行调度过程中的分块模板检测和输出总线控制,采用网络重构方法实现对电力云数据并行调度处理过程中的网络组网设计,在数据加载模块中实现对电力云数据的并行加载,通过总线输出控制建立电力云数据并行处理的集成云信息处理平台,实现对电力云数据并行挖掘和优化处理。仿真测试结果表明,设计的电力云数据并行处理系统数据挖掘和资源调度能力较强,提高了电力云数据的集成处理能力。     

基于定量递归分析的天然气管线输送流量均衡调度方法

通过对天然气管线输送流量进行优化均衡调度设计,实现对天然气管线运行工况的准确监测。传统方法采用线性时间序列Wolf一步预测方法进行天然气管线输送流量调度,没能有效挖掘天然气管线输送网络中天然气流量的非线性特征,导致调度的准确性不好。提出一种基于定量递归分析的天然气管线输送流量均衡调度方法。首先构建了天然气管线的网络配置结构模型,进行输送流量序列的信号模型构建和非线性时间序列分析,对天然气流量进行相空间重构,在高维相空间中进行递归图构建,实现对天然气管线输送流量的定量递归分析,达到流量准确预测和均衡调度的目的,实现算法改进。仿真实验分析结果表明,采用该方法进行天然气管线输送流量均衡调度,天然气输送运行的工况得到改善,输送配置的均衡性较好,流量预测精度较高,调度效能增强。     

云计算下非结构化大数据存储系统设计

当前云计算下非结构化大数据存储系统设计方法是通过使用分布式数据库存储跨区域的云计算数据和全局数据存储管理目录实现的,运行系统复杂,成本高昂。为此,提出基于HBase的云计算下非结构化大数据存储系统设计方法,首先对云计算下非结构化大数据进行分析,完成云计算下非结构化大数据提取,为云计算下非结构化大数据存储系统框架设计创造条件,并介绍HBase的特点,得到基于HBase非结构化大数据存储系统架构及运行流程,然后进行云计算下非结构化大数据存储结构模型总体设计及非结构化大数据分布式结构分析,采用负载均衡控制方法进行云计算下非结构化大数据存储系统冗余数据特征压缩及信息存储优化算法设计,完成云计算下非结构化大数据存储系统设计。通过仿真实验证明,所提方法能够有效降低云计算下非结构化大数据存储花费的时间,保证存储的数据可用、不丢失,方便云计算下非结构化大数据的使用,具有较强的使用价值。     

基于云计算的海量高校体育数据建模与分析

为了提高高校体育信息的管理分析能力,针对当前高校体育数据库建立和信息检索的实时性和系统性不好的问题,提出基于云计算的海量高校体育数据建模与分析方法,构建高校海量体育数据的分布式数据库模型。在云计算环境下进行数据库访问模型设计,采用K均值数据聚类方法进行体育数据的可靠性挖掘,实现高校体育数据的优化信息调度和检索分析。仿真结果表明,采用该模型进行高校海量体育数据分析的实时性较好,数据挖掘的精度较高。     

基于混沌时间序列和神经网络的网络流量预测方法

网络流量时间序列具有复杂的非线性和不确定性特征,故提出以相空间重构理论与递归神经网络相结合的网络流量预测方法。以相空间重构理论确定最佳延迟时间和最小嵌入雏数,重构网络流量时间序列。将重构后的时间序列运用递归神经网络来训练,得到合适的模型,并用于网络节点中网络流量的预测。将该方法应用于实际数据预测,其结果与传统的时间序列预测方法结果相比较,提高了预测精度和稳定性,证明了该预测模型和方法在实际时间序列预测领域的有效性和实用性。     

一种基于分层多代理的云计算负载均衡方法

针对现有云计算系统中负载均衡方法的不足,借鉴系统逻辑分层和多代理的思想,提出一种基于分层多代理的云计算负载均衡方法.通过对云计算平台逻辑分层,在任务代理层设置任务监控代理和任务子代理,根据用户任务的差异性,采用基于任务优先级和QoS目标约束的调度策略协同完成任务调度;在资源代理层设置资源监控代理和资源子代理,考虑物理节点的异构性,采用基于启发式贪婪的资源分配策略协同完成虚拟机到物理节点的映射.通过评估对比仿真实验,结果表明该方法在任务调度效率、任务完成时间、截止时间违背率和负载均衡度方面表现更优,多代理有效地分担了中心管理节点的管理负载,使云计算平台的任务处理能力、资源利用率及鲁棒性均得到了进一步的提升.     

基于协同禁忌优化模式的云计算强安全约束工作流调度策略

针对当前广泛使用的云计算工作流调度方法过多侧重于可靠性和节能等方面的优化,而忽略安全性约束要求,基于协同禁忌算法设计了一种能实现云计算工作流高效调度的方法,该方法具有安全性约束。首先对云计算工作流调度的DAG图进行定义,形式化描述安全性约束,建立云计算工作流调度的数学模型;然后基于经典的协同禁忌算法设计解的编码方式、适应度函数、变邻域结构和双禁忌表,改进了经典的协同禁忌算法;对基于该协同禁忌算法实现对云计算工作流调度的算法进行定义;最后基于云计算仿真环境Cloud-Sim进行了实验,实验结果表明,所设计的算法收敛速度较快,且其较快地寻找到了相对于其他方法更佳的调度方案,符合安全性约束要求,是一种实用的调度方法。