云计算环境下多源遥感数据挖掘系统构建

针对多源遥感数据未被充分利用及数据处理效率较低的问题,结合三层四类模式的云计算服务级别系统,以云计算服务形式为前提,创建了多来源数据挖掘体系。首先阐述了多源遥感数据挖掘的技术流程;其次将云计算服务层次体系引入到系统构建中,设计了云计算环境下的多源遥感数据挖掘系统框架;最后详细介绍了该系统的主要特色功能,为进一步研究多源遥感数据挖掘系统奠定了基础。     

一种基于云计算的大数据关联规律挖掘分析方法

随着云计算时代的到来,云计算为海量数据的挖掘分析提供了一种新的技术途径,能够有效地解决传统数据挖掘方法不能适应海量数据挖掘的问题。介绍了云计算的含义和特点,分析了运用云计算技术实现数据挖掘的优势,设计了基于MapReduce并行处理架构的关联规律挖掘算法,并开展了试验验证。试验结果表明,基于云计算平台的并行关联规律挖掘算法能够极大地提高数据挖掘的执行速度。     

基于云计算的数据挖掘平台架构及其关键技术研究

随着云计算时代的到来,传统数据挖掘系统在海量数据的分析挖掘方面存在性能瓶颈。文章提出了基于云计算的数据挖掘平台,该平台与传统的数据挖掘系统架构相比有高可扩展性、海量数据处理能力、面向服务、硬件成本低廉等优越性,可以支持大范围分布式数据挖掘的设计和应用。该平台能极大减少运营商、企业在数据挖掘技术上的投入并能加快其挖掘业务的推出,缩短研发周期,进一步提高产品收益。     

基于云计算技术的数据挖掘

基于单一节点的数据挖掘系统在处理海量数据集时存在计算瓶颈,针对该问题,提出了一种基于云计算技术的数据挖掘方法:将大数据集和挖掘任务分解到多台计算机上并行处理.在对经典Apriori算法MapReduce化后,建立了一个基于Hadoop开源框架的并行数据挖掘平台,并通过对餐饮系统中点菜单的数据挖掘工作验证了该系统的有效性.实验表明,在集群中使用云计算技术处理大数据集,可以明显提高数据挖掘的效率.     

云服务器中的不稳定数据挖掘系统的研究与设计

针对当前的云计算服务器缺少对不稳定数据的识别与检测,设计并实现一种云服务器中不稳定数据挖掘系统。介绍系统的总体结构,利用数据采样预处理模块实现从源数据到挖掘数据的映射,完成离散化、数据过滤等处理过程。依据2.0 mm ERmet Hard Metric连接器,采用Rapid IO协议,通过接口模块完成数据间的传输,以达到信号传输效率与稳定性的要求。通过数据挖掘模块对云服务器中不稳定数据的确认与挖掘,将挖掘结果传输至控制模块进行处理。软件设计过程中,对云服务器中不稳定数据挖掘系统进行了详细地分析,并给出不稳定数据挖掘的实现过程以及系统部分程序代码。实验结果表明,所设计的系统具有很高的实用性和可靠性。     

基于云平台的并行关联规则挖掘算法分析

自云计算技术出现之后,数据挖掘技术取得了突破性发展。数据挖掘系统不仅实现了低成本、高效率运行,并且系统储存空间和系统可扩展性也在不断扩大,大大提高了数据挖掘效率。这里简要阐述了基于云平台的并行关联规则挖掘算法分析的研究意义,并对基于Hadoop的数据挖掘系统和数据算法设计进行了详细介绍。     

云计算环境下WEB数据挖掘的研究

云计算是一种新兴的共享基础架构的方法,它以公开的标准和服务为基础,以互联网为中心,提供安全、快速、便捷的数据存储和网络计算服务。在云计算环境下进行Web数据挖掘的研究,可以为越来越多的海量数据挖掘提供解决方案。文章概述了云计算与Web数据挖掘的概念,描述了Web数据挖掘常用的算法,并提出云计算环境下改进的Web数据挖掘策略。     

基于云计算的三层架构网络用户访问路长数据智能挖掘系统设计

基于普通计算的智能挖掘系统在对三层架构网络用户访问路长数据进行挖掘时,花费的时间过长。为解决上述问题,基于云计算设计一种新的三层架构网络用户访问路长数据智能挖掘系统。系统硬件结构主要分为上、中、下三层。最底层为云计算层,包括计算云、数据云和存储云;中间层为数据挖掘层,由工作流模块、数据加载模块、并行ETL模块、并行数据挖掘算法模块、并行结果显示模块五部分构成;最顶层为应用程序层,同时管理视图、内容提供器、资源管理器、通知管理器、活动管理器和算法库。软件流程主要分为确定挖掘目标、数据准备、数据挖掘、模式评估和结果显示五步。与基于普通计算的智能挖掘系统进行实验对比,结果表明给出的挖掘系统花费时间短。     

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现了资源的优化配置,体现出实用性、虚拟性的特点,可以保证数据挖掘的高效、精准。因此,有必要构建基于云计算的数据挖掘模式,保证数据挖掘具有更高的精准度,并实现挖掘成本的降低。     

基于Hadoop云平台的模糊聚类算法研究

随着信息科学技术和移动互联网技术的快速发展,各种信息数据持续呈指数级爆发式快速增长。当今数据分析主要的目标是充分发掘出隐藏在海量数据背后信息,以此来推动各行业稳定持续发展。显然,云计算技术的出现为海量数据挖掘工作提供了便利,在传统单机模式的数据挖掘基础上,Hadoop云计算平台能够将信息数据分片处理,并将数据片分配到各个节点并行处理,大大提高了数据处理的效率。文章详细研究了基于Hadoop云计算平台的模糊聚类算法,充分利用Hadoop云计算平台并行化来解决对大规模海量数据挖掘的问题,并能够为社会经济发展作出贡献。