混合云存储中网络稀疏大数据渗透迁移算法

当前方法没有考虑到特殊样本数据筛查的问题,导致数据渗透迁移完整度不高,所用时间较长,为此提出一种混合云存储中网络稀疏大数据渗透迁移算法.在主成分分析算法中引入信息熵的思想,对网络稀疏大数据进行降维处理,将降维结果与信息熵进行结合;筛选网络稀疏大数据的特征,将网络稀疏大数据中存在的无用特征进行剔除;计算网络稀疏大数据的敏...     

大数据场景下的云存储技术与应用

随着科学技术的不断发展和进步,以大数据为背景的云存储技术得到了良好的发展空间。云存储技术改变了人们生产、生活方式,满足了人们多样化的需求。基于信息化的稳步推进,大数据对云储存提出了更高的要求。基于此,阐述了大数据和云存储技术的基本概况,论述了大数据场景下云存储技术的应用,希望为相关人士提供一定借鉴。     

云中的大数据

本文首先解释大数据分析背后的基本概念,然后重点介绍使用大数据的应用程序,以及如何将这些概念与商业智能(BI)应用程序和并行技术相结合。文中深入剖析了大数据应用服务所采用的非结构化数据的搜索、分析和机器学习等关键元素。     

混合云存储中海洋大数据迁移算法的研究

海洋数据是一种典型的大数据,如何利用混合云存储架构存储海洋大数据是海洋数据管理面临的一个挑战.针对混合云存储架构中的关键问题——数据迁移,提出了海洋大数据的生命周期,并且基于此给出混合云存储中海洋大数据的迁移算法.在迁移算法中,将海洋数据的敏感度、数据访问频率、数据大小、数据时间长度等因素作为迁移因子.迁移算法兼顾考虑了数据存储容量、海洋数据本身的属性特征和数据访问过程中的动态变化.实验验证混合云存储模式能大大降低数据管理成本,同时,通过提出的迁移算法保证了数据的访问速度.     

大数据场景下的云计算性能研究

为解决云计算中大数据分析和云计算系统管理等问题,通过对框架的集成,提高了大数据场景下的云计算性能.通过使用深度学习方法来对所提出的框架进行改进,主要采用了混合优化FPA-GA和FPA-PSO算法,涉及基于云的服务器的计算和存储.实验结果分析表明,该方法在成本、时间、安全性和准确性等方面有了显著的提升.     

粗糙集下网络大数据混合属性特征检测仿真

由于网络混合属性集的冗余数据量多,影响数据检测的查全率,为此提出结合粗糙集理论的网络大数据混合属性特征检测方法。首先构建一个四元组,利用四元组的任意邻域信息测算其长度函数,以判断信息特征的相似性,结合粗糙集理论求解相似信息特征的邻域熵,以检测并分类重复数据属性。为优化数据分类效率,引入支持向量机分类思想,将大数据混合属性的分类问题变换为线性可分问题,实现网络大数据混合属性特征检测与分类。实验结果表明,所提方法能够有效根据数据特征筛选出无关数据信息,使用经过训练后的分类装置对约简后的特征集进行分类,与基于特征和分类器参数组合优化的网络属性特征检测方法比较,证明了所提方法的有效性,为网络大数据混合特征检测技术提供一种新的有效解决方式。     

一种基于环保大数据的存储模式及数据导入设计与实现

为实现生态环境综合决策科学化,利用大数据技术及传统数据库的结合,设计一种混合存储结构。既利用Hbase在大规模环境质量监测数据的高可拓展性、高可靠性的数据存储能力,又利用关系型数据库My SQL提供的强大SQL查询语言以及数据多维分析能力,实时统计分析与多维展示最近一段时间内环境质量监测数据。实验结果表明,所用方法与传统的手工记录查询方式及单一数据库查询方式相比,有效提高了数据存储规模及数据查询速度。     

大数据交叉映射融合的逆向云算法仿真

大数据融合可以提升工作效率、保证数据安全。逆向云算法根据数据之间的关联性交叉映射,对不同类型数据执行逆向处理。而传统逆向云算法,分析大数据离散度的能力不强,致使计算结果的偏差较大,因此研究大数据交叉映射融合的逆向云算法。算法将原有算法作为基本理论,利用梯度联合函数反演,根据交叉梯度约束条件确定数据离散形式,捕捉数据交叉规则;依照已知节点数据的物理量,对未知节点数据插值,通过源数据项、目标数据项建立函数映射关系,得出隐含关联;按照关联度匹配数据特征,域隐含层特征函数对域网络参数反向微调,至此实现逆向云算法。实验结果可知:与传统的基于鲁棒性的大数据逆向云算法相比,上述算法分析大数据之间离散度的能力更强,得到的参数结果偏差极小。由此可见,所研究的逆向云算法的计算结果更加精确。     

大数据环境下的数据迁移技术研究

数据是信息系统运行的基础和核心,是机构稳定发展的宝贵资源。随着信息系统数据量成几何级数增加,特别是在当前大数据环境和信息技术快速发展情况下,海量数据迁移是企业解决存储空间不足、新老系统切换和信息系统升级改造等过程中必须面对的一个现实问题。如何在业务约束条件下,快速、正确、完整地实现海量数据迁移,保障数据的完整性、一致性和继承性,是一个关键研究课题。从海量数据管理的角度,阐述了海量数据迁移方法,比较了不同数据迁移的方案特点。     

基于分割的云存储医疗大数据分级保密模型设计

为提高在云存储环境中具有密度高、关联复杂的医学大数据安全保密级别,基于数据分割和等级关联结构,以数据加密的隐私保护算法为支持,提出了一种新的大数据资源的隐私保密模式.从云环境下医疗大数据特征入手,分析云存储中数据隐私保护机制,提出基于分割的云存储数据分级保密模型,大大提高了数据的安全性.研究表明,该模型可以有效保护数据安全和隐私,提高云端数据的安全程度及提高执行效率.     

基于并行挖掘大数据的无损云取证模型仿真

互联网犯罪问题日益严峻,云取证也存在数据取证效率低、完整度不高问题.由此提出一种基于并行挖掘大数据的无损云取证模型.把较小数据集当作并行挖掘单元,采用数据属性稠密化方法挖掘通信单元间的关联规则,使用全局通讯模式连接每个单元,增强云通信效果,提高云取证效率;分块采集犯罪数据,运用子带量化预测法压缩初始数据,通过量化压缩数...     

基于云模型的煤矿安全大数据多粒度表示方法及应用

以大规模物联网为支撑的新一代信息技术的深入应用,为基于海量大数据挖掘的煤矿安全知识发现提供了实现的可能.现有的针对煤矿安全大数据的研究大多基于定量模型,其解决问题的角度单一且一定程度上忽略了煤矿监管中多时空、多粒度的管控需求,使得数据中蕴含的煤矿风险知识未得到客观、全面的发现.从煤矿监管中的多粒度需求出发,借助云模型定...     

大数据对5G网络及服务优化的驱动作用

随着科学技术的飞速发展,互联网已经无处不在,但在5g网络中,仍有不断优化的空间。经过优化,将得到更好的发展。在大数据模式的影响下,5g移动网络覆盖用户可以享受到更清晰的网络信号实时传输效果,大大降低了通信延迟频率。由此可见,推动网络服务模式实现全面优化的措施必须依靠大数据手段。大数据平台已经成为支撑移动网络各运营环节服务质量优化的最重要因素。     

大数据对5G网络及服务优化的驱动作用

5G网络本身属于移动通信网络,经过网络传输模式全面升级与转型后的5G网络能够保证达到更短的通信延时效果,提升移动通信质量并且创造快捷化的全新通信网络运行模式。具体对于网络服务模式在实施整体优化与改造的目前实践中,基本举措就是融入大数据的重要驱动技术手段,充分依托大数据手段与平台来优化网络服务的总体实施效果,创造网络用户的最佳移动通信体验。     

基于决策树算法的医疗大数据填补及分类仿真

从大数据的基本特点和医疗大数据研究现状出发,分析处理过程中存在的问题,提出在决策树算法下的医疗大数据填补及分类方法.分析医疗数据的关联规则,采用关联分析(Apriori)算法和频繁模式树(Frequent Pattern Growth,FP-Growth)算法挖掘数据.以挖掘数据为基础填补其中的缺失数据,按照医疗数据特...     

大数据平台下网络舆情风险演化模型仿真研究

针对网络舆情风险演化模型存在网络舆情风险预测准确性低、控制效果差的缺陷,引人大数据平台构建网络舆情风险演化模型.采用协程网络爬虫算法获取网络舆情信息,得到网络舆情观点集合,以此为基础,利用Weisbuch-Deffuant模型设定网络舆情观点聚合规则,实现网络舆情观点的聚合,以网络舆情观点聚合结果为依据,采用仓室模型搭...     

网络大数据:现状与展望

网络大数据是指“人、机、物”三元世界在网络空间(Cyberspace)中交互、融合所产生并在互联网上可获得的大数据.网络大数据的规模和复杂度的增长超出了硬件能力增长的摩尔定律,给现有的IT架构以及机器处理和计算能力带来了极大挑战.同时,也为人们深度挖掘和充分利用网络大数据的大价值带来了巨大机遇.因此,迫切需要探讨大数据的科学问题,发现网络大数据的共性规律,研究网络大数据定性、定量分析的基础理论与基本方法.文中分析了网络大数据的复杂性、不确定性和涌现性,总结了网络空间感知与数据表示、网络大数据存储与管理体系、网络大数据挖掘和社会计算以及网络数据平台系统与应用等方面的主要问题与研究现状,并对大数据科学、数据计算需要的新模式与新范式、新型的IT基础架构和数据的安全与隐私等方面的发展趋势进行了展望.     

基于混合云的安全数据存储架构

云计算技术为数据存储与计算提供了一个非常有效的方法,当前研究工作的重点集中在云中的数据安全。基于混合云,提出一个安全数据存储架构,将数据存储过程划分为两部分。数据的机密性、完整性和可追踪性的相关操作在私有云中实现,公共云实现数据的存储与查询。该架构在保障云端数据安全存储的同时,降低企业在保证云数据安全存储方面的成本。