淺析基于云計算的分布式數據挖掘系統設計與實現論文
隨著網絡大數據信息處理技術的發展，對數據處理的規模不斷增大，對數據信息處理的精度要求不斷提升，采用云計算進行數據分布式網格計算，能提高數據的并行處理和調度性能，根本上提高數據的計算速度，因此，云計算成為未來大數據信息處理的主要趨勢。在云計算環境下進行數據挖掘，是進行大數據信息特征提取和數據開采的基本技術，相關的算法研究受到人們的重視。文獻采用云計算環境下分布式數據模糊C均值聚類的挖掘算法，在受到較強的毗連特征干擾時，數據挖掘的精度不高。針對上述問題，本文提出一種基于分布式自適應特征調度和高階累積量后置聚焦的數據挖掘算法，并進行了仿真實驗性能分析，得出了較好的數據挖掘效果的結論。
1 基于云計算的分布式數據挖掘算法設計
為了實現對基于云計算的分布式數據挖掘系統設計，其中，數據挖掘算法設計是關鍵，本文提出一種基于分布式自適應特征調度和高階累積量后置聚焦的數據挖掘算法，假設數據信息流為，數據信息流通過噪聲濾波，得到數據流聚類相似性函數表示為，其是一組準平穩隨機的時間序列，對數據庫中的存儲信息流進行能量譜密度特征提取，得到輸出數據x(t) 的第n 個寬頻帶分量，分布式自適應特征調度模型表示為：基于二元假設模型，構建數據庫存儲結構的.檢驗統計量，通過經驗模態分解執行數據庫存儲結構的區域的自適應篩選和更新，得到：云計算環境下分布式數據的數據挖掘的本體結構為一個五元組，其中，C 為云計算環境下分布式數據的概念集，I 是云計算環境下分布式數據的字符串實例集，通過四階累積量切片進行數據庫存儲結構的特征壓縮處理，降低存儲的特征維數和數據冗余，結合高階累積量后置聚焦，得到數據挖掘輸出特征的四階累積量切片：式中，表示存儲空間的頻譜特征伸縮尺度，可見，采用高階累積量后置聚焦，有效提高了數據的精度。
2 嵌入式Linux的內核下數據挖掘系統設計描述
在上述進行了算法設計的基礎上，進行數據挖掘系統的軟件開發設計，基于云計算的分布式數據挖掘系統總體模型中，采用ST 超低功耗 ARM CortexTM-M0 微控制器，系統建立在嵌入式Linux 的內核平臺上，系統包括程序加載模塊、數據存儲模塊、數據緩存調度模塊和數據通信傳輸模塊等，通過配置CAN_IMASK 寄存器，采用LabWindows/CVI 進行數據遠程控制和信息通信，基于云計算的分布式數據挖掘系統給用戶提供一個簡單、統一的系統調用接口，系統可配置4 路組聯合Cache，基于云計算的分布式數據挖掘系統的寄存器系統時鐘120 MHz。嵌入式Linux 的內核下數據挖掘系統通過VISA 軟件接口發送Flash 設備上的文件系統內核到HP E1562D/ESCSI 數據硬盤進行數據存儲，調用s3c2440_adc_read() 函數，進行程序加載和基于云計算的分布式數據挖掘系統的嵌入式控制，使用Qt/Embedded 作為GUI，利用開源Linux 操作系統的豐富網絡資源，實現數據挖掘系統的遠程通信信息傳輸和控制。
3 仿真實驗
為了測試本文設計的基于云計算的分布式數據挖掘系統在實現數據挖掘中的優越性能，進行仿真實驗，分布式數據信息采樣的時寬為10 ms, 分布式數據的隨機采樣率為KHz，調控因子λ=0.25。根據上述仿真環境和參數設定，進行基于云計算的分布式數據挖掘系統的數據挖掘和處理性能分析，首先進行數據挖掘的輸出時域波形采樣，結果可見，采用本文算法進行數據挖掘的準確度較高，為了對比性能，采用本文方法和傳統方法，以數據挖掘的準確配準性為測試指標，得到對比結果。實驗結果表明，采用該方法進行基于云計算的分布式數據挖掘，數據挖掘的準確配準性能較好，系統的可靠性較好。
4 結束語
本文提出一種基于分布式自適應特征調度和高階累積量后置聚焦的數據挖掘算法，并進行了實驗分析。結果表明，采用該方法進行數據挖掘，數據挖掘的準確配準性能較好，系統的可靠性較好，具有較好的應用價值。
【淺析基于云計算的分布式數據挖掘系統設計與實現論文】相關文章：
基于數據挖掘的高校教務系統設計論文11-15
基于知識網格的分布式數據挖掘論文04-25
淺析基于云計算的網絡營銷系統構建論文11-08
云計算環境下的數據挖掘研究論文10-28
基于云計算技術的虛擬實訓室設計與實現論文11-14
大數據時代基于云計算的數據監護研究論文11-01
淺析基于Struts2的信息管理系統設計與實現論文10-25
淺析基于云計算的智能計量平臺研發的論文05-28