浅析基于云计算的分布式数据挖掘系统设计与实现论文
时间：2021-08-31随着网络大数据信息处理技术的发展，对数据处理的规模不断增大，对数据信息处理的精度要求不断提升，采用云计算进行数据分布式网格计算，能提高数据的并行处理和调度性能，根本上提高数据的计算速度，因此，云计算成为未来大数据信息处理的主要趋势。在云计算环境下进行数据挖掘，是进行大数据信息特征提取和数据开采的基本技术，相关的算法研究受到人们的重视。文献采用云计算环境下分布式数据模糊C均值聚类的挖掘算法，在受到较强的毗连特征干扰时，数据挖掘的精度不高。针对上述问题，本文提出一种基于分布式自适应特征调度和高阶累积量后置聚焦的数据挖掘算法，并进行了仿真实验性能分析，得出了较好的数据挖掘效果的结论。
1 基于云计算的分布式数据挖掘算法设计
为了实现对基于云计算的分布式数据挖掘系统设计，其中，数据挖掘算法设计是关键，本文提出一种基于分布式自适应特征调度和高阶累积量后置聚焦的数据挖掘算法，假设数据信息流为，数据信息流通过噪声滤波，得到数据流聚类相似性函数表示为，其是一组准平稳随机的时间序列，对数据库中的存储信息流进行能量谱密度特征提取，得到输出数据x(t) 的第n 个宽频带分量，分布式自适应特征调度模型表示为：基于二元假设模型，构建数据库存储结构的检验统计量，通过经验模态分解执行数据库存储结构的区域的自适应筛选和更新，得到：云计算环境下分布式数据的数据挖掘的本体结构为一个五元组，其中，C 为云计算环境下分布式数据的概念集，I 是云计算环境下分布式数据的字符串实例集，通过四阶累积量切片进行数据库存储结构的特征压缩处理，降低存储的特征维数和数据冗余，结合高阶累积量后置聚焦，得到数据挖掘输出特征的四阶累积量切片：式中，表示存储空间的频谱特征伸缩尺度，可见，采用高阶累积量后置聚焦，有效提高了数据的精度。
2 嵌入式Linux的内核下数据挖掘系统设计描述
在上述进行了算法设计的'基础上，进行数据挖掘系统的软件开发设计，基于云计算的分布式数据挖掘系统总体模型中，采用ST 超低功耗 ARM CortexTM-M0 微控制器，系统建立在嵌入式Linux 的内核平台上，系统包括程序加载模块、数据存储模块、数据缓存调度模块和数据通信传输模块等，通过配置CAN_IMASK 寄存器，采用LabWindows/CVI 进行数据远程控制和信息通信，基于云计算的分布式数据挖掘系统给用户提供一个简单、统一的系统调用接口，系统可配置4 路组联合Cache，基于云计算的分布式数据挖掘系统的寄存器系统时钟120 MHz。嵌入式Linux 的内核下数据挖掘系统通过VISA 软件接口发送Flash 设备上的文件系统内核到HP E1562D/ESCSI 数据硬盘进行数据存储，调用s3c2440_adc_read() 函数，进行程序加载和基于云计算的分布式数据挖掘系统的嵌入式控制，使用Qt/Embedded 作为GUI，利用开源Linux 操作系统的丰富网络资源，实现数据挖掘系统的远程通信信息传输和控制。
3 仿真实验
为了测试本文设计的基于云计算的分布式数据挖掘系统在实现数据挖掘中的优越性能，进行仿真实验，分布式数据信息采样的时宽为10 ms, 分布式数据的随机采样率为KHz，调控因子λ=0.25。根据上述仿真环境和参数设定，进行基于云计算的分布式数据挖掘系统的数据挖掘和处理性能分析，首先进行数据挖掘的输出时域波形采样，结果可见，采用本文算法进行数据挖掘的准确度较高，为了对比性能，采用本文方法和传统方法，以数据挖掘的准确配准性为测试指标，得到对比结果。实验结果表明，采用该方法进行基于云计算的分布式数据挖掘，数据挖掘的准确配准性能较好，系统的可靠性较好。
4 结束语
本文提出一种基于分布式自适应特征调度和高阶累积量后置聚焦的数据挖掘算法，并进行了实验分析。结果表明，采用该方法进行数据挖掘，数据挖掘的准确配准性能较好，系统的可靠性较好，具有较好的应用价值。
【浅析基于云计算的分布式数据挖掘系统设计与实现论文】相关文章：
