10.3969/j.issn.1006-9348.2017.04.066
云平台海量数据中提取用户信息数学建模仿真
云平台上海量数据中用户信息的提取,可更好地提升云提取的服务质量.对信息的准确提取,需要给出数据特征淘汰特性和过滤内在联系性,对数据特征进行匹配来完成.传统方法通过统计样本数据的频率表,提取每个数据特征的不一致性,但无法互相匹配,导致提取精度低.提出基于改进K近邻的云平台上海量数据中提取用户信息数学模型.以原始的云数据输入空间的特征为提取因子,对各个条件数据属性依据相同的权重提取特征样本间的距离,得到不同条件属性下相应特征参数的联合熵,给出数据特征淘汰特性和过滤的内在联系性,采用分数阶Fourier变换进行数据特征的匹配,构建了K-L数据特征分类器,以上述分类器为依据组建云平台上海量数据中提取用户信息数学模型.实验结果表明,所提模型提取精确度较高.
云数据、海量数据、用户信息
34
TP391(计算技术、计算机技术)
2017-06-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
311-314