自适应云资源大块数据对象并行存取方法

摘要：

对自适应云资源大数据块对象进行并行存取时,由于没有利用数据挖掘理论构建大数据对象的并行存取模型,导致并行存取的时间长、内存占比高、提取正确率低等问题,由此提出自适应云资源大数据块对象的并行存取方法.利用聚类算法对大数据块对象中的数据进行缺失值填充,并将填充后的数据进行分割处理,获取新的数据集;获取大数据块对象的输入层神经元,计算数据采样梯度函数,结合数据挖掘理论构建大数据块对象的并行存取模型;将自适应云资源大数据块对象放入模型中进行自适应寻优处理,以此完成自适应云资源大数据块对象的并行存取.实验结果表明,利用上述方法对大数据块对象进行并行存取时存取时间短、内存占比低、存取的正确率高.

关键词：大数据块对象;并行存取;聚类算法;数据分割;数据挖掘

所属期刊栏目：38

分类号：TP311(计算技术、计算机技术)

在线出版日期：2021-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：306-310