云计算环境下的大数据特征挖掘技术研究

被引:7
作者
张文
苏玉
机构
[1] 郑州工程技术学院信息工程学院
关键词
云计算; 梯度采样; 大数据; 存储体系; 特征挖掘; 能量开销;
D O I
10.16652/j.issn.1004-373x.2018.20.039
中图分类号
TP311.13 [];
学科分类号
1201 ;
摘要
基于梯度采样的大数据特征挖掘方法在大数据挖掘过程中,逻辑性较差,仅从单层角度进行大数据特征挖掘,极大降低大数据特征挖掘的精度。对此,提出基于云计算环境下大数据特征挖掘模型的特征挖掘方法,其大数据存储体系层包括多源信息资源服务层、核心技术层、多源信息资源平台服务层以及多源信息资源基础层,采用大数据特征分布函数实施大数据特征匹配,实现大数据特征初步挖掘;大数据特征挖掘处理层对存储体系层中的大数据进行抽取、转换、清洗、集成与加载实现大数据预处理,采用FP-tree对预处理后的大数据进行准确特征挖掘,通过用户层将获取的大数据特征挖掘结果反馈给用户,完成云计算环境下大数据特征挖掘。实验结果表明,所提方法在云计算环境下大数据特征挖掘方面准确率较高,具有低能量开销的优势。
引用
收藏
页码:161 / 164
页数:4
相关论文
共 7 条
[2]   基于云计算及大数据技术的电力搜索引擎技术研究 [J].
楼凤丹 ;
裴旭斌 ;
王志强 ;
纪德良 .
电网与清洁能源, 2016, 32 (12) :86-92+99
[3]   一种云计算环境下大数据动态迁移策略 [J].
张晋芳 ;
王清心 ;
丁家满 ;
刘彦君 ;
黄心 .
计算机工程, 2016, 42 (05) :13-17
[4]   云计算环境下大数据合理分流技术研究与仿真 [J].
王欣 ;
周晓梅 .
计算机仿真, 2016, 33 (03) :292-295
[5]   基于云计算的电力大数据分析技术与应用 [J].
吴凯峰 ;
刘万涛 ;
李彦虎 ;
苏伊鹏 ;
肖政 ;
裴旭斌 ;
虎嵩林 .
中国电力, 2015, 48 (02) :111-116+127
[6]   云计算中服务可信度评价的个性化融合方法 [J].
马华 ;
胡志刚 ;
张红宇 .
小型微型计算机系统, 2014, 35 (04) :776-780
[7]  
Privacy in cloud computing environments: a survey and research challenges[J] . Amal Ghorbel,Mahmoud Ghorbel,Mohamed Jmaiel. The Journal of Supercomputing . 2017 (6)