亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于信息濃縮粒子濾波的分布式網(wǎng)絡(luò)數(shù)據(jù)庫優(yōu)化索引

        2016-05-14 09:09:49王春杰朱保鋒
        軟件導(dǎo)刊 2016年7期
        關(guān)鍵詞:粒子濾波

        王春杰 朱保鋒

        摘要:分布式網(wǎng)絡(luò)數(shù)據(jù)庫優(yōu)化索引可提高數(shù)據(jù)庫的訪問和數(shù)據(jù)管理能力。傳統(tǒng)方法采用Web數(shù)據(jù)庫臨界級(jí)聯(lián)差分耦合方法進(jìn)行數(shù)據(jù)庫索引,隨著干擾數(shù)據(jù)和數(shù)據(jù)庫規(guī)模的增大,數(shù)據(jù)庫索引準(zhǔn)確度不高,語義指向性不好。提出一種基于信息濃縮粒子濾波的分布式網(wǎng)絡(luò)數(shù)據(jù)庫優(yōu)化索引算法,首先進(jìn)行分布式網(wǎng)絡(luò)數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)分析和特征融合處理,采用信息濃縮粒子濾波方法對(duì)干擾數(shù)據(jù)進(jìn)行濾除抑制,并采用語義特征波束形成方法進(jìn)行目標(biāo)數(shù)據(jù)的波束聚焦和特征提取,實(shí)現(xiàn)數(shù)據(jù)庫的優(yōu)化檢索。仿真結(jié)果表明,利用該算法進(jìn)行數(shù)據(jù)庫索引的準(zhǔn)確度較高,收斂性好,執(zhí)行時(shí)間短,展示了較好的應(yīng)用性能。

        關(guān)鍵詞關(guān)鍵詞:數(shù)據(jù)庫索引;粒子濾波;分布式網(wǎng)絡(luò)

        DOIDOI:10.11907/rjdk.161369

        中圖分類號(hào):TP391文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào)文章編號(hào):16727800(2016)007015503

        0引言

        在數(shù)據(jù)庫訪問中,對(duì)數(shù)據(jù)庫中的語義信息特征索引成為數(shù)據(jù)庫檢索的基礎(chǔ)技術(shù),通過數(shù)據(jù)庫優(yōu)化索引算法設(shè)計(jì),可提高數(shù)據(jù)庫的檢索和訪問能力,相關(guān)算法研究也受到了人們的極大重視[1]。傳統(tǒng)方法采用Web數(shù)據(jù)庫臨界級(jí)聯(lián)差分耦合方法進(jìn)行數(shù)據(jù)庫索引,隨著干擾數(shù)據(jù)和數(shù)據(jù)庫規(guī)模的增大,數(shù)據(jù)庫索引的準(zhǔn)確度不高,語義指向性不好[2]。對(duì)此,相關(guān)文獻(xiàn)進(jìn)行了改進(jìn)設(shè)計(jì),隨著智能算法的應(yīng)用,采用粒子群算法進(jìn)行數(shù)據(jù)庫訪問和索引成為發(fā)展趨勢(shì)。采用粒子群算法進(jìn)行數(shù)據(jù)庫訪問的控制和語義索引過程中,由于粒子群的迭代系數(shù)對(duì)初始權(quán)值的選擇較為敏感,容易陷入局部極值,因而對(duì)數(shù)據(jù)庫的索引性能不好。

        近年來,在粒子群控制算法基礎(chǔ)上,許多學(xué)者提出了蟻群、粒子群優(yōu)化算法等人工智能方法進(jìn)行數(shù)據(jù)庫訪問過程訓(xùn)練,取得了一定效果。傳統(tǒng)方法中,對(duì)分布式網(wǎng)絡(luò)數(shù)據(jù)庫的實(shí)體建模和決策控制算法主要采用小樣本、非線性及高維模式識(shí)別方法,如模糊神經(jīng)網(wǎng)絡(luò)決策算法、蟻群算法(ACO)和粒子群算法(PSO)等[35]。在上述算法進(jìn)行分布式網(wǎng)絡(luò)數(shù)據(jù)庫分析和實(shí)體建模過程中,需要進(jìn)行參數(shù)尋優(yōu)和自適應(yīng)建模,達(dá)到對(duì)分布式網(wǎng)絡(luò)數(shù)據(jù)庫預(yù)測(cè)和控制決策的目的。為了提高數(shù)據(jù)庫索引精度,本文提出一種基于信息濃縮粒子濾波的分布式網(wǎng)絡(luò)數(shù)據(jù)庫優(yōu)化索引算法,首先進(jìn)行分布式網(wǎng)絡(luò)數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)分析和特征融合處理,采用信息濃縮粒子濾波方法對(duì)干擾數(shù)據(jù)進(jìn)行濾除抑制,并采用語義特征波束形成方法進(jìn)行目標(biāo)數(shù)據(jù)的波束聚焦和特征提取,實(shí)現(xiàn)數(shù)據(jù)庫的優(yōu)化檢索。最后通過仿真實(shí)驗(yàn)進(jìn)行了性能測(cè)試,展示了本文算法的優(yōu)越性能。

        1分布式網(wǎng)絡(luò)數(shù)據(jù)庫數(shù)據(jù)結(jié)構(gòu)分析與特征融合處理 1.1分布式網(wǎng)絡(luò)數(shù)據(jù)庫數(shù)據(jù)結(jié)構(gòu)分析

        為了進(jìn)行分布式網(wǎng)絡(luò)數(shù)據(jù)庫的優(yōu)化索引,需要首先構(gòu)建分布式網(wǎng)絡(luò)數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)模型,進(jìn)行數(shù)據(jù)結(jié)構(gòu)的特征分析和數(shù)據(jù)信息融合處理。本文研究的分布式網(wǎng)絡(luò)數(shù)據(jù)庫的數(shù)據(jù)存儲(chǔ)節(jié)點(diǎn)均勻分布在有向圖G1、G2中,在分布式網(wǎng)格的覆蓋度目標(biāo)區(qū)域A內(nèi),有向圖G1和G2的語義節(jié)點(diǎn)是均勻線列陣分布的,簇頭節(jié)點(diǎn)采用隨機(jī)部署方法。數(shù)據(jù)庫語義相似度節(jié)點(diǎn)采用最常用的布爾模型(0/1模型)。網(wǎng)絡(luò)級(jí)聯(lián)分布式數(shù)據(jù)庫的數(shù)據(jù)存儲(chǔ)深度空間坐標(biāo)為(xs,ys),用一個(gè)二元有向圖G=(V,E)表示數(shù)據(jù)分布的編隊(duì)系統(tǒng),網(wǎng)絡(luò)數(shù)據(jù)庫相鄰網(wǎng)格M與節(jié)點(diǎn)s的數(shù)據(jù)索引有效性覆蓋范圍為:SCMN={(si,sj)|d(si,sj)≤Rc,si∈M,sj∈N}(1)其中,M、N為關(guān)鍵詞節(jié)點(diǎn)間的規(guī)模數(shù),設(shè)數(shù)據(jù)庫訪問過程中的語義特征優(yōu)先級(jí)調(diào)度向量為Pc,位于(xp,yp)的任意點(diǎn)p的矢量場(chǎng)和sink節(jié)點(diǎn)的關(guān)聯(lián)維數(shù)為d(s,p)。分布式網(wǎng)絡(luò)數(shù)據(jù)庫的數(shù)據(jù)特征空間矢量場(chǎng)分布在區(qū)域A,半徑為W×L個(gè)22Rc×22Rc的矩形網(wǎng)格。設(shè)數(shù)據(jù)流樣本S=X1,X2,…,Xk,…,每個(gè)網(wǎng)格的網(wǎng)絡(luò)是一個(gè)無向圖 ,關(guān)鍵詞索引的語義指向性信息特征表示為EH(s,t)=(V,E)(s≥1,t≥1),在數(shù)據(jù)庫的有效訪問范圍內(nèi)計(jì)算關(guān)鍵詞G1和G2的連接度,計(jì)算公式為:a=2n(GC)2n(GC)+mGC(G1)+mGC(G2)(2)每個(gè)網(wǎng)格有4個(gè)鄰居網(wǎng)格,假設(shè)G1=(V,E)和G2=(V′,E′)都為重連通圖,節(jié)點(diǎn)對(duì)之間的距離由超立方網(wǎng)EH(s,t)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)決定。在均勻線列陣區(qū)域內(nèi),非邊界(邊界網(wǎng)格至少有2個(gè)鄰居網(wǎng)格)G1和G2之間的頂點(diǎn)集為:Vt(k)={as+t...at+1at...a11|as+t...at+1=k,

        ai∈{0,1},0≤k<2s}(3)假設(shè)a1,a2∈V,b1,b2∈V′,對(duì)于數(shù)據(jù)庫索引的語義指向信息EHs(j)和關(guān)聯(lián)位置EHt(k),添加兩條邊后形成一個(gè)數(shù)據(jù)庫優(yōu)化索引的連通圖子集G3。假設(shè)G3是一個(gè)多徑無干擾的重連通圖,設(shè)計(jì)最短路由進(jìn)行數(shù)據(jù)庫訪問,路由協(xié)議描述為:通過上述描述,構(gòu)建分布式網(wǎng)絡(luò)數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)模型,進(jìn)行數(shù)據(jù)信息特征提取,然后在此基礎(chǔ)上進(jìn)行數(shù)據(jù)庫優(yōu)化索引。

        1.2數(shù)據(jù)庫的大數(shù)據(jù)信息特征融合處理

        通過對(duì)數(shù)據(jù)庫的大數(shù)據(jù)信息特征融合處理,為分布式網(wǎng)絡(luò)數(shù)據(jù)庫的優(yōu)化索引提供準(zhǔn)確的數(shù)據(jù)基礎(chǔ)。假設(shè)分布式網(wǎng)絡(luò)數(shù)據(jù)庫路徑優(yōu)化結(jié)果中關(guān)鍵詞節(jié)點(diǎn)為{v1,v2,…,vn},結(jié)合粒子群算法進(jìn)行大數(shù)據(jù)融合,得到數(shù)據(jù)庫調(diào)度的加權(quán)向量結(jié)構(gòu)權(quán)重計(jì)算為:weight=∑ni=1∑nj=i+1dist(vi,vj)(8)本文通過模糊C均值聚類得到數(shù)據(jù)庫的關(guān)鍵節(jié)點(diǎn)與數(shù)據(jù)流微簇結(jié)構(gòu)權(quán)重,采用dist(vi,vj)表示分布式網(wǎng)絡(luò)數(shù)據(jù)庫訪問中關(guān)鍵詞節(jié)點(diǎn)vi到vj的最短路徑距離。采用信息度濃縮聚焦方法進(jìn)行特征融合,在相空間S中,進(jìn)行關(guān)聯(lián)維特征匹配。定義數(shù)據(jù)聚類多波束數(shù)據(jù)庫矢量場(chǎng)中tf(k,N)的索引信道,數(shù)據(jù)庫索引過程中信道均衡的運(yùn)算表達(dá)式為:φ(y)=f(yR)+jf(yI)(9)式中,yR和yI分別是y的實(shí)部和虛部,建立初始種群,設(shè)計(jì)一個(gè)粒子群濾波的種群適應(yīng)度函數(shù):數(shù)據(jù)庫的大數(shù)據(jù)信息特征融合內(nèi)容與關(guān)鍵詞的差異性特征為一個(gè)線性調(diào)頻時(shí)間序列,采用非線性時(shí)間序列分析方法,根據(jù)融合參數(shù)和φ,得到數(shù)據(jù)融合時(shí)間序列y(k)為:y(k)=a(k)h(k)+n(k) (12)假設(shè)用戶輸入了3個(gè)關(guān)鍵詞,Q={q1,q2,q3},通過大數(shù)據(jù)信息融合進(jìn)行數(shù)據(jù)庫優(yōu)化索引。

        2算法改進(jìn)設(shè)計(jì)與實(shí)現(xiàn)

        在上述分布式網(wǎng)絡(luò)數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)分析和特征融合處理的基礎(chǔ)上,進(jìn)行數(shù)據(jù)庫優(yōu)化索引。分析當(dāng)前算法可知,傳統(tǒng)方法采用Web數(shù)據(jù)庫臨界級(jí)聯(lián)差分耦合方法進(jìn)行數(shù)據(jù)庫索引,隨著干擾數(shù)據(jù)和數(shù)據(jù)庫規(guī)模的增大,數(shù)據(jù)庫索引準(zhǔn)確度不高,語義指向性不好。為了克服傳統(tǒng)方法的弊端,本文提出一種基于信息濃縮粒子濾波的分布式網(wǎng)絡(luò)數(shù)據(jù)庫優(yōu)化索引算法,在進(jìn)行分布式網(wǎng)絡(luò)數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)分析和特征融合處理基礎(chǔ)上,采用信息濃縮粒子濾波方法對(duì)干擾數(shù)據(jù)進(jìn)行濾除抑制。數(shù)據(jù)庫分布式狀態(tài)下的信息濃縮權(quán)重可以采用Z變換求得,根據(jù)Z變換的定義,得到數(shù)據(jù)庫索引語義關(guān)鍵信息的輸出變量耦合值R3為:R3 = μo 2πKhlnrw rw ′(13)假設(shè)數(shù)據(jù)庫訪問中信息流的采樣時(shí)間間隔區(qū)間為s∈[tk,tk+1],則采用粒子濾波方法,進(jìn)行干擾抑制后的數(shù)據(jù)庫輸出信息流二階矩特征為:R=μw 2πKh[1mlnReh 2(i + 1)rw + 1.7lnReh rf +

        12Zf + 25Z2f + μo μw lnrw rw ′] (14)對(duì)分布式數(shù)據(jù)庫的索引有效性進(jìn)行信息濃縮聚焦,縮減索引深度。在粒子濾波下,數(shù)據(jù)庫優(yōu)化索引的自適應(yīng)波束形成輸出的關(guān)聯(lián)匹配量可以表示為:QH=ΔpR=Δpμw2πKhRp(15)其中:Rp = 1mlnReh 2(i + 1)rw + 1.7lnReh rf +

        12Zf + 25Z2f + μo μw lnrw rw ′(16)定義Ci為數(shù)據(jù)庫索引起始時(shí)間圖G,其中包括了關(guān)鍵詞語義信息x0(tk),采用語義特征波束形成方法進(jìn)行目標(biāo)數(shù)據(jù)的波束聚焦和特征提取,得到數(shù)據(jù)庫索引的優(yōu)化輸出z(k)為:z(k)=fTF(k)y(k)-fTB(k)(k)(17)根據(jù)波束形成結(jié)果進(jìn)行自適應(yīng)語義信息素濃度聚焦,通過粒子濾波得到相對(duì)狀態(tài)序列模型,由此實(shí)現(xiàn)算法改進(jìn),達(dá)到對(duì)分布式網(wǎng)絡(luò)數(shù)據(jù)庫優(yōu)化索引和數(shù)據(jù)庫訪問的路徑優(yōu)選目的,算法實(shí)現(xiàn)流程如圖2所示。

        3仿真實(shí)驗(yàn)與結(jié)果分析

        為了測(cè)試本文提出的方法在實(shí)現(xiàn)分布式網(wǎng)絡(luò)數(shù)據(jù)庫優(yōu)化訪問和信息索引中的性能,進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)采用在Matlab R2012a環(huán)境下反復(fù)調(diào)試程序?qū)崿F(xiàn)數(shù)據(jù)挖掘和實(shí)體建模,通對(duì)數(shù)據(jù)集進(jìn)行特征融合處理,采用信息濃縮粒子濾波方法對(duì)干擾數(shù)據(jù)進(jìn)行濾除抑制,采用語義特征波束形成方法進(jìn)行目標(biāo)數(shù)據(jù)的波束聚焦和特征提取,得到數(shù)據(jù)庫訪問中數(shù)據(jù)采樣特征融合及語義特征波束形成結(jié)果如圖2所示。

        由圖2可見,采用本文算法進(jìn)行分布式網(wǎng)絡(luò)數(shù)據(jù)庫索引,通過信息濃縮粒子濾波處理,可提高數(shù)據(jù)庫訪問中的抗干擾能力。為了對(duì)比算法性能,采用本文方法和傳統(tǒng)方法進(jìn)行數(shù)據(jù)庫索引的精度測(cè)試,對(duì)比結(jié)果如圖3所示。由圖可見,采用該算法進(jìn)行數(shù)據(jù)庫索引的準(zhǔn)確度較高,收斂性好,執(zhí)行時(shí)間短,展示了較好的應(yīng)用性能。

        參考文獻(xiàn):

        [1]陸科達(dá),萬勵(lì),吳潔明.基于數(shù)據(jù)挖掘技術(shù)的網(wǎng)絡(luò)安全事件預(yù)測(cè)研究[J].科技通報(bào),2012,28(6):3740.

        [2]凌妍妍,孟小峰,劉 偉.基于屬性相關(guān)度的Web數(shù)據(jù)庫大小估算方法[J].軟件學(xué)報(bào),2008,19(2):224236.

        [3]魏利峰,紀(jì)建偉,王曉斌.云環(huán)境中Web信息抓取技術(shù)的研究及應(yīng)用[J].電子設(shè)計(jì)工程,2016(4):2931.

        [4]陸興華,陳平華.基于定量遞歸聯(lián)合熵特征重構(gòu)的緩沖區(qū)流量預(yù)測(cè)算法[J].計(jì)算機(jī)科學(xué),2015,42(4):6871.

        [5]楊俊,周丙寅,張毅,等.基于遞歸圖分析的壓縮機(jī)故障診斷方法研究[J].計(jì)算機(jī)與數(shù)字工程,2013,41(6): 984986.責(zé)任編輯(責(zé)任編輯:黃?。?/p>

        第7期 邵桐,朱明東:基于元數(shù)據(jù)的數(shù)據(jù)交換系統(tǒng)研究軟 件 導(dǎo) 刊2016年標(biāo)題

        猜你喜歡
        粒子濾波
        基于粒子濾波算法的視頻目標(biāo)跟蹤研究
        數(shù)字濾波技術(shù)的現(xiàn)狀與發(fā)展
        可見光與紅外CPCT彩色圖像融合研究與實(shí)現(xiàn)
        OCV處于平臺(tái)期的汽車鋰電池SOC估算的研究
        粒子濾波法在移動(dòng)物體定位中的應(yīng)用
        基于智能粒子濾波的多傳感器信息融合算法
        基于重采樣粒子濾波的目標(biāo)跟蹤算法研究
        航空兵器(2016年5期)2016-12-10 17:12:24
        復(fù)雜場(chǎng)景中的視覺跟蹤研究
        一種針對(duì)海面弱小目標(biāo)的檢測(cè)方案
        交互多模型的Rao—Blackwellized粒子濾波算法在多目標(biāo)跟蹤中的應(yīng)用
        航空兵器(2014年4期)2015-01-15 02:31:43
        中文字幕亚洲精品第1页| 丰满大爆乳波霸奶| 琪琪的色原网站| 国产亚洲精品看片在线观看| 午夜视频福利一区二区三区| 99久久久人妻熟妇精品一区二区| 国产精品国三级国产av| 少妇极品熟妇人妻无码| 日本老年人精品久久中文字幕| 青青草视频在线观看绿色| 色欲av伊人久久大香线蕉影院| 野外性史欧美k8播放| 国产自精品在线| 欧美喷潮系列在线观看| 国产精品久久一区性色a| 精品国产黄一区二区三区| 国产肉体xxxx裸体784大胆| 国产日韩成人内射视频| 亚洲av偷拍一区二区三区| 99久久99久久久精品蜜桃| 欧美老肥婆牲交videos| 无码a∨高潮抽搐流白浆| 国产成人无精品久久久| 熟女人妻一区二区三区| 亚洲熟女www一区二区三区| 久久亚洲国产精品成人av秋霞| 亚洲精品国产主播一区二区| 国产91色综合久久高清| 无码免费一区二区三区| 四虎精品国产一区二区三区| 亚洲一区二区日韩精品| 亚洲综合网站久久久| 久久久精品人妻一区亚美研究所| 国产一区二区亚洲av| 东北女人一级内射黄片| 亚洲精品无码久久久久久| 一区二区三区国产在线网站视频| 中文字日产幕码三区做法| 国模雨珍浓密毛大尺度150p| 国产成人精品精品欧美| 亚洲国产精品成人一区二区三区|