【摘要】：云計(jì)算環(huán)境下海量數(shù)據(jù)存儲(chǔ)系統(tǒng)中,大量的冗余數(shù)據(jù)通過(guò)高維特征量的形式集成在存儲(chǔ)空間中,帶來(lái)了高額的存儲(chǔ)負(fù)荷開銷,需要進(jìn)行海量數(shù)據(jù)的低負(fù)荷存儲(chǔ)方法設(shè)計(jì)。傳統(tǒng)方法采用云計(jì)算數(shù)據(jù)存儲(chǔ)分塊解壓算法實(shí)現(xiàn)對(duì)海量數(shù)據(jù)的低負(fù)荷存儲(chǔ),算法需要對(duì)數(shù)據(jù)進(jìn)行前期分類處理,增大了計(jì)算的復(fù)雜度,對(duì)動(dòng)態(tài)副本數(shù)據(jù)存儲(chǔ)開銷較大。提出一種Dopplerlet自適應(yīng)匹配塔形分解和K-L特征壓縮的云計(jì)算海量數(shù)據(jù)低負(fù)荷存儲(chǔ)算法。結(jié)合Dopplerlet變換在尋找最佳基函數(shù)的全局優(yōu)化性,進(jìn)行云存儲(chǔ)海量數(shù)據(jù)的信息特征提取和冗余信息過(guò)濾預(yù)處理,對(duì)海量數(shù)據(jù)進(jìn)行Dopplerlet自適應(yīng)匹配塔形分解,得到海量數(shù)據(jù)的離散樣本頻譜特征,采用K-L特征壓縮進(jìn)行云計(jì)算環(huán)境下的數(shù)據(jù)存儲(chǔ)減負(fù)荷處理,實(shí)現(xiàn)算法改進(jìn)。仿真結(jié)果表明,采用改進(jìn)算法能有效提高云計(jì)算環(huán)境下海量數(shù)據(jù)存儲(chǔ)的容量,降低了數(shù)據(jù)存儲(chǔ)執(zhí)行開銷和負(fù)荷程度。
【圖文】：

邋－ｒ—－——？—邐越，展示了較好的應(yīng)用價(jià)值。逡逑ｓ：＝＾＝邐參考文獻(xiàn)：逡逑0．３°４－邐邐？？＿？？？？？ｊ邐１？？…？？？＿？邐［ｌ］高志春，等．傾斜因子ｋ均值優(yōu)化數(shù)據(jù)聚類及故障診斷研究逡逑°－２？５邋邐邐２５邐．５邐ｋ邐ｉ邐［Ｊ］．計(jì)算機(jī)與數(shù)字工程，２０１４，４２（１）邋：１４－１８．逡逑時(shí)間中心／ｓ邐時(shí)間中心／ｓ逡逑［２邋］邋Ｃａｏ邋Ｊｕｎ邋－邋ｗｅｉ，邋Ｌｉ邋Ｋｅ邋－邋ｑｉｎ邋ａｎｄ邋Ｉ邋Ｓｔｏｊｍｅｎｏｖｉｃ．邋Ｏｐｔｉｍａｌ邋ｐｏｗｅｒ邋ａｌｌｏ－逡逑圖２不同時(shí)寬皂下海量數(shù)據(jù)Ｄｏｐｐｌｅｒｌｅｔ自適應(yīng)匹配邐，．逡逑ｃａｔｉｏｎ邋ａｎｄ邋ｌｏａｄ邋ｄｉｓｔｒｉｂｕｔｉｏｎ邋ｌｏｒ邋ｍｕｌｔｉｐｌｅ邋ｈｅｔｅｒｏｇｅｎｅｏｕｓ邋ｍｕｌｔｉ邋－邋ｃｏｒｅ逡逑塔形分解特征取結(jié)果邐ｓｅｒｖｅｒ邋ｐｒｏｃｅｓｓｏｒｓ邋ａｃｒｏｓｓ邋ｃｌｏｕｄｓ邋ａｎｄ邋ｄａｔａ邋ｃｅｎｔｅｒｓ［邋Ｊ］．邋ＩＥＥＥ邋Ｔｒａｎｓ？逡逑ａｃｔｉｏｎｓ邋ｏｎ邋Ｃｏｍｐｕｔｅｒｓ，邋２０１４，６３（１）邋：４５邋－５８．逡逑由圖可以看出，隨著時(shí)寬４，的增大，通過(guò)本文提出的［３］田剛，等．面向領(lǐng)域標(biāo)簽輔助的服務(wù)聚類方法［Ｊ］．電子學(xué)報(bào)，逡逑Ｄｏｐｐｌｅｒｌｅｔ自適應(yīng)匹配塔形分解方法，在海量數(shù)據(jù)云存儲(chǔ)節(jié)邐２０丨５邋，４３（７）：邋１２６６邋－邋１２７４．逡逑點(diǎn)為在２０邋ｓ處出現(xiàn)了歸一化投影值的峰值，以此為特征量，［４］吳濤，陳黎飛，郭躬德．優(yōu)化子空間的高維聚類算法［Ｊ］．計(jì)算逡逑采用Ｋ－Ｌ特征壓縮器進(jìn)行特征壓縮，實(shí)現(xiàn)低負(fù)荷存儲(chǔ)，得到邐機(jī)應(yīng)用，２０１４，３４（８）：邋２２７９邋－２２８４．逡逑采用本文算法和傳統(tǒng)方法下的存儲(chǔ)負(fù)荷開銷對(duì)

邋－ｒ—－——？—邐越，展示了較好的應(yīng)用價(jià)值。逡逑ｓ：＝＾＝邐參考文獻(xiàn)：逡逑0．３°４－邐邐？？＿？？？？？ｊ邐１？？…？？？＿？邐［ｌ］高志春，，等．傾斜因子ｋ均值優(yōu)化數(shù)據(jù)聚類及故障診斷研究逡逑°－２？５邋邐邐２５邐．５邐ｋ邐ｉ邐［Ｊ］．計(jì)算機(jī)與數(shù)字工程，２０１４，４２（１）邋：１４－１８．逡逑時(shí)間中心／ｓ邐時(shí)間中心／ｓ逡逑［２邋］邋Ｃａｏ邋Ｊｕｎ邋－邋ｗｅｉ，邋Ｌｉ邋Ｋｅ邋－邋ｑｉｎ邋ａｎｄ邋Ｉ邋Ｓｔｏｊｍｅｎｏｖｉｃ．邋Ｏｐｔｉｍａｌ邋ｐｏｗｅｒ邋ａｌｌｏ－逡逑圖２不同時(shí)寬皂下海量數(shù)據(jù)Ｄｏｐｐｌｅｒｌｅｔ自適應(yīng)匹配邐，．逡逑ｃａｔｉｏｎ邋ａｎｄ邋ｌｏａｄ邋ｄｉｓｔｒｉｂｕｔｉｏｎ邋ｌｏｒ邋ｍｕｌｔｉｐｌｅ邋ｈｅｔｅｒｏｇｅｎｅｏｕｓ邋ｍｕｌｔｉ邋－邋ｃｏｒｅ逡逑塔形分解特征取結(jié)果邐ｓｅｒｖｅｒ邋ｐｒｏｃｅｓｓｏｒｓ邋ａｃｒｏｓｓ邋ｃｌｏｕｄｓ邋ａｎｄ邋ｄａｔａ邋ｃｅｎｔｅｒｓ［邋Ｊ］．邋ＩＥＥＥ邋Ｔｒａｎｓ？逡逑ａｃｔｉｏｎｓ邋ｏｎ邋Ｃｏｍｐｕｔｅｒｓ，邋２０１４，６３（１）邋：４５邋－５８．逡逑由圖可以看出，隨著時(shí)寬４，的增大，通過(guò)本文提出的［３］田剛，等．面向領(lǐng)域標(biāo)簽輔助的服務(wù)聚類方法［Ｊ］．電子學(xué)報(bào)，逡逑Ｄｏｐｐｌｅｒｌｅｔ自適應(yīng)匹配塔形分解方法，在海量數(shù)據(jù)云存儲(chǔ)節(jié)邐２０丨５邋，４３（７）：邋１２６６邋－邋１２７４．逡逑點(diǎn)為在２０邋ｓ處出現(xiàn)了歸一化投影值的峰值，以此為特征量，［４］吳濤，陳黎飛，郭躬德．優(yōu)化子空間的高維聚類算法［Ｊ］．計(jì)算逡逑采用Ｋ－Ｌ特征壓縮器進(jìn)行特征壓縮，實(shí)現(xiàn)低負(fù)荷存儲(chǔ)，得到邐機(jī)應(yīng)用，２０１４，３４（８）：邋２２７９邋－２２８４．逡逑采用本文算法和傳統(tǒng)方法下的存儲(chǔ)負(fù)荷開銷對(duì)

【相似文獻(xiàn)】

相關(guān)期刊論文 前9條

1 蘇建紅;;關(guān)于信息存儲(chǔ)方法的初探——幾種證書存儲(chǔ)方法的比較[J];科技信息;2009年17期

2 胡永旭;離子束刻書技術(shù)[J];世界科學(xué);1996年02期

3 樊莉,陳林森;一種利用光變圖像光刻系統(tǒng)的存儲(chǔ)方法[J];激光與紅外;2003年04期

4 徐樂(lè);解玉鳳;林殷茵;;2B2R結(jié)構(gòu)下高可靠性多值存儲(chǔ)方法[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2010年02期

5 朱曉麗;;基于Hadoop的遠(yuǎn)程教育海量資源存儲(chǔ)方法研究[J];山東廣播電視大學(xué)學(xué)報(bào);2012年03期

6 霍宏;孟繁汀;;Honeywell PHD數(shù)據(jù)壓縮存儲(chǔ)方法及應(yīng)用[J];信息系統(tǒng)工程;2013年09期

7 靳鴻;陳昌鑫;史曉軍;;具有負(fù)延遲的分區(qū)域數(shù)據(jù)存儲(chǔ)方法[J];探測(cè)與控制學(xué)報(bào);2013年02期

8 曉月;;MD簡(jiǎn)介[J];記錄媒體技術(shù);2004年02期

9 ;[J];;年期

相關(guān)博士學(xué)位論文 前1條

1 李恩有;高性能計(jì)算機(jī)的存儲(chǔ)方法研究[D];中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所）;1997年

本文編號(hào)：2648055