在云存儲服務中,為使用戶可以隨時驗證存儲在云存儲服務器上數(shù)據的完整性,需要對云計算數(shù)據進行移動學習,在移動學習過程中,產生大量的重復數(shù)據。需要設計云計算靜態(tài)重刪系統(tǒng),對重復數(shù)據有效及時刪除。傳統(tǒng)方法采用虛擬化云平臺分類層次重刪模型,需要修改內核代碼或者以模塊的形式動態(tài)植入內核代碼,重刪效果不好。本文提出一種基于奇異值分解移動學習的云計算靜態(tài)重刪系統(tǒng)設計方案,進行云計算存儲系統(tǒng)設計與重刪數(shù)據特征分析,對云計算靜態(tài)重復數(shù)據的尺度伸縮分解,把重復數(shù)據寬帶互模糊度函數(shù)映射為一個檢測統(tǒng)計量特征分解問題,構建一個參數(shù)未知多重假設檢驗,對云計算靜態(tài)重復數(shù)據進行奇異值尺度伸縮分解,對分解后的奇異值特征進行狀態(tài)空間重組和移動學習,得到重刪系統(tǒng)模型改進。仿真結果表明,該算法對云計算靜態(tài)重復數(shù)據檢測性能較高,重刪性能優(yōu)越,抗干擾能力強,具有較好的應用前景。

【文章頁數(shù)】：3 頁

【部分圖文】：

圖3特征檢側

本文編號：3998553