本文選題：云計算　切入點：光纖通信　出處：《激光雜志》2017年01期 　論文類型：期刊論文

【摘要】：當前云計算下海量光纖通信故障存在冗余干擾的問題,檢測精度不高。提出一種基于功率譜密度估計的云計算環(huán)境下海量光纖通信中故障數(shù)據(jù)挖掘方法。對云計算環(huán)境下特有的海量光纖通信中傳輸信息數(shù)據(jù)的干擾問題進行了研究,建立數(shù)學信號模型,構(gòu)建故障數(shù)據(jù)的非線性時間序列分析模型,對故障數(shù)據(jù)進行時域和頻域分析,去除冗余干擾,在時頻域中進行功率譜密度特征提取,實現(xiàn)故障數(shù)據(jù)的經(jīng)驗模態(tài)分解和故障特征聚類,提高故障數(shù)據(jù)的定位挖掘能力。仿真結(jié)果表明,采用該算法進行云計算環(huán)境下的海量光纖通信故障數(shù)據(jù)挖掘的精度較高,在光纖通信網(wǎng)絡(luò)的故障診斷分析中具有較好的應(yīng)用價值。
[Abstract]:At present, there is a problem of redundant interference in mass optical fiber communication failures in cloud computing. This paper presents a fault data mining method for mass optical fiber communication in cloud computing environment based on power spectrum density estimation. The mathematical signal model is established, the nonlinear time series analysis model of fault data is constructed, the fault data is analyzed in time and frequency domain, the redundant interference is removed, and the power spectral density feature is extracted in time-frequency domain. The empirical mode decomposition and fault feature clustering of fault data are realized to improve the ability of locating and mining fault data. The simulation results show that the accuracy of fault data mining for mass optical fiber communication in cloud computing environment is high. It has good application value in fault diagnosis and analysis of optical fiber communication network.
【作者單位】： 玉林師范學院計算機科學與工程學院;
【分類號】：TN911

【相似文獻】

相關(guān)會議論文 前10條

1 賀煒;邢春曉;潘泉;;因果不完備條件下的數(shù)據(jù)挖掘算法[A];第二十二屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2005年

2 劉玲;張興會;;基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘算法研究[A];全國第二屆信號處理與應(yīng)用學術(shù)會議�？痆C];2008年

3 陳曦;曾凡鋒;;數(shù)據(jù)挖掘算法在風險評估中的應(yīng)用[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國青年通信學術(shù)會議論文集（上冊）[C];2007年

4 郭新宇;梁循;;大型數(shù)據(jù)庫中數(shù)據(jù)挖掘算法SLIQ的研究及仿真[A];2004年中國管理科學學術(shù)會議論文集[C];2004年

5 張沫;欒媛媛;秦培玉;羅丹;;基于聚類算法的多維客戶行為細分模型研究與實現(xiàn)[A];2011年通信與信息技術(shù)新進展——第八屆中國通信學會學術(shù)年會論文集[C];2011年

6 潘國林;楊帆;;數(shù)據(jù)挖掘算法在保險客戶分析中的應(yīng)用[A];全國第20屆計算機技術(shù)與應(yīng)用學術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學術(shù)會議論文集（上冊）[C];2009年

7 張乃岳;張力;張學燕;;基于字段匹配的CRM數(shù)據(jù)挖掘算法與應(yīng)用[A];邏輯學及其應(yīng)用研究——第四屆全國邏輯系統(tǒng)、智能科學與信息科學學術(shù)會議論文集[C];2008年

8 祖巧紅;陳定方;胡吉全;;客戶分析中的數(shù)據(jù)挖掘算法比較研究[A];12省區(qū)市機械工程學會2006年學術(shù)年會湖北省論文集[C];2006年

9 李怡凌;馬亨冰;;一種基于本體的關(guān)聯(lián)規(guī)則挖掘算法[A];全國第19屆計算機技術(shù)與應(yīng)用（CACIS）學術(shù)會議論文集（下冊）[C];2008年

10 盛立;劉希玉;高明;;基于粗糙集理論的數(shù)據(jù)挖掘算法研究[A];山東省計算機學會2005年信息技術(shù)與信息化研討會論文集（二）[C];2005年

相關(guān)重要報紙文章 前1條

1 ;選擇合適的數(shù)據(jù)挖掘算法[N];計算機世界;2007年

相關(guān)博士學位論文 前4條

1 陳云開;基于粗糙集和聚類的數(shù)據(jù)挖掘算法及其在反洗錢中的應(yīng)用研究[D];華中科技大學;2007年

2 張靜;基于粗糙集理論的數(shù)據(jù)挖掘算法研究[D];西北工業(yè)大學;2006年

3 沙朝鋒;基于信息論的數(shù)據(jù)挖掘算法[D];復旦大學;2008年

4 梁瑾;模糊粗糙單調(diào)數(shù)據(jù)挖掘算法及在污水處理中應(yīng)用研究[D];華南理工大學;2011年

相關(guān)碩士學位論文 前10條

1 謝亞鑫;基于Hadoop的數(shù)據(jù)挖掘算法的研究[D];華北電力大學;2015年

2 彭軍;基于新型異構(gòu)計算平臺的數(shù)據(jù)挖掘算法研究與實現(xiàn)[D];電子科技大學;2015年

3 楊維;基于Hadoop的健康物聯(lián)網(wǎng)數(shù)據(jù)挖掘算法研究與實現(xiàn)[D];東北大學;2013年

4 孫兵率;基于MapReduce的數(shù)據(jù)挖掘算法并行化研究與應(yīng)用[D];西安工程大學;2015年

5 張永芳;基于Hadoop平臺的并行數(shù)據(jù)挖掘算法研究[D];安徽理工大學;2016年

6 李圍成;基于FP-樹的時空數(shù)據(jù)挖掘算法研究[D];河南工業(yè)大學;2016年

7 官凱;基于MapReduce的圖挖掘研究[D];貴州師范大學;2016年

8 陳名輝;基于YARN和Spark框架的數(shù)據(jù)挖掘算法并行研究[D];湖南師范大學;2016年

9 劉少龍;面向大數(shù)據(jù)的高效數(shù)據(jù)挖掘算法研究[D];華北電力大學(北京);2016年

10 羅俊;數(shù)據(jù)挖掘算法的并行化研究及其應(yīng)用[D];青島大學;2016年

，

本文編號：1646750