基于云计算的实验室大规模信息分级存储管理系统

郭 杰

（安徽财经大学，安徽 蚌埠 233000）

在云存储和云计算环境下，进行实验室大规模信息分级存储管理，提高实验室的智能化信息管理和数据调度能力，在移动网络终端中构建实验室大规模信息分级存储管理系统，采用大数据挖掘和自适应数据调度技术，进行实验室大规模信息分级存储管理系统数据挖掘和智能查询算法设计，结合管理者和用户的需求，采用偏好性推荐方法，提高实验室大规模信息分级存储管理的智能性，相关的系统设计方法研究受到人们的极大关注，对实验室大规模信息分级存储管理系统设计研究是建立在数据库构建和信息融合处理基础上，采用关联规则挖掘方法，提高数据的分级管理能力［1］.

当前，对实验室大规模信息分级存储管理方法主要采用多源数据的信息服务数据库构建方法，结合QoS预测实现实验室大规模信息和智能评估，分析实验室大规模信息的关联信息，结合大数据融合聚类分析方法，提高对实验室大规模信息的智能分析和评估能力，传统方法中，对实验室大规模信息的挖掘方法主要主成分分析方法、模糊C均值分级管理算法和支持向量机学习方法等，结合模糊关联性特征提取方法进行实验室大规模信息分级存储管理和特征分析，取得了较好的实验室大规模信息挖掘效果［2］，其中，文献［3］中提出一种基于网格区域分割的实验室大规模信息分级存储管理方法，对实验室大规模信息采用并行分级存储方法进行特征分析，该方法需要对实验室数据进行对象性特征分析，数据分级管理的灵敏度不好，文献［4］中提出一种基于语义本体模型和关联指向性特征提取的实验室大规模信息并行分级存储和挖掘方法，实现对实验室大规模信息的模糊指向性挖掘，该方法的计算开销较大，数据挖掘的实时性不好［5］.

针对上述问题，本文提出一种基于云计算的实验室大规模信息分级存储管理系统，采用大数据处理技术进行实验室大规模信息优化分级存储和管理，构建实验室大规模信息采样和自适应分级存储模型，提取实验室大规模信息的关联维特征量，采用关联规则特征提取方法进行实验室大规模分级存储管理和自适应检测，计算实验室大规模信息关联维特征的模糊关联度信息，结合模糊C均值聚类方法进行实验室大规模信息分级存储管理后自动信息聚类处理，提高实验室大规模信息的扩展查询和并行挖掘能力.基于云计算平台进行分级存储管理系统的开发设计，最后进行仿真实验分析，得出有效性结论.

1 实验室大规模信息的分布模型及特征提取

1.1 实验室大规模信息的分布模型构建

首先需要构建实验室大规模信息的大数据分布模型，采用大数据处理技术进行实验室大规模信息优化分级存储和管理，构建实验室大规模信息采样和自适应分级存储模型［6］，在云计算平台中，实验室大规模信息的分布模型如图1所示.

结合自适应回归分析方法实现实验室大规模信息分级存储管理，实验室大规模信息并行分级存储的统计特征量为S={s1，s2，...，sk}，采用统计时间序列分析方法进行实验室大规模数据特征表达，实验室大规模数据分布的有向图模型为G1=(Mα1，Mβ1，Y1)，anti(i= 1，2，...，m)，表示实验室大规模信息的特征聚类分布节点，采用模糊关联规则挖掘方法，进行实验室大规模信息分级存储管理，在统计分布模式下，用向量x =[x1x2...xk]表示自相关特征分量，实验室大规模信息特征分量ai的属性值为{c1，c2，…，ck}.基于模糊指向性聚类方法，在云计算平台中构建实验室大规模信息交换中心，输出的实验室大规模信息并行分级存储相空间分布集满足X～Sα(σ，β，μ)，0 ＜α＜2，第i个属性状态模式下的实验室大规模信息y(k)的分类集为：

其中，AH、AHB和θH、θHB分别是前p个元素是数值属性值.采用三层体系结构模型进行实验室大规模信息的分布式存储结构分析，构建实验室大规模信息的存储网格模型［7］，采用网格聚类方法进行实验室大规模信息的自适应结构重组和信息分类识别，采用三元组形式表示大规模实验室大规模信息的特征分布集：

在关联约束下，结合模糊C均值聚类方法进行实验室大规模信息分级存储管理，得到实验室大规模信息满足Wigner-Ville分布：

在Wigner-Ville分布空间中计算本体概念集si和数据概念集qj的联合分布特征量，进行大规模异构实验室大规模信息重组［8］.

1.2 实验室大规模信息的关联维特征量提取

对实验室大规模信息进行连续特征分解处理，令A={a1，a2，…，an}为实验室大规模信息的模糊特征分布量，在对易混淆的数据进行滤波分析，选择支持向量机实现复合迁移型实验室大规模信息融合，得到信息融合的聚类公式表示为：

当实验室大规模信息在聚类空间中满足收敛性条件，实验室大规模信息传输数据流的多源波束特征量为[δ1，δ2，…，δN]，得到特征采样数据集：

其中，|Rg|表示隶属于第g个迁移型实验室大规模信息的惯性特征量，对实验室大规模信息进行模糊采样，在聚类中心不断进行重复计算，定义E{[X-E(X)][Y-E(Y)]}为实验室大规模信息特征的随机变量，求得X与Y的协方差，记为Cov(X，Y)，采用Takens 嵌入定理［9］，构建实验室大规模信息的属性特征高维重组空间模型，为：

式中，x(t)表示实验室大规模信息的特性偏度，J是时域统计函数，m是实验室大规模信息在相空间中的嵌入维数，Δt表示采样时间间隔.根据时域统计特征进行分布式结构信息融合处理［10］，得到实验室大规模信息的特征分布表达式为：

根据实验室大规模信息的不对称性与陡峭性，结合特征分析和数据聚类处理方法进行分级存储管理，采用正态分布和规则性调度方法实现对实验室大规模信息的结构重组，提高信息分级存储管理的自适应能力.

2 实验室大规模信息分级存储管理优化

2.1 实验室大规模信息模糊聚类处理

在采用大数据处理技术进行实验室大规模信息优化分级存储和管理的基础上，构建实验室大规模信息采样和自适应分级存储模型，提取实验室大规模信息的关联维特征量［11］，把实验室大规模信息的调制信息进行组合性特征分解，采用时频分解方法得到特征分解结果为：

采用分级数据库调度方法，得到聚类模型为：

当y~-k＜γ时，视为全局最优解满足收敛准则，进一步对实验室大规模信息数据进行特征分解，得到第t+1次迭代后特征分级存储管理结果为：

其中，A(t)为复包络，θ(t)为实验室大规模信息分布大数据的调制相位，计算第k+1次迭代后实验室大规模信息的利用率，公式表示为：

设定频繁项集挖掘的停止阈值ε，若满足

计算实验室大规模信息关联维特征的模糊关联度信息，结合模糊C均值聚类方法进行实验室大规模信息分级存储管理后自动信息聚类处理，聚类函数为：

上式中，y~+k和y~-k具有自相关性，建立实验室大规模信息的检测模型为：

使用Ei、etSi表示实验室大规模信息的统计特征量和多元回归分析量，实验室大规模信息特征分布的

统计特征分布集表示为：

定义实验室大规模信息的簇中的信息分布模型为[s，q]=[x(t)，x(t+τ)]，得到模糊信息的特征定位结果为：

结合模糊C均值聚类方法进行实验室大规模信息分级存储管理后自动信息聚类处理，提高实验室大规模信息的扩展查询和并行挖掘能力.

2.2 实验室大规模信息分级存储优化

对实验室大规模信息进行QoS控制，结合尺度分解方法对分类输出的实验室大规模信息进行降维处理，得到数据分布集为：

式中，CW0min为实验室大规模信息的模糊分布结构特征初始化值；而CWlimin为第W0min步的相似度特性，由此构建实验室大规模信息的大数据分布模型，结合闭频繁项集检测方法进行实验室大规模信息的关联维特征重构，重构模型为：

给出实验室大规模信息语义特征值，采用关联规则特征提取方法进行实验室大规模分级存储管理和自适应检测，检测统计量为：

对实验室大规模信息的数据结构进行主动分级管理，结合统计特征检测方法，构建描述性统计分析函数假设实验室大规模信息的分类属性值为，计算实验室大规模信息关联维特征的模糊关联度信息，为：

上式中，Dis(A)表示实验室大规模信息的模糊聚类中心，根据上述分析，基于云计算平台进行分级存储管理系统的开发设计，在嵌入式总线中实现实验室大规模信息的自动分级存储和挖掘.

3 仿真实验分析

为了测试本文方法在实验室大规模信息管理和调度中的性能，进行仿真实验，在PXI通信协议上结合云计算平台进行实验室大规模信息分级存储管理系统设计，在嵌入式的开发环境下，采用程序交叉编译软件进行数据挖掘算法的编译控制，通过专用短程通信（Dedicated Short Range Communication，DSRC）标准进行实验室大规模信息分级存储管理系统的通信协议设计，以STM32F101xx芯片为核心建立实验室大规模信息分级存储管理系统的AD模块，采用无线RFID技术进行实验室大规模信息的采集和蓝牙传输控制，在云计算平台中进行界面开发，数据规模为50 000 KB，根据上述仿真参量设定，进行实验室大规模信息分级存储管理，得到数据采样结果如图2所示.

以图3采样数据为研究对象，提取实验室大规模信息的关联维特征量，采用关联规则特征提取方法进行实验室大规模分级存储管理和自适应检测，计算实验室大规模信息关联维特征的模糊关联度信息，结合模糊C均值聚类方法进行实验室大规模信息分级存储管理后自动信息聚类处理，如图3所示.

分析图3得知，采用该系统能有效实现对实验室大规模信息分级存储管理，挖掘输出的并行分级存储能力较强，系统稳定可靠.测试分级管理的时间开销，得到对比结果见表1，分析表1得知，本文方法进行信息分级管理的时间开销较小.

4 结语

本文提出一种基于云计算的实验室大规模信息分级存储管理系统，采用大数据处理技术进行实验室大规模信息优化分级存储和管理，构建实验室大规模信息采样和自适应分级存储模型，提取实验室大规模信息的关联维特征量，采用关联规则特征提取方法进行实验室大规模分级存储管理和自适应检测，计算实验室大规模信息关联维特征的模糊关联度信息，结合模糊C均值聚类方法进行实验室大规模信息分级存储管理后自动信息聚类处理，提高实验室大规模信息的扩展查询和并行挖掘能力.研究得知，采用该系统能有效实现对实验室大规模信息分级存储管理，并行分级存储能力较强，系统稳定可靠，强化了实验室管理［12］.

表1 时间开销测试 （单位：s）Tab.1 Time cost test （unit：s）