分布式网络中海量空间特征数据检测仿真  

Simulation of Massive Spatial Data Detection in Distributed Network

作　　者：杨波[1] 

机构地区：[1]四川文理学院数学与财经学院,四川达州635000

出　　处：《计算机仿真》2017年第3期427-430,共4页Computer Simulation

摘　　要：对分布式网络中海量空间特征数据进行准确检测,可以提高特征数据的检索效率。进行特征数据检测检测时,需要对海量空间特征数据分布情况进行分析,计算出海量空间特征数据匹配的特征点对,进行不断匹配完成检测,但是传统方法通过小波变换具有的多尺度建模能力对海量空间正常数据建模,并完成对海量空间特征数据检测,但是不能根据数据的分布情况计算特征数据匹配的特征点进行匹配,降低了数据检测的可靠性。提出基于级联白适应陷波器的分布式网络中海量空间特征数据检测方法。上述方法组建云计算环境下海量空间特征数据分布模型,依据固有模态分解原理将特定数据解析分解为多个数据项,采用匹配投影法寻求优化海量空间特征数据特征解,并计算出海量空间特征数据匹配的特征点对,利用均值法获取每个数据属性的取值种类数,得到数据匹配主观等级向量,减少待匹配的记录数,完成对分布式网络中海量空间特征数据检测。仿真结果表明,所提方法对海量空间特征数据的检测精确度高。This paper puts forward a method for feature data detection of massive space in distributed network based on cascade self-adaptive notch filter.We built distribution model for feature data of massive space under cloud computing environment.Specific data analysis was decomposed into several data items according to decomposition principle with intrinsic mode.Optimization of characteristic solution of feature data was sought using matching projection method.We also worked out feature dot pair matched with feature data.Additionally,we used mean value method to acquire evaluation species number of each data attribute and obtained the subjective grade vector of data matching.In the end,record count waiting for matching was reduced,thus feature data detection was completed.Simulation results show that the proposed method has higher precision of feature data detection.

关 键 词：分布式 云计算环境 数据检测 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]