分级存储管理中数据迁移的触发条件

在分级存储管理中，数据迁移是一项关键技术。本文主要分析研究触发数据迁移的主要条件以及相应的迁移策略，目的是实现数据在各存储级别中自动化和智能化的迁移。     

数据存储系统中可靠性及容错性研究

大量数据需要传输和存储,产生了许多新的海量数据的系统结构,文章分析了存储系统的结构,并提出存储系统的可靠性问题。     

集群存储系统数据容错研究

针对当前网络存储技术存在的存储服务瓶颈问题,介绍了一个高可靠可扩展PC集群存储系统的容错设计方案.利用广泛用于加密解密技术的SHA-1算法来产生数据对象的副本ID,然后根据各个存储结点的权值信息,利用散列函数将数据对象复制到各个存储结点,使系统具有很好的容错性.另外描述了系统中对数据对象存储、读取、删除的基本方法,并介绍一种类似基于时戳的法定数选举方法来维护系统中数据对象副本的一致性.最后对系统的可靠性以及系统所支持的最大用户量进行了分析.     

移动计算环境中数据广播调度算法的研究

在移动计算机环境中,数据广播是一种发布数据的重要途径,能有效支持对具有公共访问兴趣的热点数据的访问。数据广播的一个首要问题是如何调度待广播的数据,优化数据广播的访问时间和调谐时间。通过比较数据广播的平坦调度与非平坦调度,说明多盘调度的优越性,并且提出一种基于Zipf法则的多盘调度算法。该算法具有可操作性好、性能优异、实用性强的优点,性能接近理论最优访问时间。     

分布式存储系统中混合数据布局算法

数据布局算法是分布式存储系统的基础性算法,也是提高数据处理效率的关键。针对节点负载和通信延迟等存储节点状态,提出了一种衡量存储节点可用性的通用方法,并在分析了已有算法的基础上,综合各种算法的优点,提出了一种混合数据布局算法。该算法根据存储节点可用性不同而采取不同的数据冗余策略。通过对比分析,证实该算法在存储量与通信量方面具有较大的优越性。     

大型多维数据集合中并行I/O数据存储新策略研究

对大型多维数据在分布式系统的多个磁盘之间进行并行I/O分布存储进行了研究,将已有的数据循环拆分法从适用于二维数据扩展到多维数据中,提出了一种新的启发式多维数据循环策略,即基于访问步长值Hi与访问长度M互质的启发式策略(HPPHM),实验结果表明了新算法在并行度和鲁棒性等性能方面都具有优越性．     

网络财务数据存储系统研究

随着计算机技术的发展和现代企业经营管理模式的创新,网络财务在现代企业中应用越来越广泛,如何设计选用经济合理的数据存储系统,保障网络财务数据的可靠安全存储成为建立网络财务环境的企业重要课题。本文通过对网络存储技术及其优势的分析,提出了网络财务环境下数据存储系统的设计构架。     

云计算环境中数据分布式强制访问控制算法研究

在云计算环境中,用户把敏感数据外包在云端,所以数据强制访问控制成为目前云计算研究中亟需解决的问题。当前常用的解决算法是加密数据密钥,但这种算法因密钥分发及数据管理导致计算开销大。因此,提出一种新的云计算环境中数据分布式强制访问控制算法,介绍了云计算环境中数据访问流程,分析基于密文策略和属性的加密算法,利用属性集合对云计算环境中的用户身份进行描述,通过访问控制树表示数据分布式强制访问控制结构,在用户属性集符合既定访问控制结构的情况下,用户才能够完成对数据的解密。通过属性私钥申请、文件上传和文件下载三个过程实现数据分布式强制访问控制。实验结果表明,所提算法在效率、安全性、内存消耗和控制精度四个方面均显示出了很大的优势。     

基于Hadoop的录波数据的存储与访问

在智能电网环境下,录波数据具有广域、全景、海量和可靠的特征,传统的存储硬件采用磁盘阵列,数据库管理软件采用关系数据库系统的方法由于系统扩展性差、成本高、可靠性低,难以适应要求。本文提出了一种基于Hadoop的录波数据分布式存储与访问的新方法,并将其与传统方法的访问速度进行了对比,证明了新方法的高效性。     

神经网络BP算法的误差分级迭代法

本文结合某一工程实例，对BP算法进行了改进，提出了误差分级迭代法．通过实例分析，该方法确能提高收敛速度，克服初始权值的影响，同时，学习样本次序对其影响也不大．因此，该方法能有效地改善BP网络的性能．最后，对误差分级迭代法的工作机理进行了分析．     

数据挖掘分类算法研究综述

随着数据库应用的不断深化,数据库的规模急剧膨胀,数据挖掘已成为当今研究的热点;特别是其中的分类问题,由于其使用的广泛性,现已引起了越来越多的关注。对数据挖掘分类问题的研究现状进行了综述:首先对研究比较多的基于判定树的归纳分类、基于人工神经网络的分类和基于统计的贝叶斯分类作了详细的讨论;然后对目前新提出的几种算法作了简要分析;最后根据数据挖掘的发展现状和研究重点对数据挖掘分类算法的发展趋势作了展望。     

数据挖掘中分类算法综述

对分类算法中需要解决的关键问题进行了分析;综述了不同分类算法的思想和特性,决策树分类算法能够很好地处理噪声数据,但只对规模较小训练样本集有效;贝叶斯分类算法精度高、速度快,错误率低,但分类不够准确;传统的基于关联规则算法分类准确率高,但容易受硬件内存的制约;支持向量机算法分类准确率高、复杂度低,但速度慢.针对各种分类算...     

基于分类信息GARCH模型的高频数据波动率研究

提出了基于分类信息的C-GARCH模型和S-GARCH模型,并结合传统未考虑分类信息下的GARCH模型,以上证综指五分钟数据为样本,对波动率进行了实证分析;研究结果表明:分类信息GARCH模型优于未考虑分类信息的模型,最优模型为C-GARCH模型,其次为S-GARCH模型;好消息和坏消息对高频数据方差的影响程度相对较小,但却提高了描述精度;好消息与方差波动负相关,坏消息与方差波动正相关;坏消息对波动率的影响比好消息大,具有非对称性。     

基于非随机初始种群遗传算法的分类规则挖掘

数据挖掘中分类问题一直是数据挖掘领域中研究的热点问题,先后提出了各种分类算法;其中遗传算法被认为是一种高效的分类算法.但是,传统的GA存在着易于陷入局部最优,致使得到的分类规则概括性不强的问题.提出了一种基于非随机初始种群的遗传算法分类规则挖掘算法.算法利用均匀种群方法生成非随机的初始种群,并通过均匀算子确保连续迭代过程中种群的多样性,从而达到防止GA早熟的目的.采用两个标准的公共领域的数据集验证了算法的有效性.实验结果表明,该算法能消除遗传算法在分类挖掘任务中收敛于局部最优的局限性,且能快速挖掘出易于理解的分类规则,提高对知识的理解力.     

一种高效安全的银行数据存储系统研究

浙江建行在实现全省数据集中处理后，原有的数据存储已难以胜任，同时数据集中后对数据的安全和灾难备份提出了很高的要求。为此，从实际需求和技术领先的角度，提出了一种高效、统一、安全的银行数据存储方案。     

数据挖掘分类问题的贪婪粗糙集约简算法

基于贪婪算法和粗糙集方法,给出了一种处理数据挖掘分类问题的属性约简算法:贪婪粗糙集约简算法GRSR;在测试中得出的约简集为原始集的1/3,表明了它是一个有效的算法·其想法是:从初始约简集为空集开始,选择使分类质量最大的属性,将它加入约简集;再从余下的属性中选择使分类质量最大的属性并加入约简集,重复直至找到满意的约简集·     

恒星光谱数据分类规则挖掘系统研究

针对恒星光谱数据的处理需求,采用约束概念格作为恒星自动分类手段,利用Visual C＋＋6.0和Oracle10g作为系统开发的工具,设计并实现了恒星光谱数据的自动分类系统,在介绍系统的功能模块和体系结构的基础上,详细描述了系统的关键技术。系统的运行结果表明,利用约束概念格来实现恒星光谱数据的自动分类,是可行的和有价值...     

非字符数据在档案管理系统中的存储和访问

针对档案管理系统对非字符型数据进行存储和访问的一些技术难题,本文首先讨论了对现有的纸质档案扫描采集,以及对电子格式文件直接入库,在数据库中对存储这些非字符文件数据的表和索引进行分区存储管理,以提高查询和操作大量非字符数据的系统性能.最后,采用基于Autovue的组件技术进行预览查看,保证了系统风格整体一致.     

基于模糊决策的不完整数据分类算法

中医药领域不完整的数据普遍存在,而数据的不完整很大程度地降低分类模型的学习效果。大多数已有的处理不完整数据的分类算法只关注在其学习阶段处理不完整数据,而对于不完整数据出现在分类阶段则不能处理或效果不好。文章提出一种新的分类算法用于处理不完整数据的分类问题。首先给出一个新的用于处理不完整数据的决策树算法,并针对传统的Boosting算法在迭代过程中使用确定性决策方法而没有充分考虑到数据集中的不完整数据,进一步提出改进的Boosting算法,在迭代过程中对每一个假设使用模糊决策方法,权重的更新机制是增加错误分类样本的权重和减少正确分类样本的权重,最终使用加权投票的方式得出最优的分类结果。最后,通过两组实验证明提出的算法策略在处理不完整数据问题时的优越性。