丁曉麗

摘 要： 海量信息中的模糊數(shù)據(jù)具有特征不確定性和發(fā)散性，對其準(zhǔn)確定位的難度較大，因此提出基于支持向量機(jī)二次規(guī)劃的海量信息中模糊數(shù)據(jù)定位數(shù)學(xué)模型設(shè)計(jì)方法。在凸空間內(nèi)構(gòu)造模糊數(shù)據(jù)定位的高階線性微分方程，求得模糊數(shù)據(jù)定位的極大線性無關(guān)組，采用支持向量機(jī)模型求得數(shù)據(jù)定位的聚類中心，以聚類中心的鄰域數(shù)據(jù)集為訓(xùn)練模板集，通過凸組合二次規(guī)劃方法進(jìn)行Lyapunove泛函，實(shí)現(xiàn)模糊數(shù)據(jù)定位。數(shù)據(jù)測試結(jié)果表明，采用該方法進(jìn)行數(shù)據(jù)定位的精度較高，收斂性較好。

關(guān)鍵詞： 海量信息； 數(shù)據(jù)定位； 數(shù)學(xué)模型； 微分方程

中圖分類號： TN911.1?34； O29 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）16?0026?03

Abstract： The fuzzy data in vast amounts of information has the characteristics of uncertainty and divergence， and its accurate positioning is difficult. Therefore， a design method of positioning mathematical model for fuzzy data in mass information is put forward in this paper， which is based on quadratic programming of support vector machine. The high?order linear differential equations for fuzzy data location are constructed in convex spaces to obtain the maximum linearly independent group for fuzzy data location. The support vector machine model is used to obtain the clustering center of data location. The neighborhood data set of the clustering center is taken as the training. The quadratic programming method for convex combination is adopted for Lyapunove functional to realize fuzzy data positioning. The data test results show that the this method has high accuracy for data positioning and perfect convergence.

Keywords： mass information； data location； mathematical model； differential equation

0 引 言

在云計(jì)算平臺中，隨著大數(shù)據(jù)信息的增長，大量的數(shù)據(jù)集合之間存在模糊性。數(shù)據(jù)集之間的差異性特征嚴(yán)重影響了數(shù)據(jù)的有效分類和定位識別。為了提高對大數(shù)據(jù)背景下海量信息中模糊數(shù)據(jù)的準(zhǔn)確定位識別能力，需要構(gòu)建模糊數(shù)據(jù)定位的數(shù)學(xué)模型，建立模糊數(shù)據(jù)定位的微分方程，對微分方程進(jìn)行穩(wěn)定解分析和收斂性判斷[1]。高階線性微分方程模型在應(yīng)對大規(guī)模海量數(shù)據(jù)集的處理和訓(xùn)練上，有其獨(dú)特的優(yōu)勢。制約高階線性微分方程運(yùn)算的一個重要難題是解決線性模型約束下隨機(jī)泛函微分方程的超線性收斂性問題。在線性模型約束下運(yùn)用高階線性微分方程進(jìn)行海量模糊數(shù)據(jù)定位，把海量模糊數(shù)據(jù)的定位問題轉(zhuǎn)化為一個超線性收斂性問題[2]，優(yōu)化海量數(shù)據(jù)分類和模式識別，研究數(shù)據(jù)定位的數(shù)學(xué)模型就是研究高階線性微分方程的極大線性無關(guān)組收斂性問題。對此，本文提出一種基于支持向量機(jī)二次規(guī)劃的海量信息中模糊數(shù)據(jù)定位數(shù)學(xué)模型設(shè)計(jì)方法，通過數(shù)學(xué)模型設(shè)計(jì)和數(shù)據(jù)測試分析，展示了本文設(shè)計(jì)的數(shù)據(jù)定位數(shù)學(xué)模型的優(yōu)越性能。

1 數(shù)學(xué)模型構(gòu)建

1.1 高階線性微分方程分析

為了實(shí)現(xiàn)對海量信息中模糊數(shù)據(jù)定位數(shù)學(xué)模型的優(yōu)化設(shè)計(jì)，首先進(jìn)行大數(shù)據(jù)信息流擬合的特征聚類分析[3]。在凸空間內(nèi)構(gòu)造模糊數(shù)據(jù)定位的高階線性微分方程。模糊數(shù)據(jù)定位和識別是建立在對數(shù)據(jù)信息流的時間序列分析的基礎(chǔ)上的，通過對大數(shù)據(jù)信息流的特征參量提取，進(jìn)行數(shù)據(jù)聚類的屬性特征選擇和搜索，計(jì)算數(shù)據(jù)聚類中心，實(shí)現(xiàn)數(shù)據(jù)的自動定位和識別，在Laplace凸優(yōu)化空間內(nèi)，構(gòu)建模糊數(shù)據(jù)定位的高階線性微分方程組合模型，表示為：

3 仿真試驗(yàn)分析

對海量信息模糊數(shù)據(jù)定位的仿真試驗(yàn)采用C++和Matlab 7混合編程設(shè)計(jì)，海量信息數(shù)據(jù)庫使用MySQL。對海量數(shù)據(jù)的采樣時間間隔為1.25 s，時間窗口系數(shù)[τ]為0.28，自適應(yīng)參數(shù)[ε1=0.1]，迭代步長設(shè)定為24。根據(jù)上述試驗(yàn)參數(shù)設(shè)定，進(jìn)行模糊數(shù)據(jù)定位分析，采用不同方法進(jìn)行對比，得到數(shù)據(jù)定位的誤差收斂曲線如圖1所示。分析圖1結(jié)果得知，采用本文方法進(jìn)行海量信息的模糊數(shù)據(jù)定位的誤差較小，收斂性較好，性能優(yōu)于傳統(tǒng)模型。

4 結(jié) 語

本文研究了海量信息中的模糊數(shù)據(jù)定位問題，由于模糊數(shù)據(jù)存在特征不確定性和發(fā)散性，對其準(zhǔn)確定位的難度較大，本文提出一種基于支持向量機(jī)二次規(guī)劃的海量信息中模糊數(shù)據(jù)定位數(shù)學(xué)模型設(shè)計(jì)方法。在凸空間內(nèi)構(gòu)造模糊數(shù)據(jù)定位的高階線性微分方程，求得模糊數(shù)據(jù)定位的極大線性無關(guān)組，采用支持向量機(jī)模型求得數(shù)據(jù)定位的聚類中心，以聚類中心的鄰域數(shù)據(jù)集為訓(xùn)練模板集，通過凸組合二次規(guī)劃方法進(jìn)行Lyapunove泛函，實(shí)現(xiàn)模糊數(shù)據(jù)定位。數(shù)據(jù)測試結(jié)果表明，采用該方法進(jìn)行數(shù)據(jù)定位的精度較高，收斂性較好，具有較好的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] KAREEM I A， DUAIMI M G. Improved accuracy for decision tree algorithm based on unsupervised discretization [J]. International journal of computer science and mobile computing， 2014， 3（6）： 176?183.

[2] 尚朝軒，王品，韓壯志，等.基于類決策樹分類的特征層融合識別算法[J].控制與決策，2016，31（6）：1009?1014.

[3] 余曉東，雷英杰，岳韶華，等.基于粒子群優(yōu)化的直覺模糊核聚類算法研究[J].通信學(xué)報(bào)，2015（5）：74?80.

[4] 孫力娟，陳小東，韓崇，等.一種新的數(shù)據(jù)流模糊聚類方法[J].電子與信息學(xué)報(bào)，2015，37（7）：1620?1625.

[5] 林楠，史葦杭.基于多層空間模糊減法聚類算法的Web數(shù)據(jù)庫安全索引[J].計(jì)算機(jī)科學(xué)，2014，41（10）：216?219.

[6] 蔣本立，張小平.大數(shù)據(jù)網(wǎng)絡(luò)的均衡調(diào)度平臺設(shè)計(jì)與改進(jìn)[J].現(xiàn)代電子技術(shù)，2016，39（6）：62?65.endprint