网络大数据平台中的特征数据分类系统设计与实现.docVIP

　　网络大数据平台中的特征数据分类系统设计与实现 摘 要： 网络大数据平台中特征数据的有效分类，是提高网民查询体验、开发新型应用的有效途径。为此，设计稳定性好、资源占用率低的网络大数据平台特征数据分类系统。系统的显示端是网民的直接应用端，其主要进行网络大数据的获取、大数据获取结果的显示和特征分类结果的显示。服务端利用SOA体系结构为网络大数据平台提供特征数据的分类服务，其将特征数据的分类标准纳入到网络大数据中，并传递给逻辑层处理端。逻辑层处理端根据特征数据分类标准，利用云计算和策略设计对网络大数据集合进行特征提取，其特征提取算法于软件中给出。特征数据分类端根据逻辑层处理端所提取出的大数据特征，利用特征向量机进行特征数据的自动分类工作。实验结果表明，所设计的系统稳定性好、资源占用率低。 中国 8/vie 　　关键词： 网络大数据平台； 特征数据分类系统； 分类服务； 云计算 　　中图分类号： TN711?34； TP391 文献标识码： A ： 1004?373X（2017）08?0025?04 　　Design and implementation of feature data classification system in 　　 　　ZHANG Kexing 　　（Taiyuan University， Taiyuan 030012， China） 　　Abstract： Effective classification of the characteristics data of the is to improve the Inter query experience of izens， and an effective . The system′s display terminal is the direct application client of izens， . The classification standard of characteristic data is brought into is given in the third paragraph of this paper. Feature data classification end classifies the characteristics data automatically by using the feature vector machine （SVM） according to the big data characteristics extracted by logic layer processing side. The experimental results sho has high stability， lo； characteristic data classification system； classification service； cloud puting 　　0 引 言 　　?S着科技的不断进步，网络大数据时代悄然来临，为了各国网民提供了更为高效、便捷的服务。网络大数据平台中的特征数据的有效分类，是提高网民查询体验、开发新型应用的有效途径[1?3]。以往设计出的网络大数据平台特征数据分类系统，未能合理分析大数据的固有特征趋势，稳定性不高并造成了系统运行资源的浪费。故能否设计出一种稳定性好、资源占用率低的网络大数据平台特征数据分类系统，是特征分类领域关注的重点内容[4?6]。 　　曾设计出的网络大数据平台特征数据分类系统都或多或少地存在一些问题。如文献[7]设计基于信息互动的网络大数据平台特征数据分类系统，此系统以信息互动这一学习方式，对网络大数据平台中的特征数据进行对比互动分析，并利用软件设计出迭代算法，对特征数据进行“再教育”，进而将其准确分类。此系统的准确性高、资源占用率低，但稳定性欠佳。文献[8]设计基于语义的网络大数据平台特征数据分类系统，此系统根据语义方式对网络大数据进行相似搜索，并在网络大数据平台的资源库中构建语义特征向量，通过计算特征向量的角度对特征数据进行分类。整个系统利用分布式设计，拥有较高的稳定性，但其资源占用率较高。文献[9]设计基于地图缩放模型的网络大数据平台特征数据分类系统，此系统将AVM算法引入网络大数据平台中，并构建地图缩放模型，将特征数据准确提取并分类。但此系统只能用于数据量较少的网络大数据平台中，数据量过多时，系统的稳定性较低。