基于多维索引树编码数据库分层访问技术研究.docVIP

基于多维索引树编码数据库分层访问技术研究 　　摘要：通过对数据库分层访问优化算法的设计，提高大型数据库的数据调度和信息索引能力。传统方法对分层数据库的访问算法采用语义指向索引技术，随着数据量的增大和干扰数据增多，对数据库访问的准确度不高。提出一种基于多维索引树编码的数据库分层访问技术，对大型分层Web数据库的数据结构模型进行系统分析，然后构建数据库中的数据信息流模型，以此为信息源进行多维索引树编码设计与数据库的语义信息特征模板匹配，实现对数据库的分层访问优化设计。仿真结果表明，采用该方法进行数据库分层访问，通过多维索引树编码，可提高数据库访问过程中的数据召回率和配准率，数据库访问的收敛性和抗干扰性较好，训练时间较短。 　　关键词：数据库访问；分层访问；多维索引树；编码 　　DOIDOI：10.11907/rjdk.161243 　　中图分类号：TP392 　　文献标识码：A 文章编号：1672-7800（2016）005-0173-03 　　0 引言 　　随着信息技术和大数据技术的快速发展，社会进入大数据信息管理时代。对大数据的管理主要是通过分层网络Web数据库实现，在数据库中采用云存储和云调度方法，实现对大型信息数据的管理和调度，以提高数据库的信息处理和信息加工能力。分层大数据库作为存储数据信息的重要载体，对数据库的优化访问是提高数据查询和调度性能的关键。因此，相关的算法研究受到人们的极大重视[1-3]。 　　分层Web大型数据库广泛应用于大型的网络信息数据和云存储信息数据的存储和调度架构中。对分层Web大型数据库频繁访问的过程中，进行特征分区和数据文本的指向性索引，有利于提高数据库访问性能。传统方法对分层数据库的访问算法采用语义指向索引技术，随着数据量的增大和干扰数据增多，对数据库访问的准确度不高。对此，相关文献进行了算法改进设计。其中，文献[4]提出一种基于信息流减法聚类和模糊C均值调度的数据库访问算法，通过粗糙集索引实现数据库访问，但是该方法对数据库访问过程中的稀疏度均衡能力不好；文献[5]提出一种基于关键字有向图模型的数据库访问算法，然而该算法对非线性MIMO级联数据库分层访问特征分区性能不好。针对上述问题，本文提出一种基于多维索引树编码的数据库分层访问技术，首先对大型分层Web数据库的数据结构模型进行系统分析，然后构建数据库中的数据信息流模型，以此为信息源进行多维索引树编码设计，在此基础上，实现对数据库的分层访问优化设计。仿真实验进行了性能测试，得出有效性结论，并展示了较好的数据库访问性能。 　　1 大型分层数据库的数据结构模型与数据信息流特征分析 　　1.1 大型分层数据库数据结构模型 　　为了实现对大型Web分层数据库的优化访问，需要首先进行数据库的数据结构分析。首先分析数据库的存储结构模型，假设在查询接口模块中进行数据访问的语义有向图的特征矢量信息流表示为： 　　根据上述分析，进行数据库访问信息的瞬时频率估计，以此为基础，通过对数据库存储节点的分布调度，实现对大型分层数据库的数据结构分析。 　　1.2 数据库访问分层信息特征模型构建 　　根据上述数据库的数据结构分析原理，为了实现对数据库的分层访问，需要进行数据库的数据信息流访问特征模型构建，为实现数据库优化访问提供准确的数据基础。本算法设计采用两个空间层的正交特性进行层迭代处理和特征量检测和提取。基于定量递归分析的滑动窗口混合模型，估计数据库的规模大小，得到分层数据库的分层信息特征监测混合模型。输入控制参量采用自适应线性相关方法进行数据库访问的信道均衡设计，得到分布式缓存系统中的数据库信息访问信号模型为： 　　3 仿真实验与结果分析 　　为了测试本文改进算法在实现数据库分层优化访问中的应用性能，进行仿真实验。实验建立在Matlab仿真软件基础上，实验中首先进行参数设定，根据样本的属性规模和数据集种类数目，在进行数据库的分层访问控制中，数据集采样的初始频率为1 024 Hz，数据库访问接口数据AD采样的截止频率为50kHz，分层数据库访问的时频特征载波间隔为1.2ms。在上述仿真环境和参数设计的基础上，进行数据库分层访问仿真实验。在两个数据库访问通道中进行数据离散采样，得到采样波形如图1所示。 　　以上述采样样本为研究对象，对数据库的特征序列进行多维索引树编码，以提高数据库访问过程中的语义配准率。为了对比性能，以数据库访问的语义配准谱分析结果为测试指标，得到数据库分层访问的语义特征配准结果如图2所示。 　　由图可见，采用本文算法进行数据库分层访问，具有较好的配准性能。 　　最后，采用不同算法进行数据库分层访问的训练时间对比，得到结果如图3所示。由图可见，采用本文方法，通过多维索引树编码，提高了数据库访问过程中的数据召回率