論基于差分累積函數(shù)特征挖掘的數(shù)據(jù)庫層析集成分析論文

　　在信息化社會，充分有效地管理和利用各類信息資源，是進(jìn)行科學(xué)研究和決策管理的前提條件。數(shù)據(jù)庫技術(shù)是管理信息系統(tǒng)、辦公自動化系統(tǒng)、決策支持系統(tǒng)等各類信息系統(tǒng)的核心部分，是進(jìn)行科學(xué)研究和決策管理的重要技術(shù)手段。以下是學(xué)習(xí)啦小編今天為大家精心準(zhǔn)備的：論基于差分累積函數(shù)特征挖掘的數(shù)據(jù)庫層析集成分析相關(guān)論文。內(nèi)容僅供參考，歡迎閱讀!

　　論基于差分累積函數(shù)特征挖掘的數(shù)據(jù)庫層析集成分析全文如下：

　　引言

　　飛機(jī)在飛行控制中，其姿態(tài)數(shù)據(jù)是一個龐大的數(shù)據(jù)庫信息系統(tǒng)，飛機(jī)姿態(tài)控制數(shù)據(jù)庫的層析集成算法設(shè)計是提高對飛行姿態(tài)控制數(shù)據(jù)庫的準(zhǔn)確訪問能力的基礎(chǔ)。通過對飛行姿態(tài)控制數(shù)據(jù)庫的指向性特征進(jìn)行數(shù)據(jù)挖掘算法設(shè)計，提取飛行姿態(tài)控制數(shù)據(jù)庫的指向性信息特征信息，是保證飛行控制精度，提高飛機(jī)快速瞄準(zhǔn)目標(biāo)和識別打擊目標(biāo)能力的重要基礎(chǔ)。

　　對數(shù)據(jù)庫查詢指向性信息特征進(jìn)行差分累積函數(shù)特征挖掘可以提高數(shù)據(jù)庫的層析集成性能，通過數(shù)據(jù)庫層析集成應(yīng)用在飛機(jī)飛行姿態(tài)控制數(shù)據(jù)庫控制系統(tǒng)中提高數(shù)據(jù)指向精度，進(jìn)而提高導(dǎo)航精度。因此，研究飛行姿態(tài)控制數(shù)據(jù)庫的層析集成算法，在飛行控制和數(shù)據(jù)庫訪問調(diào)度等領(lǐng)域具有重要意義。文獻(xiàn)在時間域和訪問的攻擊特征域提取角度對飛行高度數(shù)據(jù)庫進(jìn)行層析集成，提高對飛行狀態(tài)訪問數(shù)據(jù)實現(xiàn)識別和分類能力，由于系統(tǒng)不具備深層次特征分析的能力，所以對抗高分辨噪聲干擾能力差。

　　針對上述問題，本文提出一種基于差分累積函數(shù)特征挖掘的飛機(jī)姿態(tài)控制數(shù)據(jù)庫層析集成算法，通過對飛行姿態(tài)特征數(shù)據(jù)庫的構(gòu)建，設(shè)計特征挖掘算法，提高對飛行姿態(tài)控制數(shù)據(jù)庫的層析集成能力，為提高飛行控制的精度和性能奠定基礎(chǔ)。

　　1 特征描述和數(shù)據(jù)庫系統(tǒng)模型構(gòu)建

　　1.1 飛行姿態(tài)控制數(shù)據(jù)庫層析集成的特點(diǎn)

　　飛行姿態(tài)控制數(shù)據(jù)庫層析集成技術(shù)將大量的數(shù)據(jù)分布到多個服務(wù)節(jié)點(diǎn)進(jìn)行緩存分析，對數(shù)據(jù)庫查詢指向性信息特征進(jìn)行差分累積函數(shù)特征挖掘，通過分層特征分解的方法，提取數(shù)據(jù)庫的層析特征，通過內(nèi)存管理機(jī)制，對所有數(shù)據(jù)實現(xiàn)統(tǒng)一管理，并且提供統(tǒng)一的對外訪問接口。飛行姿態(tài)控制數(shù)據(jù)庫層析集成技術(shù)具有如下特點(diǎn)：

　　(1)高性能：飛行狀態(tài)控制指令面對的是RAM，所以可以實現(xiàn)最高效率的讀和寫訪問控制;

　　(2)動態(tài)擴(kuò)展性：飛行姿態(tài)控制數(shù)據(jù)庫層析集成支持動態(tài)的擴(kuò)展，使用中可以隨意的增加或者減少工作節(jié)點(diǎn)的數(shù)目，提供預(yù)測性能，在此基礎(chǔ)上，最大限度的提高資源利用率;

　　飛行姿態(tài)控制數(shù)據(jù)庫層析集成系統(tǒng)中，需要面對海量數(shù)據(jù)的處理，若采用數(shù)據(jù)的原始格式進(jìn)行存儲和處理，會受制于大數(shù)據(jù)量的速度限制，降低系統(tǒng)處理性能。所以在飛行姿態(tài)控制數(shù)據(jù)庫層析集成系統(tǒng)中，飛行姿態(tài)數(shù)據(jù)傳輸時，需要對飛行姿態(tài)數(shù)據(jù)進(jìn)行有效的容量壓縮，然后，將飛行姿態(tài)數(shù)據(jù)在飛行控制調(diào)度指令系統(tǒng)中進(jìn)行特征分解，等到數(shù)據(jù)傳輸完成后，在本地的分布式緩存節(jié)點(diǎn)上進(jìn)行數(shù)據(jù)解壓縮，解壓縮時，需要采用有效的算法保證數(shù)據(jù)解壓縮的正確性。

　　基于上述流程，進(jìn)行分層特征信息預(yù)處理，實現(xiàn)基于差分累積函數(shù)特征挖掘的數(shù)據(jù)庫層析集成算法設(shè)計。下一步對數(shù)據(jù)庫查詢指向性信息特征進(jìn)行差分累積函數(shù)特征挖掘，可以提高數(shù)據(jù)庫的層析集成性能，通過數(shù)據(jù)庫層析集成應(yīng)用在飛機(jī)飛行姿態(tài)控制數(shù)據(jù)庫控制系統(tǒng)中提高數(shù)據(jù)指向精度，進(jìn)而提高導(dǎo)航精度。

　　1.2 數(shù)據(jù)庫查詢指向性信息特征模型構(gòu)建與總體設(shè)計

　　在飛行控制應(yīng)用中，為了減小飛行姿態(tài)控制數(shù)據(jù)庫各個終端節(jié)點(diǎn)的數(shù)據(jù)傳輸壓力，有效提高數(shù)據(jù)綜合處理能力，需要構(gòu)建飛行姿態(tài)控制數(shù)據(jù)庫查詢指向性信息特征模型。

　　為實現(xiàn)對數(shù)據(jù)庫的層析特征挖掘，利用姿態(tài)變化數(shù)據(jù)庫的混響慢變包絡(luò)切片對查詢信息的單頻調(diào)頻信號進(jìn)行能量聚集和噪聲抑制的特性分析，得到信號統(tǒng)計特性的模型，由變異因子先驗概率p(x0) 產(chǎn)生最優(yōu)個體染色體粒子群{xi0,i =1,2,……N} ，所有粒子權(quán)值為1/N。

　　用T_PCA算法對飛行姿態(tài)控制數(shù)據(jù)庫中的緩存數(shù)據(jù)進(jìn)行有效壓縮，對飛行控制數(shù)據(jù)進(jìn)行最大包絡(luò)時延估計，得到估計值為：

　　Posi(B)=-Σi =1mpi ×log2 pi (1)

　　上式中，pi 表示某個數(shù)據(jù)塊的訪問次數(shù)，這里，引入熱度垂直索引熱度來衡量飛行姿態(tài)數(shù)據(jù)塊的邊界偏移，對給定指令的控制訪問熱點(diǎn)損失增益表示為：

　　GainA(B)=Σj =v |B | j|B| ×Info(Bj ) (2)

　　根據(jù)上述模型構(gòu)建，將飛行姿態(tài)控制數(shù)據(jù)庫的數(shù)據(jù)信息系統(tǒng)資源信息分為彈性資源、資源可用性、自適應(yīng)性、多承租、數(shù)據(jù)管理、數(shù)據(jù)安全與隱私保護(hù)等6個方面，對每個參量進(jìn)行控制分析，提高對飛行控制的精度。

　　2 差分累積函數(shù)特征挖掘與飛行姿態(tài)

　　控制數(shù)據(jù)庫的層析集成實現(xiàn)通過上述模型和信息預(yù)處理，對對數(shù)據(jù)庫查詢指向性信息特征進(jìn)行差分累積函數(shù)特征挖掘，可以提高數(shù)據(jù)庫的層析集成性能，通過數(shù)據(jù)庫層析集成并應(yīng)用在飛機(jī)飛行姿態(tài)控制數(shù)據(jù)庫控制系統(tǒng)中，提高數(shù)據(jù)指向精度，進(jìn)而提高導(dǎo)航精度。本文提出一種基于差分累積函數(shù)特征挖掘的飛機(jī)姿態(tài)控制數(shù)據(jù)庫層析集成算法，通過對飛行姿態(tài)控制數(shù)據(jù)庫進(jìn)行分層差分累積函數(shù)特征挖掘，實現(xiàn)對數(shù)據(jù)庫的層析集成處理，假設(shè)飛行姿態(tài)數(shù)據(jù)根據(jù)內(nèi)容劃分成可變長度的數(shù)據(jù)塊，進(jìn)行垂直分層，得到備份集中，飛行控制設(shè)備散列索引Ii 是一個3*1的索引表矢量，aTk是一個3*1的系數(shù)向量，qi 和bk 是各自備份軟件標(biāo)量，飛行控制操作指令的優(yōu)化垂直分層過程描述為下列迭代式表述：

　　ak =(Σk +εU)-1( 1|w|Σi ∈wkIi pi -uk pˉk) (3)

　　bk =pˉk -aTkuk (4)

　　qi = 1|w|(Σi ∈wkak Ii +bk)=aˉTi Ii +bˉi (5)

　　上式中，ak 表示系統(tǒng)的跟蹤誤差，bˉi 表示控制系統(tǒng)的維數(shù)，Ii 表示數(shù)據(jù)庫層析集成的階數(shù)，bk 表示微分幾何線性化解耦一階矩，ε 為狀態(tài)常數(shù)。最后，基于上述分層特征挖掘結(jié)果，將每個粒子的當(dāng)前適應(yīng)度值與其自身的個體最優(yōu)值進(jìn)行比較，如果優(yōu)于個體最優(yōu)值，則修改此粒子的當(dāng)前最優(yōu)位置pbest為粒子當(dāng)前位置;如果其當(dāng)前適應(yīng)度值還優(yōu)于種群的全局最優(yōu)值，則修改整個種群的全局最優(yōu)位置gbest為粒子當(dāng)前位置。根據(jù)式(4)更新每個粒子的當(dāng)前位置。如果已經(jīng)達(dá)到預(yù)設(shè)進(jìn)化代數(shù)，輸出粒子群搜索得到的最優(yōu)解所對應(yīng)的解卷積濾波器系數(shù)β ，進(jìn)而根據(jù)式(5)計算得到飛機(jī)姿態(tài)控制數(shù)據(jù)庫的查詢指令解卷積信號y ，得到最優(yōu)飛機(jī)姿態(tài)控制數(shù)據(jù)庫的層析集成結(jié)果。

　　3 仿真實驗

　　為和驗證本文設(shè)計的飛機(jī)飛行姿態(tài)控制數(shù)據(jù)庫系統(tǒng)的層析集成性能，并指導(dǎo)飛行控制精度，進(jìn)行仿真實驗。在飛行控制實驗平臺設(shè)計中，試驗平臺為通用PC機(jī)，間隔為10-5 ，飛行控制的角度范圍為5.5°~10.5° ，飛行姿態(tài)控制數(shù)據(jù)庫中，分別在飛行控制指令碼元1/3和2/3處進(jìn)行抽樣，構(gòu)建基于差分累積函數(shù)特征挖掘的控制數(shù)據(jù)庫層析集成系統(tǒng)，首先提取數(shù)據(jù)庫系統(tǒng)的差分累積函數(shù)特征，得到飛機(jī)飛行姿態(tài)控制數(shù)據(jù)庫的層析集成數(shù)據(jù)結(jié)果如圖2所示，從圖可見，采用本文算法，能準(zhǔn)確對數(shù)據(jù)庫查詢指向性信息特征進(jìn)行差分累積函數(shù)特征挖掘，可以提高數(shù)據(jù)庫的層析集成性能，通過數(shù)據(jù)庫層析集成應(yīng)用在飛機(jī)飛行姿態(tài)控制數(shù)據(jù)庫控制系統(tǒng)中提高數(shù)據(jù)指向精度，進(jìn)而提高導(dǎo)航精度，控制品質(zhì)得到改善，采用1000次蒙特卡洛實驗分析控制性能，得到本算法對姿態(tài)控制數(shù)據(jù)庫進(jìn)行層析集成后，對飛行姿態(tài)的控制精度提高25.86%。

　　4 結(jié)論

　　本文提出一種基于差分累積函數(shù)特征挖掘的飛機(jī)姿態(tài)控制數(shù)據(jù)庫層析集成算法，實驗分析得出，本文算法準(zhǔn)確對數(shù)據(jù)庫查詢指向性信息特征進(jìn)行差分累積函數(shù)特征挖掘，可以提高數(shù)據(jù)庫的層析集成性能，通過數(shù)據(jù)庫層析集成應(yīng)用在飛機(jī)飛行姿態(tài)控制數(shù)據(jù)庫控制系統(tǒng)中提高數(shù)據(jù)指向精度，控制品質(zhì)得到改善，飛行姿態(tài)的控制精度提高25.86%，CPU利用率最高，實時性和魯棒性較好。