【技术实现步骤摘要】
本专利技术涉及移动云计算，数据传输领域。
技术介绍
在移动云计算中，对路由转发分簇簇间的波动离散数据进行量化处理是提高云计算并行数据分析效率的关键。研究移动云计算的簇间离散波动数据的量化算法具有重要价值和意义，受到相关领域专家的广泛重视。当前，对移动云计算的簇间离散波动数据的量化算法主要有信号处理方法、时频特征分析算法、时延估计算法和非线性时间序列分析算法等。有研究提出一种基于灰色关联系数和证据理论的决策方法，实现云数据的波动离散均匀量化融合，并应用于区间数的投资决策中，取得了较好的性能，但算法的鲁棒性不好，稳健性能不高。传统方法采用时延估计方法进行量化处理，当用户信道分配出现时滞时，量化性能较差。在移动云计算构架下的数据信息处理和资源调度可以为数据密集型作业提供平台支撑。移动网络通信移动基站进行节点部署和信息收集，进行路由转发，层次路由的网络被分成许多不同的簇，每个簇有一个簇头节点(CH)和若干簇内节点(MN)，基于云计算实现移动网络通信的基础在与对移动云计算的信道的实时估计，通过云计算采集的数据可以通过网络系统进行传输汇总，最终实现移动网络通信。假设T表示变迁(Transition)的有穷集合，分为两个变迁子集：T＝Tt∪Ti，考虑对云计算簇间波动离散数据的均匀量化处理方法，根据云服务业务流程管理的特点，给出了云服务的组合实现框架，提高数据并行处理效率，为满足以上需求，本专利技术提供了移动云计算中一种离散数据均匀量化算法。
技术实现思路
针对于路由转发分簇簇间的波动离散数据进行量化处理的性能较差的问题，本专利技术提供了移动云计算中一种离散数据均匀量化算法...
【技术保护点】
移动云计算中一种离散数据均匀量化算法，本专利技术涉及移动云计算，数据传输领域，其特征是，包括如下步骤：本专利技术方法提出一种基于贝叶斯粗糙集估计的移动云计算簇间波动离散数据均匀量化算法，其步骤如下：步骤1：构建移动云计算数据分簇模型和信道模型步骤2：进行波动离散数据采集步骤3：按照Logistic模式选择路径，得到移动云计算簇间波动离散数据均匀量化的最优概率密度，构建贝叶斯粗糙集均匀量化优化目标函数，实现算法优化。
【技术特征摘要】
1.移动云计算中一种离散数据均匀量化算法，本发明涉及移动云计算，数据传输领域，其特征是，包括如下步骤：本发明方法提出一种基于贝叶斯粗糙集估计的移动云计算簇间波动离散数据均匀量化算法，其步骤如下：步骤1：构建移动云计算数据分簇模型和信道模型步骤2：进行波动离散数据采集步骤3：按照Logistic模式选择路径，得到移动云计算簇间波动离散数据均匀量化的最优概率密度，构建贝叶斯粗糙集均匀量化优化目标函数，实现算法优化。2.根据权利要求1中所述的移动云计算中一种离散数据均匀量化算法，其特征是，以上所述步骤1中的具体计算过程如下：步骤1：构建移动云计算数据分簇模型和信道模型，其具体计算过程如下：步骤1.1）移动云计算数据分簇模型在移动云计算构架下的数据信息处理和资源调度可以为数据密集型作业提供平台支撑，移动网络通信移动基站进行节点部署和信息收集，进行路由转发，层次路由的网络被分成许多不同的簇，每个簇有一个簇头节点（CH）和若干簇内节点（MN），基于云计算实现移动网络通信的基础在与对移动云计算的信道的实时估计，通过云计算采集的数据可以通过网络系统进行传输汇总，最终实现移动网络通信应用模型分为三个参与方，一是移动云服务提供端，为各行各业移动云服务的接口；二是移动云服务管理平台，它是云服务的资源池，负责调配服务组合与推荐、服务需求管理、Qos监控管理、模式检索匹配等；三是移动云服务接受端（用户），是移动端的直接用户，或者提供接入服务的用户步骤1.2）移动云计算信道模型在上述应用模型的基础上，为了提高云计算性能，需要进行波动离散数据的均匀量化处理，移动云计算通信系统一个双稳系统，解决传统方法中主要是通过调节系统参数和增加信号强度的方法，出现信道不均等问题，本方法采用子信道传输方法构建信道模型并进行簇间波动数据的均匀量化处理假设T表示变迁(Transition)的有穷集合，分为两个变迁子集：为移动云计算扩频码片的宽度，为网络信号数据码的宽度，N为扩频码的长度，构建移动云计算的多时段随机超预算期望用户信道分配模型，它是有两部分组成，第一...
【专利技术属性】
技术研发人员：范勇，胡成华，
申请(专利权)人：四川用联信息技术有限公司，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。