【技术实现步骤摘要】
本专利技术涉及数据存储，具体涉及一种基于人工智能的数据信息存储方法。
技术介绍
1、基于人工智能的数据信息存储是指在传统数据存储系统的基础上，引入人工智能技术对数据的分类、压缩、检索和调度等过程进行智能优化，从而提升数据存储的效率、灵活性和安全性。该方法不仅能够根据数据的类型、访问频率和重要等级自动选择最优的存储策略和介质（如热/冷存储、边缘/云存储），还可借助深度学习算法对结构化与非结构化数据进行语义分析与标签标注，实现高效的智能索引与快速查询。同时，ai还可实时监控存储系统运行状态，预测故障并自动进行容错与迁移，显著增强数据系统的稳定性与可持续性。
2、数据压缩在数据存储过程中起到核心的优化作用，其主要目的是通过算法对原始数据进行编码转换，减少冗余信息占用的存储空间，从而显著降低存储资源的消耗和传输成本。压缩不仅能够提高存储介质的利用率，还能在数据传输过程中减少带宽负担，提高传输效率。
3、现有技术存在以下不足：
4、在现有技术中，为了简化数据存储管理，通常采用统一的压缩比例进行数据压缩。此做法的...
【技术保护点】
1.一种基于人工智能的数据信息存储方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的数据信息存储方法，其特征在于，从分析集中提取出高频访问特征，其中，提取的特征包括数据被密集访问的程度和数据连续两次访问时间间隔的收敛程度，在监控窗口内，对提取的高频访问特征进行深度分析后，分别生成访问集中度指标和访问间隔压缩指标，通过访问集中度指标和访问间隔压缩指标识别数据访问频率的变化规律，并为后续预测模型提供精确的输入。
3.根据权利要求2所述的一种基于人工智能的数据信息存储方法，其特征在于，将深度分析后的访问集中度指标和访问间隔压...
【技术特征摘要】
1.一种基于人工智能的数据信息存储方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的数据信息存储方法，其特征在于，从分析集中提取出高频访问特征，其中，提取的特征包括数据被密集访问的程度和数据连续两次访问时间间隔的收敛程度，在监控窗口内，对提取的高频访问特征进行深度分析后，分别生成访问集中度指标和访问间隔压缩指标，通过访问集中度指标和访问间隔压缩指标识别数据访问频率的变化规律，并为后续预测模型提供精确的输入。
3.根据权利要求2所述的一种基于人工智能的数据信息存储方法，其特征在于，将深度分析后的访问集中度指标和访问间隔压缩指标作为特征向量输入到一个预先训练好的机器学习模型中，通过机器学习模型生成访问评估系数，基于访问评估系数预测未来一段时间内的数据访问频率趋势和变化。
4.根据权利要求3所述的一种基于人工智能的数据信息存储方法，其特征在于，通过模糊逻辑算法根据访问频率预测结果，对数据的压缩比例进行动态调整，具体的步骤如下：
5.根据权利要求4所述的一种基于人工智能的数据信息存储方法，其特征在于，在获得压缩调节因子后，结合原始设定的基础压缩比例对实际应用的压缩比例进行更新，更新的表达式如下：，式中：为基础压缩比例；为压缩比调节幅度系数，用于平衡调节因子的实际调整幅度；、为允许的最小和最大...
【专利技术属性】
技术研发人员：高和平，
申请(专利权)人：浙江安防职业技术学院，
类型：发明
国别省市：
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。