基于大数据的虚拟仪器关联数据库信息分析方法

关联数据库内存在多种信息队列结构,在实际信息分析过程中,队列结构产生数据丢失,导致最终信息分析方法的数据精度较小,针对该问题,设计基于大数据的虚拟仪器关联数据库信息分析方法。采用排序函数将各项数据处理为具有模糊性的数据文档,利用大数据检索虚拟仪器模糊逻辑,索引处理为双向结构,设置队列数据循环函数,保持队列数据中的数据完整,对应数据队列结构内产生缓冲堆栈,标定关联数据库中的预置数值,最终完成对关联数据库信息方法的设计。搭建虚拟仪器运行环境,配置关联数据库参数,准备基于XML的信息分析方法、基于储存测试的数据分析方法以及设计的数据分析方法参与测试,测试结果表明:设计的关联数据库分析方法分析数据的精度数值最大,适用于分析高精度的关联数据库。

基于概率主题模型的大数据平台隐私泄露自动检测方法

常规方法检测应用程序隐私数据流泄露时,筛选的恶意代码配置文件存在遗漏,导致数据流检测正确率较低,误报率和漏检率较高。提出基于概率主题模型的大数据平台隐私泄露自动检测方法。将主题作为词的条件概率分布,词典作为文档,构建并训练恶意代码特征提取的概率主题模型,结合Dirichlet分布特性求解模型,并且通过概率检测算法和指纹比对算法验证恶意代码配置文件是否敏感,根据隐私数据组件泄露的半格理论,构建检测工具整体框架,进而确定敏感恶意代码配置文件应用程序的泄露数据流,实现概率主题模型的大数据平台隐私泄露自动检测。实验结果表明,设计方法提高了隐私数据泄露检测正确率,减少了误报率和漏检率。

基于小波变换的电子档案查阅系统电路故障自动诊断研究

针对传统电路故障的诊断准确率低下的问题,以电子档案查阅终端中的充电模块中的三项桥式全控整流电路为研究对象,采用小波包改进的小波变换对电路波形特征进行提取,然后采用基于高斯变异和轮盘赌算法改进的人工免疫算法,并将改进后的算法应用到电路诊断中,以此提高电路故障诊断的准确率。结果表明,小波包变换可提升故障波形的特征提取的效果。在此基础上,改进后的免疫克隆变异算法的故障识别准确率趋近于99.8%,且诊断时间为1.62 s,相比较传统的电路诊断算法,诊断准确率提升25%,诊断时间缩短了0.27 s。由此说明,基于小波包变换和改进后的人工免疫算法能显著提升电子档案查阅系统故障诊断的准确率和效率。