基于深度自适应聚类算法的数据分层分类存储技术

为了提高电力数据信息管控能力,提出一种新型的数据分层分类存储方法。该方法采用深度自适应聚类算法,既可以有效识别单体数据的特征,还可以对数据整体结构进行一定程度的识别。通过自编码器DNN模型和图神经网络GCN模型,可以高效地实现复杂数据的分层分类。基于该算法的数据存储系统,可以将电力数据信息的多种数据信息转换为数字信息。通过深度学习算法分析数据的内部联系,提高系统的存储能力。实验结果表明,该方法对低数据量、复杂数据量和高数据量的分类准确率分别能达到97.5%、92%和86%,数据分类效率达到97%左右。