基于学习速率与更新向量的混合云数据冗余值迭代算法

针对传统混合云数据冗余值迭代算法的平均回报值较低、收敛稳定性较差、收敛动作规模较小等问题,提出一种基于学习速率与更新向量的混合云数据冗余值迭代算法。首先,构建混合云数据冗余值值函数,在该函数中引入一个新的参数更新权重向量,基于深度学习中学习速率要求,获取值函数的稳定值;其次,依据获取的稳定值计算值函数稳定值向量,利用新权值处理稳定值向量,获取值函数更新向量;最后,对权值增量进行计算,结合哈希表完成混合云数据冗余值的迭代研究。实验结果表明,该算法的平均回报值最高,且收敛速度最快。

粒子群算法的智能运维平台前端混合云数据实时采集

智能运维平台混合云数据实时采集过程中存在数据失真、数据传输延迟时间长的问题。为此,提出粒子群算法的智能运维平台前端混合云数据实时采集。利用粒子群算法,部署智能运维平台前端采集设备,通过最小二乘法,构建自适应采集时间间隔调整模型,自适应调整斜率值变化,实现混合云数据实时采集时间间隔的自适应选取;启动智能运维平台前端采集设备采集数据,通过智能运维平台的采集处理功能模块,实现了数据实时采集处理,以达到提高混合云数据质量的目的。实验结果表明:所研究采集方法的数据失真度最低为0.22%,数据传输延迟时间最短为2.15 s,丢失率最低为2.07%,表明所研究的采集方法采集效果更好。