基于复变函数的混合型大数据多源集成系统设计

现有混合型大数据多源集成系统存在集成度较低、耦合度较低的缺陷,为了解决上述问题,引入复变函数对混合型大数据多源集成系统进行设计。根据现有系统存在的问题,搭建系统架构,以此为基础,对系统硬件计算机体系进行设计,主要由处理单元、存储单元与输入输出单元组成。系统软件主要包括数据库模块、数据查询模块与混合型数据多源集成模块。通过系统硬件与软件的设计,实现了混合型大数据多源集成系统的运行。通过测试得到,与现有混合型大数据多源集成系统相比,设计的混合型大数据多源集成系统极大地提升了集成度与耦合度,充分说明设计的混合型大数据多源集成系统具备更好的数据集成效果。

面向混合型位置大数据的差分隐私聚类算法

针对现有的差分隐私聚类算法仅局限于实型数据的问题,提出一种基于混合型位置大数据的差分隐私聚类算法DPKD。利用KD-medoids降维聚类算法对混合型位置大数据进行预处理,提取位置信息记录,采用邻近搜索找出聚类中心点,划分为k个聚类簇,添加Laplace噪声使其满足差分隐私,通过查询函数返回待发布的数据记录;分析DPKD算法数据查询误差高的问题,对初始中心点优化选择,提出一种改进的Op-DPKD算法。性能评估结果表明,Op-DPKD算法解决了混合型位置大数据的隐私保护问题,提升了聚类效果,保证了混合型位置大数据的可用性。

依赖混合型位置大数据的均值漂移聚类算法

均值漂移聚类(Mean shift clustering,MSC)算法及其变体在模式识别和计算机视觉任务中具有广泛的应用。本文基于MSC模型研究了具有高斯核的算法的动力学特性。证明MSC在给定混合型位置大数据的凸包中具有解。根据收缩映射的原理,提供了一个充分条件,取决于引入高斯核的参数,以保证解的唯一性。结果表明,在该条件下,解也是全局稳定的,并且呈指数收敛。当条件不成立时,MSC算法可能会具有多个均衡,由于每个均衡都有其自己吸引盆地,因此可以用于聚类。基于此,条件可用于估计适当的参数,以确保MSC算法具有适合聚类的平衡。