高并发环境下网络信息缺失数据修复方法仿真

在高并发环境下,网络信息在传输过程中容易丢失,因此,需要进行高并发环境下网络信息缺失数据修复方法的研究。但是采用方法进行信息缺失数据修复时,无法区分缺失数据重要和不重要的属性,存在缺失数据修复精度低的问题。现提出一种基于属性重要性的高并发环境下网络信息缺失数据修复方法。上述方法先利用最小计数概要设计一组两两独立的Hash函数族,将给定时间段内信息流的数据属性值表述并累加至二维表数据结构中,并依据RBF组建网络模板信息数据和当前缺失数据之间的训练关系,得到需要修复的缺失数据属性与其它属性的非线性映射结构,完成对高并发环境下网络信息缺失数据修复。仿真证明,所提方法修复精度较高,充分地保障了高并发环境下网络信息数据的完整性。