采用奇异值分解移动学习云计算静态重删系统

发布时间：2024-06-30 07:31

　　在云存储服务中,为使用户可以随时验证存储在云存储服务器上数据的完整性,需要对云计算数据进行移动学习,在移动学习过程中,产生大量的重复数据。需要设计云计算静态重删系统,对重复数据有效及时删除。传统方法采用虚拟化云平台分类层次重删模型,需要修改内核代码或者以模块的形式动态植入内核代码,重删效果不好。本文提出一种基于奇异值分解移动学习的云计算静态重删系统设计方案,进行云计算存储系统设计与重删数据特征分析,对云计算静态重复数据的尺度伸缩分解,把重复数据宽带互模糊度函数映射为一个检测统计量特征分解问题,构建一个参数未知多重假设检验,对云计算静态重复数据进行奇异值尺度伸缩分解,对分解后的奇异值特征进行状态空间重组和移动学习,得到重删系统模型改进。仿真结果表明,该算法对云计算静态重复数据检测性能较高,重删性能优越,抗干扰能力强,具有较好的应用前景。

【文章页数】：3 页

【部分图文】：

图3特征检侧