云计算环境下的海量光纤通信故障数据挖掘算法研究

发布时间：2018-03-22 03:03

  本文选题：云计算　切入点：光纤通信　出处：《激光杂志》2017年01期 　论文类型：期刊论文

【摘要】：当前云计算下海量光纤通信故障存在冗余干扰的问题,检测精度不高。提出一种基于功率谱密度估计的云计算环境下海量光纤通信中故障数据挖掘方法。对云计算环境下特有的海量光纤通信中传输信息数据的干扰问题进行了研究,建立数学信号模型,构建故障数据的非线性时间序列分析模型,对故障数据进行时域和频域分析,去除冗余干扰,在时频域中进行功率谱密度特征提取,实现故障数据的经验模态分解和故障特征聚类,提高故障数据的定位挖掘能力。仿真结果表明,采用该算法进行云计算环境下的海量光纤通信故障数据挖掘的精度较高,在光纤通信网络的故障诊断分析中具有较好的应用价值。
[Abstract]:At present, there is a problem of redundant interference in mass optical fiber communication failures in cloud computing. This paper presents a fault data mining method for mass optical fiber communication in cloud computing environment based on power spectrum density estimation. The mathematical signal model is established, the nonlinear time series analysis model of fault data is constructed, the fault data is analyzed in time and frequency domain, the redundant interference is removed, and the power spectral density feature is extracted in time-frequency domain. The empirical mode decomposition and fault feature clustering of fault data are realized to improve the ability of locating and mining fault data. The simulation results show that the accuracy of fault data mining for mass optical fiber communication in cloud computing environment is high. It has good application value in fault diagnosis and analysis of optical fiber communication network.
【作者单位】： 玉林师范学院计算机科学与工程学院;
【分类号】：TN911

【相似文献】

相关会议论文 前10条

1 贺炜;邢春晓;潘泉;;因果不完备条件下的数据挖掘算法[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

2 刘玲;张兴会;;基于神经网络的数据挖掘算法研究[A];全国第二届信号处理与应用学术会议专刊[C];2008年

3 陈曦;曾凡锋;;数据挖掘算法在风险评估中的应用[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（上册）[C];2007年

4 郭新宇;梁循;;大型数据库中数据挖掘算法SLIQ的研究及仿真[A];2004年中国管理科学学术会议论文集[C];2004年

5 张沫;栾媛媛;秦培玉;罗丹;;基于聚类算法的多维客户行为细分模型研究与实现[A];2011年通信与信息技术新进展——第八届中国通信学会学术年会论文集[C];2011年

6 潘国林;杨帆;;数据挖掘算法在保险客户分析中的应用[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

7 张乃岳;张力;张学燕;;基于字段匹配的CRM数据挖掘算法与应用[A];逻辑学及其应用研究——第四届全国逻辑系统、智能科学与信息科学学术会议论文集[C];2008年

8 祖巧红;陈定方;胡吉全;;客户分析中的数据挖掘算法比较研究[A];12省区市机械工程学会2006年学术年会湖北省论文集[C];2006年

9 李怡凌;马亨冰;;一种基于本体的关联规则挖掘算法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（下册）[C];2008年

10 盛立;刘希玉;高明;;基于粗糙集理论的数据挖掘算法研究[A];山东省计算机学会2005年信息技术与信息化研讨会论文集（二）[C];2005年

相关重要报纸文章 前1条

1 ;选择合适的数据挖掘算法[N];计算机世界;2007年

相关博士学位论文 前4条

1 陈云开;基于粗糙集和聚类的数据挖掘算法及其在反洗钱中的应用研究[D];华中科技大学;2007年

2 张静;基于粗糙集理论的数据挖掘算法研究[D];西北工业大学;2006年

3 沙朝锋;基于信息论的数据挖掘算法[D];复旦大学;2008年

4 梁瑾;模糊粗糙单调数据挖掘算法及在污水处理中应用研究[D];华南理工大学;2011年

相关硕士学位论文 前10条

1 谢亚鑫;基于Hadoop的数据挖掘算法的研究[D];华北电力大学;2015年

2 彭军;基于新型异构计算平台的数据挖掘算法研究与实现[D];电子科技大学;2015年

3 杨维;基于Hadoop的健康物联网数据挖掘算法研究与实现[D];东北大学;2013年

4 孙兵率;基于MapReduce的数据挖掘算法并行化研究与应用[D];西安工程大学;2015年

5 张永芳;基于Hadoop平台的并行数据挖掘算法研究[D];安徽理工大学;2016年

6 李围成;基于FP-树的时空数据挖掘算法研究[D];河南工业大学;2016年

7 官凯;基于MapReduce的图挖掘研究[D];贵州师范大学;2016年

8 陈名辉;基于YARN和Spark框架的数据挖掘算法并行研究[D];湖南师范大学;2016年

9 刘少龙;面向大数据的高效数据挖掘算法研究[D];华北电力大学(北京);2016年

10 罗俊;数据挖掘算法的并行化研究及其应用[D];青岛大学;2016年

，

本文编号：1646750