科研之友
微信
新浪微博
Facebook
分享链接
摘要
对嵌入式电力网络系统中的大数据进行融合模型设计提高对频繁任务分层和数据挖掘能力。传统的嵌入式电力网络系统中的大数据融合处理采用非显著特征数据挖掘算法,在嵌入式电力网络系统中的大数据出现离群特征时,数据融合性能不好。提出一种改进的基于嵌入式电力网络系统中统计特征频繁任务分层的大数据融合模型。对嵌入式电力网络系统中数据融合对象数据集提取二维分层空间特征,采用本征匹配方法进行嵌入式电力网络操作系统数据融合总体模型设计,引入统计特征分层融合定位节点谱函数表示数据融合效率,计算样本的密度特征,并抽取高密度区域的点集作为聚类中心,得到嵌入式电力网络系统中闭频繁项域适应度函数,实现融合模型改进。仿真实验表明,采用该算法能有效提高对嵌入式电力网络系统中大数据的分层融合性能,融合密度和精度提高,算法在数据监测概率和任务运行速度上优越于传统算法。
- 单位
