基于对称矩阵的云计算和信息共享预测分类器

王 腾，高秋生，王立玮

(国网河北省电力公司信息通信分公司，河北 石家庄 050021)

0 引 言

大数据应用和研究的主要目标就是从海量大数据中提取有效信息或分析数据并预测未来发展趋势[1]。目前主要以并行计算方式进行大数据的分析，而云计算环境已经成为大数据分析常用的并行分布式计算系统。为提高云计算环境中的安全性和信息隐私，文献[2]使用异构自动复杂演化定理进行大数据挖掘，并利用Flex Analytics方法增强数据传输宽带[3]。上述两种方法都没有解决空间和时间复杂度问题，使得大数据挖掘的效率较低，无法直接应用在实际数据挖掘中。本文提出一种PSM-PBC方法，对云环境下的大数据进行计算和信息共享[4]。该方法主要包括3个过程。首先，以并行方式对分布式大数据构建三角对称矩阵，该步骤通过Householder变换可以提高云环境下数据的提取和共享速率。其次，利用交叉验证贝叶斯分类器对用户请求的实值对角数据查询结果进行评估，该步骤可以提高预测率。最后，利用贝叶斯类改进的MapReduce函数提高数据的预测分析，从而更好地计算和信息共享[5,6]。

1 基于并行对称矩阵的贝叶斯预测分类器

本文提出PSM-PBC模型用来在云计算环境中对大数据进行高效的计算和信息共享。在PSM-PBC模型中，利用三角对称矩阵更快的提取数据和信息共享，同时提高搜索精度。而交叉验证贝叶斯分类器对用户请求的结果进行评估，以提高预测率[7]。PSM-PBC模型中的MapReduce用于减少大数据的空间和计算复杂度。……