一种基于模糊积分特征融合的动态数据分级方法

摘要

本发明公开一种基于模糊积分特征融合的动态数据分级方法，属于计算机存储技术领域，步骤为：①对训练集数据进行数据特征提取，形成初始数据特征集合，根据数据应用和存储特性提取数据特征；②数据特征融合；③对融合后的数据特征进行约简；④数据分级模型生成；⑤数据存储层次映射；本发明提高数据分级的准确性，充分考虑了数据特征间彼此关联的特性，利用模糊积分进行特征融合，建立更为合理的数据分级模型，适用于各种动态数据管理的存储层次决策，提高数据分级的处理速度，提升存储效率。

主权项

一种基于模糊积分特征融合的动态数据分级方法，其特征是具体步骤为：①对训练集数据进行数据特征提取，形成初始数据特征集合，根据数据应用和存储特性提取数据特征；②数据特征融合：计算各数据特征组合的模糊测度，利用模糊积分对各特征进行融合，得到特征融合计算模型和新的数据特征向量；③对融合后的数据特征进行约简：对得到的新数据特征向量进行特征约简，选取最优特征子集；④数据分级模型生成：根据选取的最优特征子集进行分类训练，生成数据分类模型；根据得到的特征融合计算模型和最优特征子集分类模型得出待分级数据的最优融合特征向量；⑤数据存储层次映射：根据数据分类模型与得到的待分级数据的融合特征向量，判断数据类别，建立待分类数据与存储层次间的映射。