在云存儲服務中,為使用戶可以隨時驗證存儲在云存儲服務器上數據的完整性,需要對云計算數據進行移動學習,在移動學習過程中,產生大量的重復數據。需要設計云計算靜態重刪系統,對重復數據有效及時刪除。傳統方法采用虛擬化云平臺分類層次重刪模型,需要修改內核代碼或者以模塊的形式動態植入內核代碼,重刪效果不好。本文提出一種基于奇異值分解移動學習的云計算靜態重刪系統設計方案,進行云計算存儲系統設計與重刪數據特征分析,對云計算靜態重復數據的尺度伸縮分解,把重復數據寬帶互模糊度函數映射為一個檢測統計量特征分解問題,構建一個參數未知多重假設檢驗,對云計算靜態重復數據進行奇異值尺度伸縮分解,對分解后的奇異值特征進行狀態空間重組和移動學習,得到重刪系統模型改進。仿真結果表明,該算法對云計算靜態重復數據檢測性能較高,重刪性能優越,抗干擾能力強,具有較好的應用前景。

【文章頁數】：3 頁

【部分圖文】：

圖3特征檢側

本文編號：3998553