基于无限深度神经网络的非平衡大数据集群匿名化调度算法

• 作者: 张婷
• 来源期刊: 计算技术与自动化
• 关键词: 无限深度神经网络 非平衡大数据 匿名化 卷积神经网络 最小最大概率机 负载均衡
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 算法分析与研究
• 页码范围: 71-76
• 页数: 5页
• 分类号: TP311.1
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202203013

摘要

以提升非平衡大数据集群数据调度的高效性、准确性、安全性为目的，提出基于无限深度神经网络的非平衡大数据集群匿名化调度算法。数据采集模块利用传感器采集非平衡大数据集群中各节点服务器的数据信息，传输至数据分类模块的深度最小最大概率机中，通过卷积神经网络的端对端方式，训练获得的非平衡大数据，提取原始大数据高级特征，以最小最大概率机作为分类器，实现非平衡大数据的分类；应用数据匿名化模块的K-匿名化算法匿名化处理分类后的数据信息，经数据调度模块中基于蚁群算法的负载均衡调度方法，进行非平衡大数据集群各节点、任务的实时调度。实验结果表明：该算法可提升非平衡大数据的分类准确度，降低信息损失率、泄密风险，并可充分调度优势节点与空闲节点实现任务的均衡分配，提升非平衡大数据集群的任务调度能力。