关联规则在医药云数据定向中的应用与仿真

研究医药云数据的高效定向提取问题,提高数据提取的准确性和效率.受医药云数据复杂特性的限制使得从云数据中定向提取有效的信息较困难,当医药数据描述比较模糊时医药数据特征不明显,传统的云数据定向提取Apriori方法不能准确完成提取,提取过程需多次扫描数据库造成医药云数据定向提取的效率低、准确度不高.为解决上述难题,提出了关联规则应用在医药云数据定向提取中.引入模糊集理论和语义关联规则概念对描述模糊的医药数据提取请求进行合理转换解释,解决描述模糊的云数据准确提取,然后通过调整扫描项集的大小避免多次扫描数据库,以达到提高数据提取效率的目的.仿真结果表明,上述方法能够完成医药云数据的高效定向提取,保证提取的准确度和效率.     

基于云计算神经网络物流车辆调度算法研究

研究了物流车辆调度优化问题。针对云计算下任务调度算法没有考虑调度的服务质量和用户满意度的问题,特别是在物流任务调度问题中存在复杂的计算网络,造成计算率降低,为了解决上述问题,提出了一种新的有关云计算和神经网络相结合的物流作业调度算法。算法充分考虑了调度的服务质量以及用户满意度,建立一个参数化的处理模型,计算用户在各个资源上的综合满意度,再将任务分配到满足用户需求和使系统资源达到均衡的资源上执行,最后采用改进的神经网络进行优化车辆调度。实验结果表明,改进算法不仅能满足用户的多种需求,提高了用户的满意度,同时也提高了资源调度率和系统资源的利用率。