CN109787923A - 一种基于大数据分析的idc+cdn+混合云的产品线布局方法 - Google Patents
一种基于大数据分析的idc+cdn+混合云的产品线布局方法 Download PDFInfo
- Publication number
- CN109787923A CN109787923A CN201910112317.7A CN201910112317A CN109787923A CN 109787923 A CN109787923 A CN 109787923A CN 201910112317 A CN201910112317 A CN 201910112317A CN 109787923 A CN109787923 A CN 109787923A
- Authority
- CN
- China
- Prior art keywords
- layout
- product line
- big data
- data analysis
- circuit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于大数据分析技术领域，公开了一种基于大数据分析的IDC+CDN+混合云的产品线布局方法，通过输入模块输入产品线上的各个产品的数据；通过大数据分析对产品线上的产品进行分析并初步布局；通过互联网数据中心建立测试系统对产品线进行测试；通过混合云计算的资源测算产品线扩宽扩深以后的收益；根据测试和预测结果综合分析形成最终的产品线布局。本发明测算产品线扩宽扩深以后的收益情况，形成市场洞察、营销组合开发决策支持、上市效果评估、品牌管理决策支持、满意度研究五大研究体系；根据测试和预测结果综合分析形成最终的产品线布局，形成功能上针对该群体设计，价格上对该群体容易接受。
Description
技术领域
本发明属于大数据分析技术领域，尤其涉及基于大数据分析的IDC+CDN+混合云的产品线布局方法。
背景技术
目前，业内常用的现有技术是这样的：大数据分析、IDC(互联网数据中心)、CDN(内容分发网络)、混合云都是互联网发展的成果，其掌握了各类布局电路的海量数据，对于产品线的优化布局有至关重要的作用。传统的产品线布局方法对于群体的针对性差，针对某群体设计时耗费大量的人力物力；传统的产品线布局方法，难以对产品线进行测，难以结合布局电路群体规模，难以测算产品线扩宽扩深以后的收益情况。
综上所述，现有技术存在的问题是：
(1)传统的产品线布局方法对于群体的针对性差，针对某群体设计时耗费大量的人力物力。
(2)传统的产品线布局方法，难以对产品线进行测，难以结合布局电路群体规模，难以测算产品线扩宽扩深以后的收益情况。
现有的算法在调度过程中依次选择信道增益大的布局电路，可能导致与已布局电路之间存在较强干扰的高增益布局电路被选择，而与其它布局电路相互干扰小但增益不够大的布局电路得不到调度，致使系统和速率降低，不能获得良好公平性和较好的系统和速率。
现有矢量网络分析仪存在的不易构造一个未知网络的网络模型并确定模型中的各个参数，经验模型的精度较低，不够直观，过程复杂，对操作人员要求较高的问题。
发明内容
针对现有技术存在的问题，本发明提供了一种基于大数据分析的IDC+CDN+混合云的产品线布局方法。
本发明是这样实现的，一种基于大数据分析的IDC+CDN+混合云的产品线布局方法，所述的基于大数据分析的IDC+CDN+混合云的产品线布局方法包括通过大数据对产品线进行布局和分析；根据需要设置产品线的测量参数，得到被测产品线整体的性能参数，包括路径参数和传输参数；
对性能参数进行预处理，对数据序列进行补零，进行快速傅里叶变换；根据傅里叶逆变换后时域脉冲的分布情况和耗材的要求，选择不同的窗函数对傅里叶变换前的数据进行处理；
利用傅里叶逆变换，将频域测得的性能参数变换到时域，得到时域冲击响应，路径参数对应时域路径响应，传输参数对应时域传输响应；
根据路径响应和传输响应中前两个脉冲在时间轴上的位置，分别构造四个时域选通函数；
利用选通函数，对时域的路径响应和传输响应进行选通，分别提取出路径响应和传输响应中的前两个脉冲；
将时域选通后的时域脉冲分别通过傅里叶变换，得到频域选通数据；
频域选通数据中包含被测产品线电路的信息，利用得到的信息，根据公式构造补偿因子Fcf(i)；利用下面的公式，构造补偿因子Fcf(i)：
(i＝1,2···)
G1(i)～G4(i)是在上步中得到的频域选通数据；
R(i)是比率因子；
Fcf(i)补偿因子；
利用遮蔽补偿公式，得到没有遮蔽误差的路径参数FS11(i)和传输参数FS21(i)；
初始化已布局电路集合为空集，待布局电路集合为布局电路全集，随着调度过程的进行，已布局电路集合和待布局电路集合的元素不断更新，An和Sn分别为在第n次迭代结束时候选和已布局电路集合，n＝1,…,NT为迭代的次数，初始化n＝1；
互联网数据中心对布局电路k反馈的信道信息矩阵Hk进行奇异值分解其中，λk,1表示第k个布局电路的信道矩阵的奇异值，表示维度1×(NT-1)的零向量，和分别由与非零奇异值λk,1和零奇异值对应的右奇异值向量构成，因为rank(Hk)＝1，所以vi,1为Vi的第一个列向量，其中，rank(·)表示求矩阵的秩；
互联网数据中心根据分解后的矩阵构造中间矩阵和以及其中，diag(·)表示对角化操作；
互联网数据中心构造相关矩阵R，R为L×L方阵，第i行第j列的元素为其中，|·|表示求模运算；
从R中选择出与已经调度的n-1个布局电路对应的n-1列，构成矩阵将剩余的部分分别对行元素进行升序排列，得到矩阵即
计算布局电路的相关因子即对Rn中每一行的前ξ个元素分别求和并取倒数，等效于简化得到列向量ψn＝[ψ1,n … ψL,n]Η；
按照公式选择第n个布局电路。
进一步，利用下面的遮蔽补偿公式，得到没有遮蔽误差的路径参数FS11(i)和传输参数FS21(i)：
(i＝1,2···)。
进一步，得到没有遮蔽误差的路径参数FS11(i)和传输参数FS21(i)后还需进行：
消除数据预处理，舍弃添加零点位置处的数据，得到的路径参数和传输参数除以窗函数，消除加窗产生的影响，得到最终的补偿后的路径参数FS11_C(i)和传输参数FS21_C(i)：
(i＝1,2···)
W(i)数据预处理中的窗函数。
进一步，选择第n个布局电路后，还需进行：
若n＜NT，返回从R中选择出与已经调度的n-1个布局电路对应的n-1列，构成矩阵步骤；否则调度完成。
进一步，根据被调度的布局电路受到的实际干扰计算相关因子ψk；若布局电路未被调度ψk＝0，并按照公式更新布局电路k，k∈{1,…,L}平均相关因子，用于计算下一个传输周期中的布局电路调度权重，调度完成后，互联网数据中心通知激活布局电路并进行下行数据通信，在下一个传输周期(t+1)的开销时隙阶段。
进一步，综合考虑待布局电路受到已布局电路以及潜在的可能被调度的布局电路的影响根据
式计算布局电路的相关因子即对Rn中每一行的前ξ个元素分别求和并取倒数，等效于简化式
得到列向量ψn＝[ψ1,n … ψL,n]Η，其中，Al表示潜在的、后续可能被选择的布局电路集合，card(·)表示集合中的元素的个数。
进一步，按照公式选择第n个布局电路；
sn表示被选择的布局电路的标号，是布局电路k的调度权重，是上一传输周期结束时布局电路k的平均相关因子，更新Sn＝Sn-1∪{sn}，An＝An-1-{sn}，n＝n+1。
进一步，对布局电路进行调度，随着时间的推移，平均相关因子增大，权值μk随之减小，调度优先级降低；
更新布局电路k的平均相关因子的公式为
其中，δc＝0.99。
进一步，所述的基于大数据分析的IDC+CDN+混合云的产品线布局方法具体包括：
步骤一，通过输入模块输入产品线上的各个产品的数据；
步骤二，通过大数据分析对产品线上的产品进行分析并初步布局；
步骤三，通过互联网数据中心建立测试系统对产品线进行测试；
步骤四，通过混合云计算的资源测算产品线扩宽扩深以后的收益；
步骤五，根据测试和预测结果综合分析形成最终的产品线布局。
本发明的另一目的在于提供一种基于大数据分析的IDC+CDN+混合云的产品线布局方法的基于大数据分析的IDC+CDN+混合云的产品线布局控制系统，所述的基于大数据分析的IDC+CDN+混合云的产品线布局控制系统设置有：输入模块、大数据分析初布局模块、内容分发网络辅助模块、互联网数据中心测试模块、混合云计算预测模块、大数据分析终布局模块；
输入模块与大数据分析初布局模块连接，内容分发网络辅助模块与大数据分析初布局模块连接，大数据分析初布局模块与互联网数据中心测试模块连接，互联网数据中心测试模块与混合云计算预测模块连接，混合云计算预测模块与大数据分析终布局模块连接。
输入模块与大数据分析初布局模块连接，通过输入模块输入产品线上的各个产品的数据。内容分发网络辅助模块与大数据分析初布局模块连接，内容分发网络辅助大数据分析，提高分析效率。大数据分析初布局模块与互联网数据中心测试模块连接，通过互联网数据中心建立测试系统对产品线进行测试，测试完成后形成功能上基本针对该群体设计，价格上基本对该群体容易接受，品牌上基本具有忠诚度的初布局。互联网数据中心测试模块与混合云计算预测模块连接，通过混合云计算的资源测算产品线扩宽扩深以后的收益。结合布局电路群体规模，可以测算产品线扩宽扩深以后的收益情况，形成市场洞察、营销组合开发决策支持、上市效果评估、品牌管理决策支持、满意度研究五大研究体系。混合云计算预测模块与大数据分析终布局模块连接，根据测试和预测结果综合分析形成最终的产品线布局。形成功能上针对该群体设计，价格上对该群体容易接受，品牌上具有忠诚度的终布局。
本发明的积极效果为：
本发明能节省大量的人力物力并且高效率的通过大数据分析，形成功能上针对该群体设计，价格上对该群体容易接受，品牌上具有忠诚度的产品布局。
本发明能结合布局电路群体规模，可以测算产品线扩宽扩深以后的收益情况，形成市场洞察、营销组合开发决策支持、上市效果评估、品牌管理决策支持、满意度研究五大研究体系。
本发明通过互联网数据中心根据获得的布局电路的信道矩阵H，进行奇异值分解，通过构造中间矩阵以及相关矩阵，估计每个布局电路受到的干扰，并为其赋予权值，以加权布局电路相关最大为准则来选择布局电路，合理的选择出一组相互之间干扰小的布局电路，并且获得良好的布局电路公平性，实现了系统和速率与布局电路公平性的兼顾。本发明的方法简单，操作方便，较好的解决了传统的公平调度算法在逐次添加布局电路的过程中不能准确计算布局电路可达速率，从而无法兼顾良好的公平性和较好的系统和速率的问题。
本发明可以测量相互级联的微波电路中各部分网络的时域测量参数，通过对各个网络的时域参数分别进行选通操作，可以实现对被测电路中局部网络的性能参数的测量，并且消除电路中其他部分带来的误差。相比于传统方法，本发明的方法简单直观，降低操作人员的工作难度，而且具有更好的补偿结果。
附图说明
图1是本发明实施例提供的基于大数据分析的IDC+CDN+混合云的产品线布局方法流程图。
图2是本发明实施例提供的基于大数据分析的IDC+CDN+混合云的产品线布局方法结构示意图。
图中：1、输入模块；2、大数据分析初布局模块；3、内容分发网络辅助模块；4、互联网数据中心测试模块；5、混合云计算预测模块；6、大数据分析终布局模块。
图3是本发明实施例提供的布局电路总数L＝8取不同信噪比时几种算法的系统和速率比较示意图。
图4是本发明实施例提供的图3为SNR＝10dB时不同算法的公平性随布局电路数的变化情况示意图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图2所示，本发明实施例提供的基于大数据分析的IDC+CDN+混合云的产品线布局方法包括：输入模块1、大数据分析初布局模块2、内容分发网络辅助模块3、互联网数据中心测试模块4、混合云计算预测模块5、大数据分析终布局模块6。
输入模块1与大数据分析初布局模块2连接，通过输入模块1输入产品线上的各个产品的数据。包括产品线上的各产品的外观点、功能点、价位、预期核心销售群体、等数据，通过大数据分析对产品线上的产品进行清晰的分析并初步布局。大数据能对产品线清晰规划，能分析未来布局电路会如何购买，如果只看历史数据，很容易错误估计形势；大数据会有前瞻性的深度市场研究加以辅助，能解决产品线是做宽、做深、还是一支独秀的问题，能明确的核心群体，辐射人群，以及非目标人群。
内容分发网络辅助模块3与大数据分析初布局模块2连接，内容分发网络辅助大数据分析，提高分析效率。CDN(内容分发网络)是构建在网络之上的内容分发网络，依靠部署在各地的边缘服务器，通过中心平台的负载均衡、内容分发、调度等功能模块，使大数据分析产品线布局时就近获取所需内容，降低网络拥塞，提高布局电路访问响应速度和命中率。
大数据分析初布局模块2与互联网数据中心测试模块4连接，通过互联网数据中心建立测试系统对产品线进行测试。随着网站内容的增加，功能的增多，使得支撑网站的服务器数量开始增多，网站的服务器负载均衡服务可以根据实际的服务器响应时间平衡服务器群中所有服务器之间的通信负载，从而提高站点性能和响应能力，同时减少错误的发生，测试完成后形成功能上基本针对该群体设计，价格上基本对该群体容易接受，品牌上基本具有忠诚度的初布局。
互联网数据中心测试模块4与混合云计算预测模块5连接，通过混合云计算的资源测算产品线扩宽扩深以后的收益。结合布局电路群体规模，可以测算产品线扩宽扩深以后的收益情况，形成市场洞察、营销组合开发决策支持、上市效果评估、品牌管理决策支持、满意度研究五大研究体系。
混合云计算预测模块5与大数据分析终布局模块6连接，根据测试和预测结果综合分析形成最终的产品线布局。形成功能上针对该群体设计，价格上对该群体容易接受，品牌上具有忠诚度的终布局。
如图1所示，本发明实施例提供的基于大数据分析的IDC+CDN+混合云的产品线布局方法包括以下步骤：
S101：通过输入模块输入产品线上的各个产品的数据。
S102：通过大数据分析对产品线上的产品进行清晰的分析并初步布局。
S103：通过互联网数据中心建立测试系统对产品线进行测试。
S104：通过混合云计算的资源测算产品线扩宽扩深以后的收益。
S105：根据测试和预测结果综合分析形成最终的产品线布局。
步骤S102中，通过大数据对产品线进行布局和分析；根据需要设置产品线的测量参数，得到被测产品线整体的性能参数，包括路径参数和传输参数；
对性能参数进行预处理，对数据序列进行补零，进行快速傅里叶变换；根据傅里叶逆变换后时域脉冲的分布情况和耗材的要求，选择不同的窗函数对傅里叶变换前的数据进行处理；
利用傅里叶逆变换，将频域测得的性能参数变换到时域，得到时域冲击响应，路径参数对应时域路径响应，传输参数对应时域传输响应；
根据路径响应和传输响应中前两个脉冲在时间轴上的位置，分别构造四个时域选通函数；
利用选通函数，对时域的路径响应和传输响应进行选通，分别提取出路径响应和传输响应中的前两个脉冲；
将时域选通后的时域脉冲分别通过傅里叶变换，得到频域选通数据；
频域选通数据中包含被测产品线电路的信息，利用得到的信息，根据公式构造补偿因子Fcf(i)；利用下面的公式，构造补偿因子Fcf(i)：
(i＝1,2···)
G1(i)～G4(i)是在上步中得到的频域选通数据；
R(i)是比率因子；
Fcf(i)补偿因子；
利用遮蔽补偿公式，得到没有遮蔽误差的路径参数FS11(i)和传输参数FS21(i)；
初始化已布局电路集合为空集，待布局电路集合为布局电路全集，随着调度过程的进行，已布局电路集合和待布局电路集合的元素不断更新，An和Sn分别为在第n次迭代结束时候选和已布局电路集合，n＝1,…,NT为迭代的次数，初始化n＝1；
互联网数据中心对布局电路k反馈的信道信息矩阵Hk进行奇异值分解其中，λk,1表示第k个布局电路的信道矩阵的奇异值，0NT-1表示维度1×(NT-1)的零向量，和分别由与非零奇异值λk,1和零奇异值对应的右奇异值向量构成，因为rank(Hk)＝1，所以vi,1为Vi的第一个列向量，其中，rank(·)表示求矩阵的秩；
互联网数据中心根据分解后的矩阵构造中间矩阵和以及其中，diag(·)表示对角化操作；
互联网数据中心构造相关矩阵R，R为L×L方阵，第i行第j列的元素为其中，|·|表示求模运算；
从R中选择出与已经调度的n-1个布局电路对应的n-1列，构成矩阵将剩余的部分分别对行元素进行升序排列，得到矩阵即
计算布局电路的相关因子即对Rn中每一行的前ξ个元素分别求和并取倒数，等效于简化得到列向量ψn＝[ψ1,n … ψL,n]Η；
按照公式选择第n个布局电路。
作为本发明优选实施例，利用下面的遮蔽补偿公式，得到没有遮蔽误差的路径参数FS11(i)和传输参数FS21(i)：
(i＝1,2···)。
作为本发明优选实施例，得到没有遮蔽误差的路径参数FS11(i)和传输参数FS21(i)后还需进行：
消除数据预处理，舍弃添加零点位置处的数据，得到的路径参数和传输参数除以窗函数，消除加窗产生的影响，得到最终的补偿后的路径参数FS11_C(i)和传输参数FS21_C(i)：
(i＝1,2···)
W(i)数据预处理中的窗函数。
作为本发明优选实施例，选择第n个布局电路后，还需进行：
若n＜NT，返回从R中选择出与已经调度的n-1个布局电路对应的n-1列，构成矩阵步骤；否则调度完成。
作为本发明优选实施例，根据被调度的布局电路受到的实际干扰计算相关因子ψk；若布局电路未被调度ψk＝0，并按照公式更新布局电路k，k∈{1,…,L}平均相关因子，用于计算下一个传输周期中的布局电路调度权重，调度完成后，互联网数据中心通知激活布局电路并进行下行数据通信，在下一个传输周期(t+1)的开销时隙阶段。
作为本发明优选实施例，综合考虑待布局电路受到已布局电路以及潜在的可能被调度的布局电路的影响根据
式计算布局电路的相关因子即对Rn中每一行的前ξ个元素分别求和并取倒数，等效于简化式
得到列向量ψn＝[ψ1,n … ψL,n]Η，其中，Al表示潜在的、后续可能被选择的布局电路集合，card(·)表示集合中的元素的个数。
作为本发明优选实施例，按照公式选择第n个布局电路；
sn表示被选择的布局电路的标号，是布局电路k的调度权重，是上一传输周期结束时布局电路k的平均相关因子，更新Sn＝Sn-1∪{sn}，An＝An-1-{sn}，n＝n+1。
作为本发明优选实施例，对布局电路进行调度，随着时间的推移，平均相关因子增大，权值μk随之减小，调度优先级降低；
更新布局电路k的平均相关因子的公式为
其中，δc＝0.99。
下面结合仿真对本发明作进一步描述。
仿真条件：系统的NT＝4,NR＝1，布局电路调度包括：穷举调度(Exhaustivescheduling,ES；准正交布局电路调度(Semi-orthogonal user selection,SUS)；比例公平准正交布局电路调度(Proportional fair SUS,PF-SUS)；后验式调度(Reactivescheduling,RS)，即布局电路的选择仅基于待布局电路与已布局电路的相互干扰；基于加权布局电路相关的公平调度(Weighed User-Correlation based Fairness Scheduling,WUCFS)本发明的算法。
图3为布局电路总数L＝8，取不同信噪比时几种算法的系统和速率比较。
由图3可见，ES能够获得最大的系统和速率，WUCFS劣于ES，在低信噪比SNR＜-5dB时，由下列公式可知布局电路速率主要由信噪比SNR和信道幅度增益λ决定，故各种算法得到的和速率差别不大，其中P0为每个波束的发送功率，为噪声功率；
随着SNR的增大，布局电路间的干扰χk逐步占据主导地位，相同的信噪比时，χk越小，系统和速率越大，WUCFS在调度布局电路时考虑到与未来潜在布局电路的干扰，而RS、PF-SUS和SUS仅考虑待布局电路与已布局电路的干扰，因此相比于其它算法WUCFS能够选择出一组相互之间干扰小的布局电路，在高信噪比时获得更高的系统和速率。
图4为SNR＝10dB时不同算法的公平性随布局电路数L的变化情况。
公平性用Jain’s公平性指数(Fairness Index,FI)衡量，该参数反映系统满足不同布局电路数据速率需求的程度，FI的表达式由下式给出：
其中，定义为一段统计时间内，布局电路k被调度的次数与所有布局电路调度次数之和的比值，FI是0到1之间的连续值，FI越大，表示公平性越好，当每个布局电路的调度机会相等时，FI＝1；当系统中只有一个布局电路被调度时，FI＝1/L，根据图4，采用WUCFS，FI在0.9到1之间变化，表明算法具有很好的公平性，对于其它算法，FI随着L的增加呈下降趋势，公平性越来越差。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。
Claims (10)
1.一种基于大数据分析的IDC+CDN+混合云的产品线布局方法，其特征在于，所述的基于大数据分析的IDC+CDN+混合云的产品线布局方法包括通过大数据对产品线进行布局和分析；根据需要设置产品线的测量参数，得到被测产品线整体的性能参数，包括路径参数和传输参数；
对性能参数进行预处理，对数据序列进行补零，进行快速傅里叶变换；根据傅里叶逆变换后时域脉冲的分布情况和耗材的要求，选择不同的窗函数对傅里叶变换前的数据进行处理；
利用傅里叶逆变换，将频域测得的性能参数变换到时域，得到时域冲击响应，路径参数对应时域路径响应，传输参数对应时域传输响应；
根据路径响应和传输响应中前两个脉冲在时间轴上的位置，分别构造四个时域选通函数；
利用选通函数，对时域的路径响应和传输响应进行选通，分别提取出路径响应和传输响应中的前两个脉冲；
将时域选通后的时域脉冲分别通过傅里叶变换，得到频域选通数据；
频域选通数据中包含被测产品线电路的信息，利用得到的信息，根据公式构造补偿因子Fcf(i)；利用下面的公式，构造补偿因子Fcf(i)：
G1(i)～G4(i)是在上步中得到的频域选通数据；
R(i)是比率因子；
Fcf(i)补偿因子；
利用遮蔽补偿公式，得到没有遮蔽误差的路径参数FS11(i)和传输参数FS21(i)；
初始化已布局电路集合为空集，待布局电路集合为布局电路全集，随着调度过程的进行，已布局电路集合和待布局电路集合的元素不断更新，An和Sn分别为在第n次迭代结束时候选和已布局电路集合，n＝1,…,NT为迭代的次数，初始化n＝1；
互联网数据中心对布局电路k反馈的信道信息矩阵Hk进行奇异值分解其中，λk,1表示第k个布局电路的信道矩阵的奇异值，表示维度1×(NT-1)的零向量，和分别由与非零奇异值λk,1和零奇异值对应的右奇异值向量构成，因为rank(Hk)＝1，所以vi,1为Vi的第一个列向量，其中，rank(·)表示求矩阵的秩；
互联网数据中心根据分解后的矩阵构造中间矩阵和以及其中，diag(·)表示对角化操作；
互联网数据中心构造相关矩阵R，R为L×L方阵，第i行第j列的元素为其中，|·|表示求模运算；
从R中选择出与已经调度的n-1个布局电路对应的n-1列，构成矩阵将剩余的部分分别对行元素进行升序排列，得到矩阵即计算布局电路的相关因子即对Rn中每一行的前ξ个元素分别求和并取倒数，等效于简化得到列向量ψn＝[ψ1,n … ψL,n]Η；
按照公式选择第n个布局电路。
2.如权利要求1所述的基于大数据分析的IDC+CDN+混合云的产品线布局方法，其特征在于，利用下面的遮蔽补偿公式，得到没有遮蔽误差的路径参数FS11(i)和传输参数FS21(i)：
3.如权利要求1所述的基于大数据分析的IDC+CDN+混合云的产品线布局方法，其特征在于，得到没有遮蔽误差的路径参数FS11(i)和传输参数FS21(i)后还需进行：
消除数据预处理，舍弃添加零点位置处的数据，得到的路径参数和传输参数除以窗函数，消除加窗产生的影响，得到最终的补偿后的路径参数FS11_C(i)和传输参数FS21_C(i)：
W(i)数据预处理中的窗函数。
4.如权利要求1所述的基于大数据分析的IDC+CDN+混合云的产品线布局方法，其特征在于，
选择第n个布局电路后，还需进行：
若n＜NT，返回从R中选择出与已经调度的n-1个布局电路对应的n-1列，构成矩阵步骤；否则调度完成。
5.如权利要求4所述的基于大数据分析的IDC+CDN+混合云的产品线布局方法，其特征在于，根据被调度的布局电路受到的实际干扰计算相关因子ψk；若布局电路未被调度ψk＝0，并按照公式更新布局电路k，k∈{1,…,L}平均相关因子，用于计算下一个传输周期中的布局电路调度权重，调度完成后，互联网数据中心通知激活布局电路并进行下行数据通信，在下一个传输周期(t+1)的开销时隙阶段。
6.如权利要求1所述的基于大数据分析的IDC+CDN+混合云的产品线布局方法，其特征在于，综合考虑待布局电路受到已布局电路以及潜在的可能被调度的布局电路的影响根据
式计算布局电路的相关因子即对Rn中每一行的前ξ个元素分别求和并取倒数，等效于简化式
得到列向量ψn＝[ψ1,n … ψL,n]Η，其中，Al表示潜在的、后续可能被选择的布局电路集合，card(·)表示集合中的元素的个数。
7.如权利要求1所述的基于大数据分析的IDC+CDN+混合云的产品线布局方法，其特征在于，按照公式选择第n个布局电路；
sn表示被选择的布局电路的标号，是布局电路k的调度权重，是上一传输周期结束时布局电路k的平均相关因子，更新Sn＝Sn-1∪{sn}，An＝An-1-{sn}，n＝n+1。
8.如权利要求7所述的基于大数据分析的IDC+CDN+混合云的产品线布局方法，其特征在于，对布局电路进行调度，随着时间的推移，平均相关因子增大，权值μk随之减小，调度优先级降低；
更新布局电路k的平均相关因子的公式为
其中，δc＝0.99。
9.如权利要求1所述的基于大数据分析的IDC+CDN+混合云的产品线布局方法，其特征在于，所述的基于大数据分析的IDC+CDN+混合云的产品线布局方法具体包括：
步骤一，通过输入模块输入产品线上的各个产品的数据；
步骤二，通过大数据分析对产品线上的产品进行分析并初步布局；
步骤三，通过互联网数据中心建立测试系统对产品线进行测试；
步骤四，通过混合云计算的资源测算产品线扩宽扩深以后的收益；
步骤五，根据测试和预测结果综合分析形成最终的产品线布局。
10.一种基于大数据分析的IDC+CDN+混合云的产品线布局方法的基于大数据分析的IDC+CDN+混合云的产品线布局控制系统，其特征在于，所述的基于大数据分析的IDC+CDN+混合云的产品线布局控制系统设置有：输入模块、大数据分析初布局模块、内容分发网络辅助模块、互联网数据中心测试模块、混合云计算预测模块、大数据分析终布局模块；
输入模块与大数据分析初布局模块连接，内容分发网络辅助模块与大数据分析初布局模块连接，大数据分析初布局模块与互联网数据中心测试模块连接，互联网数据中心测试模块与混合云计算预测模块连接，混合云计算预测模块与大数据分析终布局模块连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910112317.7A CN109787923A (zh) | 2019-02-13 | 2019-02-13 | 一种基于大数据分析的idc+cdn+混合云的产品线布局方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910112317.7A CN109787923A (zh) | 2019-02-13 | 2019-02-13 | 一种基于大数据分析的idc+cdn+混合云的产品线布局方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109787923A true CN109787923A (zh) | 2019-05-21 |
Family
ID=66504257
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910112317.7A Pending CN109787923A (zh) | 2019-02-13 | 2019-02-13 | 一种基于大数据分析的idc+cdn+混合云的产品线布局方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109787923A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120109566A1 (en) * | 2010-11-02 | 2012-05-03 | Ate Systems, Inc. | Method and apparatus for calibrating a test system for measuring a device under test |
| CN103763782A (zh) * | 2014-01-13 | 2014-04-30 | 西安电子科技大学 | 一种mu-mimo下行链路基于加权用户相关的公平调度方法 |
| CN104931912A (zh) * | 2015-06-12 | 2015-09-23 | 西安电子科技大学 | 一种矢量网络分析仪的时域补偿方法 |
| CN105740984A (zh) * | 2016-02-01 | 2016-07-06 | 北京理工大学 | 一种基于性能预测的产品概念性能评价方法 |
| CN107437141A (zh) * | 2017-07-18 | 2017-12-05 | 福农宝（厦门）大数据科技有限公司 | 一种基于移动互联网和大数据的农业种养殖规划管理平台 |
| CN107679484A (zh) * | 2017-09-28 | 2018-02-09 | 辽宁工程技术大学 | 一种基于云计算存储的遥感图像目标自动检测与识别方法 |
| CN108364381A (zh) * | 2018-01-31 | 2018-08-03 | 湖南城市学院 | 一种智能火情逃生门禁系统 |
| CN108387808A (zh) * | 2018-01-31 | 2018-08-10 | 杨彦青 | 一种智能电力变压器运行监测系统 |
| CN108876085A (zh) * | 2018-04-12 | 2018-11-23 | 合肥天源迪科信息技术有限公司 | 一种基于互联网的企业销售支撑平台 |
| CN109032889A (zh) * | 2018-07-11 | 2018-12-18 | 广东水利电力职业技术学院（广东省水利电力技工学校） | 一种新型液冷式服务器系统及管理方法、计算机程序 |
-
2019
- 2019-02-13 CN CN201910112317.7A patent/CN109787923A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120109566A1 (en) * | 2010-11-02 | 2012-05-03 | Ate Systems, Inc. | Method and apparatus for calibrating a test system for measuring a device under test |
| CN103763782A (zh) * | 2014-01-13 | 2014-04-30 | 西安电子科技大学 | 一种mu-mimo下行链路基于加权用户相关的公平调度方法 |
| CN104931912A (zh) * | 2015-06-12 | 2015-09-23 | 西安电子科技大学 | 一种矢量网络分析仪的时域补偿方法 |
| CN105740984A (zh) * | 2016-02-01 | 2016-07-06 | 北京理工大学 | 一种基于性能预测的产品概念性能评价方法 |
| CN107437141A (zh) * | 2017-07-18 | 2017-12-05 | 福农宝（厦门）大数据科技有限公司 | 一种基于移动互联网和大数据的农业种养殖规划管理平台 |
| CN107679484A (zh) * | 2017-09-28 | 2018-02-09 | 辽宁工程技术大学 | 一种基于云计算存储的遥感图像目标自动检测与识别方法 |
| CN108364381A (zh) * | 2018-01-31 | 2018-08-03 | 湖南城市学院 | 一种智能火情逃生门禁系统 |
| CN108387808A (zh) * | 2018-01-31 | 2018-08-10 | 杨彦青 | 一种智能电力变压器运行监测系统 |
| CN108876085A (zh) * | 2018-04-12 | 2018-11-23 | 合肥天源迪科信息技术有限公司 | 一种基于互联网的企业销售支撑平台 |
| CN109032889A (zh) * | 2018-07-11 | 2018-12-18 | 广东水利电力职业技术学院（广东省水利电力技工学校） | 一种新型液冷式服务器系统及管理方法、计算机程序 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106131958A (zh) | 一种基于信道状态信息和支持向量机的室内被动定位方法 | |
| CN108629511A (zh) | 一种基于多因素模糊理论推理及层级分析法的卫星综合效能评估方法 | |
| CN109447394A (zh) | 一种对地观测卫星任务效能评价指标体系及分析方法 | |
| CN103020459B (zh) | 一种多维度用电行为的感知方法及系统 | |
| CN110138475A (zh) | 一种基于lstm神经网络的自适应门限信道占用状态预测方法 | |
| CN108874655A (zh) | 一种处理众包测试数据的方法及装置 | |
| CN105022792B (zh) | 基于数据挖掘的被动雷达信号分选关联权重计算方法 | |
| CN101425855B (zh) | 宽带信道参数抽取方法、宽带信道仿真方法及其装置 | |
| CN103345384B (zh) | 一种基于分解的变邻域多目标测试任务调度方法及平台 | |
| CN110097088A (zh) | 一种基于迁移学习与特殊点策略的动态多目标进化方法 | |
| CN109003446A (zh) | 一种基于rfid数据的城市错峰通行效果分析方法 | |
| CN108052958A (zh) | 基于已知激励且同时考虑环境激励影响的贝叶斯模态识别方法 | |
| CN104794112B (zh) | 时间序列处理方法及装置 | |
| Zheng et al. | An adaptive sampling scheme via approximate volume sampling for fingerprint-based indoor localization | |
| CN107609790A (zh) | 智能电网综合效益评估方法、装置、介质及计算机设备 | |
| CN101426213B (zh) | 宽带信道仿真方法及其装置 | |
| CN104794644A (zh) | 一种面向智能服务引擎的任务众包方法 | |
| CN101217427B (zh) | 不确定网络环境中网络服务评价和优选方法 | |
| CN108415775A (zh) | 一种基于服务质量的资源确定方法及系统 | |
| CN109787923A (zh) | 一种基于大数据分析的idc+cdn+混合云的产品线布局方法 | |
| García Vera et al. | Multilevel algorithm for flow observables in gauge theories | |
| Hua | An exploration of the nature and rationale of a systemic model | |
| CN102651071B (zh) | 基于支持向量机的机舱内部路径损耗预测方法 | |
| CN100356726C (zh) | 用于设计数据网络的方法和设备 | |
| CN108462940A (zh) | 一种基于WiFi热点的室内定位方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190521 |
|
| RJ01 | Rejection of invention patent application after publication |