[发明专利]基于改进RBF神经网络的数据分级存储算法

权利要求书

1.一种基于改进RBF神经网络的数据分级存储算法，其特征在于，所述算法包括：

对首次存入的数据进行分级，得到分级结果；

根据一级存储设备、二级存储设备、三级存储设备的性能以及容量特征得到存储级别，根据所述分级结果对所述数据进行数据存储；

建立数据分级神经网络模型，包括，

S1、计算数据迁移因素值；

S2、确定聚类中心作为RBF隐含层神经元的径向基函数中心向量C^j，获取RBF神经网络的扩展常数b；

S3、获取惯性权重ω、收缩因子、粒子的速度、粒子的位置后，根据自适应粒子群算法确定权值矩阵，得到所述数据迁移因素值与存储级别之间的映射关系，则所述数据分级神经网络模型构建完毕；

在实际数据迁移中，根据所述数据分级神经网络模型的输出值和标签值之差得到差值P，根据所述差值P筛选需迁移的数据；

对于所述降级迁移算法：第一种情况判断空间占用率是否大于存储设备的高水位，若大于则计算数据差值P，判断所述差值是否小于数据迁移阈值，若小于则将待迁移数据加入迁移队列若所述迁移队列中的数据小于迁移队列容量，则将数据依次迁移并获取新的迁移阈值，若所述迁移队列中的数据大于迁移队列容量，则将所述迁移队列中最大差值的数据移出迁移队列后进行再次判断，根据判断结果将数据依次迁移并获取新的迁移阈值；第二种情况判断当前是否达到数据迁移周期，若达到迁移周期则计算数据迁移因素值作为训练完毕的所述数据分级神经网络模型的输入计算数据差值P，根据所述数据价值的计算结果优先执行数据降级迁移，将执行降级迁移数据判断所述差值是否小于数据迁移阈值，若小于则将待迁移数据加入迁移队列，若所述迁移队列中的数据小于迁移队列容量，则将数据依次迁移并获取新的迁移阈值，若所述迁移队列中的数据大于迁移队列容量，则将所述迁移队列中最大差值的数据移出迁移队列后进行再次判断，根据判断结果将数据依次迁移并获取新的迁移阈值；

降级迁移后执行升级迁移算法，对于所述升级迁移算法：判断达到数据迁移周期执行完数据降级迁移后，获取数据迁移阈值，将执行升级迁移数据判断所述差值是否小于数据迁移阈值，若小于则加入升级迁移队列；判断迁移数据总量是否大于升级迁移队列的最大容量，若是则将迁移队列中差值最大的数据迁出迁移队列，若否则将迁移队列中的所有数据迁移到以及存储。

2.根据权利要求1所述的算法，其特征在于，所述对首次存入的数据进行分级，得到分级结果包括：根据铁路建设期数据属性特征以及业务特征设置定量二级指标和定性二级指标；通过专家评价的方式根据三级指标内容对所述定性二级指标进行评价，对定性二级指标所述三级指标内容直接设置权重，得到各项定性二级指标结果；根据访问日志获取定量二级指标所述三级指标结果，通过熵值法获取各三级指标的权重关系，通过TOPSIS综合评价方法得到定量二级指标结果；二级指标通过优序图法获取二级指标间的权重；通过加权求和的方式得到数据业务价值因素。

3.根据权利要求1所述的算法，其特征在于，所述得到存储级别，根据所述分级结果对所述数据进行数据存储，包括：

所述一级存储设备中数据业务价值最小值作为数据分级存储系统的高数据分级阈值，所述三级存储设备中数据业务价值最大值作为低数据分级阈值；一级存储为高性能存储介质，二级存储为中性能存储介质，三级存储为低性能存储介质；

时刻监听是否有数据首次存入，当接收到新数据存入请求时，计算该数据的业务价值因素，判断数据业务价值因素所在的分级阈值区间，根据数据量大小与存储设备剩余容量之间的关系确定首次存入数据的存储级别。

4.根据权利要求1所述的算法，其特征在于，所述计算数据迁移因素值，包括：数据量大小因素、数据访问时间重要性因素、数据访问频率重要性因素、数据访问量因素、数据访问用户相似度因素、数据业务价值因素。