科技与创新┃ScienceandTechnology&Innovation·76·2023年第04期文章编号：2095-6835（2023）04-0076-03基于聚合度热点收敛映射机制的云计算人工智能数据筛选算法研究＊胡珊（广州工商学院，广东广州510850）摘要：为提高数据筛选效率，针对数据筛选算法进行分析，阐述了传统算法的基本应用原理和实际应用缺陷，总结传统算法存在的问题，明确算法优化思路。在此基础上针对性优化设计新型算法，重点阐述以云计算人工智能和聚合度热点收敛映射机制为基础的新型数据筛选算法。优化完成后仿真实验显示，新型算法应用效果良好，显著提高了数据处理带宽和筛选业务量。关键词：数据筛选算法；聚合度热点收敛映射；云计算；人工智能中图分类号：TP311.1文献标志码：ADOI：10.15913/j.cnki.kjycx.2023.04.021传统算法存在显著的局限性，应用性能和处理能力有限，为此应积极探讨新型算法。常规算法应用后，因为存在热度聚集问题，较易造成数据缺少收敛性，导致运算精度降低。目前数据筛选算法中，应用范围较广、应用评价较好的算法是TSC-SF算法和UEG算法这2种，但是实际应用效果均不理想。1传统算法的应用缺陷结合云计算技术的人工智能技术常见应用于数据筛选运算，当前技术水平下，通常采用的调度模式为“网-边缘”调度方法。分析现有资源规模、特点，以网络数据为依据，利用云中间件构建数学模型，通过模型处理数据资源和业务。通过模型分析可确定调度函数，然后以此为依据定义筛选数据的原则。当前技术方案应用时主要为经济调度模式，通常将云中心作为数据库，在数据库中存储大量决定参数，包括筛选进程、中间件以及带宽等。受此影响，在实际调度过程中，各个云中心调度模型时所耗费的成本存在显著差异。TSC-SF算法即时间片累积调度筛选，UEG算法即超欧里几何数据筛选。TSC-SF算法采用分配时间片方法轮询调度数据，然而实际应用中缺少大规模的调度参数参与，导致其筛选性能低于预期。UEG算法使用时，业务收敛实现方式是拓扑映射，但是在实际应用中供给侧至用户侧未能予以有效资源分配，导致UEG算法实际应用时筛选质量、筛选效率不理想。因此，优化智能数据筛选算法具有必要性[1]。2数据筛选算法主要优化思路想要将用户任务成本降低至可能范围内的最低水平，必须大量占用云中心资源，影响系统性能，因此目标用户任务通常难以以最低成本完成资源调度。在经济调度应用时，对用户数据质量要求较高，在支付层处理数据时，通常比较重视支付稳定性评价，积极提高...
