基于网格数据挖掘体系结构
基于网格技术的孤立点数据挖掘
聚类 的大小 一样 （ 图 １ 如 果我 们 采用 了较 近的 邻 如 ，
居定 义 ， 若邻 居 很少 ， 可能忽 略边远 地 区 的小 规 模 就
聚类 点集 ） 。
后来 有人 对 Ｌ Ｆ进 行 改 进 ， 出 Ｌ Ｆ’ Ｌ Ｆ Ｏ 提 Ｏ 、Ｏ ”
了检 测 出 比较 边 缘 的 聚类 ， ｉｐｓ 须 取值 和这 些 Ｍｎｔ 必
分 ） 同或 不一 致 ， 们 称 这 样 的 数 据 对 象 为 孤 立 不 我
点 （ ｕｌ ｒ 。孤 立 点可能 是 由度 量 或执 行 错误 导 致 ｏｔｅ） ｉ 的 。例如 ， 在程 序 中对 未 记 录 年龄 的缺 省 设置 而 导 致一 个人 的年 龄可能 为 一 ９ 。另外 ， ９９ 孤立 点也 可能 是 固有的数 据 的变 异 性 的结 果 。例 如 ， 个公 司 的 一 总经 理 的工 资 自然 远远 高 于公 司其 他 职员 的工 资 ，
显然 ，Ｏ Ｌ Ｆ值高 的点 就 是 孤立 点 。这对 于准 确
查找 孤立点 指定 了相 对 明确 的标准 。但 有文 章指 出
在数 据集 中 ， 常存 在一 些数据 对象 ， 常 他们 不符合 数
据 的一般模 型 ， 即与 数 据 的其 他 部 分 （ 往 是 大 部 往
了 Ｌ Ｆ的弱 点 Ｊ Ｏ 。例如 Ｍｉｐｓ的选 择要求 较 高 ， ｎｔ 为
由于数 据挖 掘可 为决策 者提 供重 要并 有价值 的
成 为一个 孤 立点 。这样 的孤 立点 有助于 我们 发现 工 作 中的某 种 特殊情 况 。
１ ２ Ｌ Ｆ和 Ｇ ｉＬ ｆ 法 ． Ｏ ｒ ｏ算 ｄ
在 孤立 点 数 据 挖掘 方 面 有很 多 研 究 ， 中较 为 其
一种基于网格的LiDAR数据处理平台体系结构
据 。ＬＤ Ｒ在数据 获取方 面同传统测量方法相 比具有很多优 ｉＡ 点， 通过后 处理技术可 以把地面和其上 的植 被、 建筑物等地物
优点， 然而随着获 取数据 量 的急剧 增长 ， 其计 算量 也越 来越 大， 这种集 计算 、 数据 、 软件于一体 的集 中式处理逐 渐暴露 出
其弱点 ， 纳如下 ： 归
（ ｎｔｕ ｅ ｏｅ ｅｓ ｇＡｐｉ ｔ ｎ，Ｃ ｉｅ ｃｄｍ ｃ ｎｅ Ｉｓｔｔ ｏ ｍ ｔ Ｓｎｉ ｐ ｌａｉｓ ｈｎｓ Ａ ａｅ ｙｏ ｉ ｃ ，臃 ｉ ｅ ｆＲ ｎ ｃｏ ｅ ｆＳ ｅ ｓ
１０ ０ ， ｈｎ ） ０１１Ｃ ｉ ａ
Ａｂｔａｔ ｈ ｏｗ ｒ ａｃｉ ｃｕｅｉ ｉ ｔＤ ｔｃｏ ｎ ａｇ ｇ（ ｉ Ａ ｓ ｃ：Ｔ ｅ ｓ ｔａ ｒｈｔ ｔｒ ｎ Ｌｇ ｅ ｔ ｎ Ａ ｄ Ｒ ｎ ｉ ｒ ｆ ｅ ｅ ｈ ｅｉ ｎ ＬＤ Ｒ） ｄｔ ｐｏｅｓ ｇｗ ｓｄｓｒ ｅ ． Ｉ ａ ｒ ｓｉ ａ ｅｃ ｂｄ ｔ ａ ｃ ｎ ｉ
ｐ ｏ ｓ ｉ ｇ ｓ ｒ ｉｅ． ｒｃｅ ｓｎ ｅｖ ｃ
Ｋｅ ｏ ｄ：Ｌｇ ｔ ｅ ｃ ｏ ｎ ａｇ ｇ（ ｉＡ ） ｒ ；ｐ ａｅ ｃｍｐｔ ｇ ｙｗ ｒｓ ｉ ｔ ｔ ｎＡ Ｒ ｎ ｎ ＬＤ Ｒ ；ｇ ｄ ａ ｌ ｌ ｏ ｕｉ ｈ Ｄ ｅｉ ｄ ｉ ｉ ｒ ｌ ｎ
基于网格的分布式Apriori和经典Apriori算法的知识挖掘
基于网格的分布式Apriori和经典Apriori算法的知识挖掘
基于网格的分布式Apriori和经典Apriori算法的知识挖掘
摘要：提出了使用网格技术的关联规则数据挖掘及实施，并分析、比较了经典Apriori算法和分布式Apriori算法的实施结果。
通过WEKA工具对预评估系统的效率评估，和中心数据库上的Apriori和先验Apriori算法性能分析。
在网格环境下可以通过减少数据处理时间、资源优化、负载分担来提高计算网络的效率并减少成本，从而使用户得到计算量更大、成本更低、速度更快的计算结果。
还介绍了基于网格环境的分布式Apriori关联规则算法，并解释了如何获取知识。
关键词：分布式数据挖掘；关联规则；网格；算法；频繁项集；先验Apriori
0 引言
近年来，由于数据量越来越大，其用途越来越广，并且人们急需将这些数据量转换成为有用的信息和知识，数据挖掘，在信息产业，甚至整个社会都给予了高度的重视。
数据挖掘是指从海量的数据中提取或“挖掘”知识。
分布式数据挖掘（DDM），即从分布在各个独立网站的数据和计算中进行数据挖掘。
每个站点都有其自己的数据源和由数据挖掘算法生产的本地模型。
随之而来的是具有整个网络意义的知识。
网格，是指在动态组织内部协调、共享资源的一种分布式计算结构。
关联规则是用来表示数据项之间的相互支持和依赖程度的。
在处理单独的方案时，WEKA实验环境使用户能够更加方便地创建，。
数据挖掘技术架构
数据挖掘（Data Mining）是人工智能的一个重要分支，主要是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
这个过程涉及到多个技术和方法，包括数据预处理、聚类分析、分类和预测等。
数据挖掘的架构通常包括以下几个主要组件：数据源：这是数据挖掘的基础，通常包括各种类型的数据库、数据仓库、数据湖等。
这些数据源中存储了大量的原始数据，供数据挖掘算法使用。
数据预处理：在将数据输入到数据挖掘算法之前，需要进行一系列的预处理操作，包括数据清洗、数据转换和数据归一化等。
这些操作旨在消除噪声和异常值，确保数据的准确性和一致性。
数据挖掘算法：这是数据挖掘的核心部分，包括各种机器学习、深度学习等算法。
这些算法能够对输入的数据进行学习和分析，发现其中的模式和规律。
常见的算法包括聚类分析、分类、关联规则等。
结果评估与可视化：数据挖掘的结果通常以可视化的方式呈现给用户，例如图表、报告等。
这些结果可以帮助用户更好地理解数据，发现其中的价值和机会。
同时，还需要对结果进行评估和验证，确保其准确性和可靠性。
在实际应用中，数据挖掘技术可以应用于各种领域，如金融、医疗、零售等。
通过数据挖掘，企业可以更好地了解客户需求和市场趋势，提高决策的准确性和效率。
在金融领域，数据挖掘可以用于风险评估和信用评级；在医疗领域，数据挖掘可以用于疾病诊断和治疗方案制定；在零售领域，数据挖掘可以用于商品推荐和市场营销。
总之，数据挖掘是一种强大的技术手段，可以帮助我们从海量数据中提取有价值的信息和知识。
随着人工智能技术的不断发展，数据挖掘的应用前景将更加广阔。
在未来，我们期待看到更多的创新和应用，以推动数据挖掘技术的发展和普及。
面向服务的网格计算体系结构研究
面向服务的网格计算体系结构研究随着信息技术发展的不断提升，网格计算已成为一种高效的计算模型。
面向服务的网格计算体系结构的提出，使得网格计算更加灵活、高效。
本文将就此主题展开探讨。
一、面向服务的网格计算体系结构的概念面向服务的网格计算体系结构是一种精简化的、基于服务的网格计算体系结构，其关注点在于服务模型。
它把网格计算看做是一组提供虚拟计算资源的服务。
它通过提供服务来满足用户的需求，并通过服务组合进行编排，以达到更复杂的计算任务。
该体系结构将服务和服务提供者分开，从而实现了对服务的重新使用。
面向服务的网格计算体系结构还提供了一组与网格节点相应的服务。
这些服务通过Web服务协议来进行通信。
二、面向服务的网格计算体系结构的构成面向服务的网格计算体系结构中最基本的单元是服务。
每个服务通过发布和订阅服务描述符发布到网络中。
这些描述符包含了服务的元数据，例如服务接口、服务绑定的位置和接口定义语言。
服务生命周期由三个阶段组成：发布、发现和使用。
发布阶段包括将服务描述符发布到服务编目中。
这样，用户可以浏览编目以发现服务。
在发现阶段，用户可以搜索和浏览可用服务列表。
用户选择所需要的服务后，可以使用该服务，并将其委托给具体的网格节点执行。
三、面向服务的网格计算体系结构的特性1. 面向服务：该体系结构的核心是将计算任务看做一组可用服务，并提供执行这些服务的框架。
2. 精简化：面向服务的网格计算体系结构中仅包含必要的组成部分，使其更易于理解和实施。
3. 可复用性：服务是独立于特定应用程序之外的，并能够被其他应用程序复用。
这一特性增加了编程的效率和软件的可维护性。
4. 可扩展性：该体系结构有利于应用程序可以更容易地针对变化的需求进行扩展。
5. 可靠性：面向服务的网格计算体系结构采用面向服务的架构，其中服务通过Web服务协议进行通信。
这些协议具有可靠性、安全性和互操作性等优良属性。
四、应用场景面向服务的网格计算体系结构在科学和工业领域的应用十分广泛。
基于网格的数据挖掘算法
摘 要 ：为 了克 服 传 统数 据 挖 掘 算 法 与 分布 式数 据 挖 掘 算 法 的 不足 ．提 出 了一 种 基 于 网格 平 台 的 数 据 挖 掘 算 法 ， 并 改进 了原 有 的
１概 述
１１分 布式 数 据 挖 掘 ．
目前 随 着 企 业 信 息 化 建 设 步 伐 的加 快 ， 类 对 信 息 的 需 求 日益 迫 切 ， 而 面 对 这 种 信 息 的 海 洋 ， 们 开 始 很 迷 茫 ： 此 浩 瀚 的 人 然 人 如 信 息海 洋 中到底 哪些 信 息 对 我 们企 业 的发 展 趋 势 和 经 营 决 策 有 用 呢 ？ 就 需 要 一 种 有 效 的工 具 —— 数 据 挖 掘 去 分 析 、 理 我 们 现 有 处
ａｇｏ ｔ ａ ｈ ｏ ｂｉ ｄ ｐ ｗ ｅ ，ａｅ ｅｆｃｅ ，ｓｖ ｎ ｒ ｗ ａｅｃ ｔａ ｖａ ａ ｅｈ ｓ ｅ ｏｒ ｎ ｏ ｅａ ａ ｅ ｉ ｔｅ ｉ ｎ． ｌ ｒ ｈｍ ｈ ｓ ｅｃ ｍ ｎｅ ｏ ｒ ｓｆ， ｆ ｉｎｔ ａ ｉ ｇｏｎｈａｄ ｒ ｏｓ ｄ ｎｔｇ ａ ｎｍ ｅａ ｄ ｍ ｒ ｃ ｄ ｍ ｃａｔｎｔｏ ｉ ｔ ｉ ｂｅ Ｋｅ ｒ ：ｄａａｍ ｎ ｎ ｙ ｗｏ ｄｓ ｔ ｉ ｇ；ｄｓｒｂ ｔ ｄ ｄ ｔ ｎｉｇ；ｇ ｄ； ｓｏｃａｉ ｌｓ ｉ ｉｔ ｕ ｅ ａａ ｍ ｉ ｉ ｎ ｉ ｒ ａｓ ｉｔｏｎ ｒ ｅ ｏ
ｌ ＳＳＮ １ ０ － ０ ４ ９ ３ ４ ０
Ｅ ｍａ ： ￣ ＠ｃ ｃ ． ｔ ｉ — ｉ ｘ ｌ ｃ ｃ ｅ． ｌ ｌ ｎ ｏ
基于数据挖掘的分布式入侵检测系统体系结构研究
基于数据挖掘的分布式入侵检测系统体系结构研究摘要：入侵检测系统作为防火墙的补充，分为基于主机的入侵检测系统（HIDS）和基于网络的入侵检测系统（NIDS），至今被广泛的应用在我们的计算机上。
但是传统的入侵检测系统存在自适应差、误报漏报率高、响应不及时等缺陷。
近年来，“数据挖掘（Datamining）”出现在人们面前，它通过特殊的算法从海量的数据中搜寻有用的的信息，这些有用的信息可以用于预测发展趋势、关联不同事物、决策的支持等等。
本文对基于数据挖掘的分布式入侵检测系统体系结构进行了研究分析。
关键词：数据挖掘；入侵检测；分类算法；模型1前言为了有效维护网络的稳定性和安全性，入侵检测系统(IDS)已成为连接在In-ternet上的网络安全基础设施的重要部分。
IDS有助于对网络入侵者进行检测、识别和跟踪，特别是基于网络的入侵检测系统(NIDS)可以分析进入网络并受到保护的网络流量，以便对攻击进行检测和进一步分类。
目前，网络入侵检测方法主要可分为误用检测和异常检测。
2入侵检测2.1入侵检测的概念网络入侵检测（IntrusionDetection）是从计算机网络在中的关键点采集信息，结合一定的安全策略进行检测，根据检测结果判断是否有入侵行为或入侵企图，进而做出响应，提供主动保护。
入侵检测可以阻止入侵行为，降低甚至避免入侵造成的危害。
2.2入侵检测技术入侵检测的概念最早在1980年由JamesP.Anderson在《计算机安全威胁监控与监视》报告中提出。
经过三十多年的发展，已由最初的入侵检测系统（IntrusionDetectionSystem，IDS）发展为入侵检测专家系统（IntrusionDetectionExpertSystem，IDES）。
从第一个网络入侵检测系统网络安全监视器（NetworkSecurityMonitor，NSM）到现在的入侵防御系统（IntrusionPerventionSystem，IPS），人们在系统模型、算法、性能等方面取得了卓越成绩。
基于云计算的数据挖掘平台架构及其关键技术研究
基于云计算的数据挖掘平台架构及其关键技术研究随着云计算技术的快速发展，数据挖掘平台在云计算环境下的架构及其关键技术研究也日益受到重视。
云计算平台的优势在于其高性能、高可靠性和灵活性，可以为数据挖掘平台提供更好的服务。
本文将探讨基于云计算的数据挖掘平台架构及其关键技术研究。
一、基于云计算的数据挖掘平台架构1. 云计算环境下的基础架构在云计算环境下，数据挖掘平台的基础架构通常包括数据存储、计算资源、数据处理和用户接口等组成部分。
数据存储部分可以采用云存储服务，如亚马逊S3、谷歌云存储等，以满足大规模数据存储的需求。
计算资源则可以通过云计算服务商提供的虚拟机实例，实现弹性扩展和计算资源的动态分配。
数据处理部分则需要支持分布式计算框架，如Hadoop、Spark等，以实现数据的分布式处理和并行计算。
用户接口部分需要提供友好的数据挖掘工具和可视化界面，以方便用户进行数据挖掘任务的配置和管理。
2. 基于云计算的数据挖掘平台架构设计基于云计算的数据挖掘平台架构设计需要充分考虑云环境的特点，包括弹性扩展、高可用性和安全性等。
在架构设计上，可以采用微服务架构，将数据挖掘平台拆分为多个小型服务，每个服务都可以独立部署和运行，从而提高系统的灵活性和可靠性。
也可以通过容器化技术，如Docker和Kubernetes，实现数据挖掘平台的部署和管理，以支持快速部署和弹性运行。
架构设计还需要考虑数据安全和隐私保护等问题，采用数据加密、访问控制和审计等技术，保障数据挖掘平台在云环境下的安全性。
二、基于云计算的数据挖掘平台关键技术研究1. 大数据存储和管理在云计算环境下，数据挖掘平台需要面对大规模数据存储和管理的挑战。
针对这一挑战，可以采用分布式存储系统，如HDFS、Ceph等，实现数据的分布式存储和备份。
也可以引入数据管理技术，如数据分区、索引和压缩等，提高数据的访问效率和存储利用率。
2. 分布式计算和并行处理数据挖掘任务通常需要进行大规模数据的分布式计算和并行处理，以实现高效的数据挖掘算法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于网格的数据挖掘体系结构
摘要：随着科学技术的飞速发展以及各种网格体系结构的应用和普及，计算机网络系统环境变得非常复杂并难以管理和统一，尤其是内部软件系统的运行以及各种细节技术问题，给现在的网络环境带来了更大的挑战性。
通过科学合理利用网格数据挖掘体系就能够实现网络资源的共享，为网络资源提供一个安全多样化的运行氛围和体制。
本文针对网格数据挖掘体系进行了探讨和分析，通过对放网格服务体系(ogsa)思想体系的阐述，并采用分层描述的方法，围绕功能、结构、调度成本和网格服务目标等进行了讲述。
关键词：网格数据挖掘体系结构；开放网格服务体系；数据挖掘；网格计算；用户；计算机
中图分类号：tp311文献标识码：a文章编号：1007-9599 (2013) 07-0000-02
网格数据挖掘体系在在整个网络环境中发挥着极其重要的作用，通过这种体系的运行和实施可以在很大程度上提高网络资源的利
用价值以及空间数据价值。
不仅会给网络用户带来方便，还能提高整个网络的运行质量。
然而，当前的网格数据挖掘系统存在着很多不足的地方，首先其使用标准缺乏一个统一的核定标准，从而容易导致网络资源利用上出现混乱的现象；其次网格中间件操作系统在和计算机软件进行连接的时候，还存在着很大的技术性缺陷，这些都需要加强和完善。
只有在真正开发网格数据体系的基础上，才能使其发挥最大的实用性功能。
1网格数据挖掘体系概述
现存的网格体系结构在进行相关数据收集和调查的时候会出现很大的漏洞，影响了正常的计算机操作与相关数据计算，而网格数据挖掘体系能够充分发挥各种网格体系的优势，使相关数据的计算变得更加准确而简单。
网格体系结构从最开始的五层沙漏体系(flsga)，发展到开放网格服务体系(ogsa)，再发展到web服务资源框架(wsrf)。
经过不断的升级和发展，数据挖掘体系给网格体系的准确计算带来了极大的益处，其中flsga就是一种以网络协议为中心的定性描述体系，在数据计算和统计方面发挥着极其重要的作用。
ogsa（opengridservicesarchitecture）新型网格体系结构能够利用先进的服务技术对语言描述接口进行重新定义，在简单对象访问协议的基础上做出了调整和升级，其最突出的特点就是以服务为整个体系的中心来进行服务管理。
通过各种网格体系的建立与升级，可以达到充分利用网络资源的目的。
2网格数据挖掘体系结构设计的层类
数据挖掘网格系统能够对网络资源进行专业化的设计，从而提高结构体系的应用特性和设计功能。
通过建立各种网格层次服务模型能够通过服务接口来访问更多的网络资源，提高结构的合理性。
网格的数据挖掘体系在运行的时候，能够将物理资源抽象为实用的信息，从而实现网格的虚拟化，可以较好的满足资源的各种特性，提高分配率。
另外，从服务的理念上来讲，网络的数据挖掘体系可以在很大程度上提高服务质量，对各种抽象服务进行具体而细致的划
分。
网络数据挖掘体系的中心就是可以建立各种网络资源的服务结构，从而实现网络环境体制下的有效管理。
2.1网格数据挖掘体系的资源层
资源层是网格数据挖掘系统的基础与根本保障，有着十分广泛的资源组成类型，可以对处理器、计算机等数据库资源进行有效管理。
这些资源具有分布和异构特性，网格资源层仅仅实现了异构资源在物理上的连通，但从逻辑上看，这些资源仍然是孤立的，共享问题没有得到解决。
因此，必须在网格资源层的基础上通过web服务层对资源进行封装和抽象。
而想要成功实现对资源池的分配和利用就必须对系统资源进行不断的调整，提高资源管理性能，尤其是对计算资源池、数据资源池和存储资源池而言具有十分重大的作用。
2.2网格数据挖掘体系的web服务层
web服务层能够对网络中的逻辑资源以及物理资源进行很好的区分，尤其是抽象建模系统中的粗粒度服务可以提供较多的功能单元。
web服务还可以通过它自身的描述来获取服务所提供的操作以及调用这些操作的具体方法。
web服务使用web服务描述语言(wsdl)描述，能提供一个基于xml的简单语汇表，用来描述web服务能做什么、在何处以及如何调用。
web服务系统通过给用户端传递信息来创建更多的wsdl文档，从而完成更多网络协议，提高网络信息传输的可靠性。
2.3网格数据挖掘体系的网格中间件层
网格中间件层能够给网格与互联网的相互兼容提供某种可能，它
是由一系列网格工具以及协议软件包而组成的，能够对计算机网络系统的运行发挥重要的作用。
利用网格中间件层可以成功实现文件传输的可靠性、监控的准确性以及网格分配服务管理的可行性，从而使网络数据服务接口趋向于统一性，实现资源数据的共享。
网格中间件层能够提供服务监测、远程调用和生命周期管理等功能。
中间件层能屏蔽网格资源的异构性，通过专用的网格挖掘服务层向网格应用层提供透明、统一的应用平台。
由于网格资源非常复杂，这就要求网格中间件层具有更多的功能来满足网络资源的需求，诸如网格中间件层的服务管理功能可以对资源进行动态调度；其监测功能可以对性能和运行状况进行很好的评估。
2.4网格数据挖掘服务层
不同的网络用户有着不同的需求，网格数据挖掘服务层能够更深层次地挖掘用户的需求信息资源，可以达到减轻中间件压力的效果。
利用这种网格数据挖掘服务系统可以实现网格服务的重复利用，对用户的基本信息进行重组，并建立一个提交方案，提高网络资源的查询力度和效果。
其中信息服务对网络资源的重组与建设起着十分重要的作用，信息服务主要目的是如何采用注册和目录机制解决网格服务位置及类型的变化问题，信息服务应提供有关结构、服务、状态及环境等的注册和目录服务。
想要确保ads应用方案的可靠性以及真实性，必须加强网格数据挖掘信息服务建设力度，从而提高网络可利用率以及服务器的存储量。
在利用网格数据进行资源挖掘的时候，要加强网格数据挖掘服务代理的功能，才能对网络
资源进行更好的控制。
网格数据服务(gds)是访问某个具体的数据库而产生的访问代理实体，根据网格数据挖掘的特点，gds被设计成具有以下四种处理功能的模块：元数据处理模块、数据结果处理模块、数据错误处理模块和数据加密处理模块。
2.5网格数据挖掘应用层
网格数据挖掘系统能够为用户提供各种实际应用程序，当用户针对这一情况输入核对的参数值时，能够非常方便的实现网络数据的挖掘，避免了各种异构环境因素的影响和制约。
其中triana工作流数据挖掘客户端能够成功帮助用户挖掘更多数据资源，并且还能根据自身的需要加强软件方面的监测。
triana工作流数据挖掘系统具有较强的复杂性和专业性，在实际输出和输入设置中一定要对其进行科学的计算才能发挥其自动化处理的功能。
3gdma特点
gdma网格数据挖掘系统在网络数据应用方面有着更加复杂的功能，可以实现高效率的数据输入与输出，从而使网络环境变得更加高效安全。
gdma还可以对网络资源进行适当屏蔽，并对数据访问端口进行统一；使用户能够了解更多细节问题；使网络数据结构变得更加合理；提高了网络资源的利用率，改善了网络环境的整体运行性能。
4结束语
综上所述，本文首先分析了几种网格结构，通过比较，借助网格的层次模型，结合ogsa的思想，围绕功能目标、结构目标、调度
成本目标和网格服务目标等，采用分层描述的方法，设计了一种五层的gdma。
通过这种网格数据挖掘系统模式的建立可以在很大程度上提高网络运行环境的运行效率和实用价值，能够加强网格服务屏蔽资源的异构性，对网络用户产生更多的影响作用。
参考文献：
[1]张爱科.网格计算在电子商务领域的运用[j].文教资
料,2005,16.
[2]郭宇,邵明妍.基于网格计算的电子商务模式浅析[j].中国新技术新产品,2008,17.
[3]叶加龙,张公让.云计算与信息安全[j].价值工程,2011,1.
[4]张建华,孟晓明.网格是企业信息化的理想平台[j].科技情报开发与经济,2005,11.
[5]杨俊.电子商务需要网格计算[j].商业研究,2005,14.。