规范处理模式，处理频率最高可达2 GHz，便于进行类型复杂的大差异数据的处理工作。数字信号处理器还配置了多种类型的数据接口和高容存储器，能够较好地满足用户对大差异数据的使用需求。
2 实验验证
实验将在相同条件下对BP神经网络分类器、云计算分类器与本文分类器的性能进行对比，以验证本文分类器能否实现信道增益效果好、分类速率高和信道失效率低的设计初衷。在面积为1 000 m2区域内的网络信道进行实验，其中，数据通信中转节点共100个，大差异数据的数据量共1 GB，每个节点的通信半径为50 m。
2.1 信道增益效果验证
在分类器信道增益效果的对比验证中，实验对三个分类器下网络信道的时延和丢包率进行了统计（网络信道的时延和丢包率越小，证明分类器的信道增益效果越好），并将数据绘制成曲线图，如图2、图3所示。
由图2、图3可得，BP神经网络分类器、云计算分类器和本文分类器下的网络信道时延均已达到“良好”标准，本文分类器下的网络信道时延更小且更加稳定；而本文分类器下的网络信道丢包率要远低于其他两种分类器。以上结果验证了本文分类器拥有优异的信道增益效果。
2.2 分类速率验证
将BP神经网络分类器、云计算分类器和本文分类器的分类速率输出并绘制成曲线图，如图4所示。
由图4可得，云计算分类器在受到大差异数据冲击后的分类速率波动较大，其最低值与最高值相差17.86 Mb/s，与其他两种分类器不具备可比性；对比本文分类器和BP神经网络分类器来看，本文分类器的分类速率随着通信半径的变大而呈现上涨趋势，BP神经网络分类器则呈现下降趋势，证明本文分类器拥有优异的分类速率。
2.3 信道失效率验证
将BP神经网络分类器、云计算分类器和本文分类器的信道失效率输出并绘制成曲线图，如图5所示。
由图5能够较为明显地看出，本文分类器的信道失效率远低于其他两种分类器，可在一定程度上增强网络信道的数据通信性能，证明本文分类器具有信道失效率低的特点。
3 结 论
本文设计了大差异数据冲击下的网络路由分类器，其以“合理选择中转节点、提高中转工作准确性”为分类函数的设计原理，设计出时延小、丢包率低、耗能少的网络路由分类函数。实验将本文分类器与BP神经网络分类器、云计算分类器的各项性能进行对比，验证出本文分类器具有信道增益效果好、分类速率高和信道失效率低的特點，可有效增强网络信道的数据通信性能。
参考文献
[1] 张学峰，王鹏辉，冯博，等.基于多分类器融合的雷达高分辨距离像目标识别与拒判新方法[J].自动化学报，2014，40（2）：348⁃356.
[2] 江伟坚，郭躬德.复杂环境下高效物体跟踪级联分类器[J].中国图象图形学报，2014，19（2）：253⁃265.
[3] 郭云龙，潘玉斌，张泽宇，等.基于证据理论的多分类器中文微博观点句识别[J].计算机工程，2014，40（4）：159⁃163.
[4] 陈艳秋，孙培立.一种基于类别强信息特征和贝叶斯算法的中文文本分类器[J].计算机应用与软件，2014，31（8）：330⁃333.
[5] 郝晓丽，张靖.基于改进自适应聚类算法的RBF神经网络分类器设计与实现[J].计算机科学，2014，41（6）：260⁃263.
[6] 申浩洋，韦安磊，李楠楠，等.基于神经网络分类器的城市污水处理厂水力冲击预警系统[J].环境科学学报，2015，35（4）：1224⁃1232.