周紅志，李淑敬

（阜陽師范大學(xué) 信息工程學(xué)院，安徽 阜陽 236041）

隨著大數(shù)據(jù)信息處理技術(shù)的發(fā)展，采用人工智能化信息處理技術(shù)進(jìn)行分層教學(xué)信息管理，提高教學(xué)的針對性和資源收發(fā)控制能力，構(gòu)建實訓(xùn)分層教學(xué)Web數(shù)據(jù)庫，結(jié)合信息管理技術(shù)進(jìn)行實訓(xùn)分層教學(xué)Web數(shù)據(jù)庫信息化管理，采用模式識別技術(shù)進(jìn)行實訓(xùn)分層教學(xué)資源優(yōu)化調(diào)度，提高教學(xué)質(zhì)量。研究Web數(shù)據(jù)庫實訓(xùn)體系中分層教學(xué)方法的設(shè)計方法具有重要意義[1]。對Web數(shù)據(jù)庫實訓(xùn)體系中分層教學(xué)方法的設(shè)計是建立在資源調(diào)度和大數(shù)據(jù)挖掘基礎(chǔ)上，采用語義本體模型進(jìn)行實訓(xùn)分層教學(xué)WEB數(shù)據(jù)的存儲結(jié)構(gòu)分析，提取二元語義特征量，構(gòu)建擴展查詢模型，實現(xiàn)教學(xué)資源的優(yōu)化管理，提出一種基于模糊融合性聚類分析的Web數(shù)據(jù)庫實訓(xùn)體系分層教學(xué)方法。

1 分層教學(xué)Web數(shù)據(jù)庫模型與特征分析

1.1 實訓(xùn)分層教學(xué)Web數(shù)據(jù)的存儲結(jié)構(gòu)模型

對Web數(shù)據(jù)庫實訓(xùn)體系中分層教學(xué)法的優(yōu)化設(shè)計是建立在數(shù)據(jù)庫的智能查詢算法化設(shè)計和信息調(diào)度基礎(chǔ)上，結(jié)合大數(shù)據(jù)信息挖掘和模糊聚類技術(shù)，進(jìn)行Web數(shù)據(jù)庫實訓(xùn)體系中分層教學(xué)方法設(shè)計，構(gòu)建實訓(xùn)分層教學(xué)Web數(shù)據(jù)擴展查詢的數(shù)據(jù)庫結(jié)構(gòu)模型[2]，結(jié)合存儲結(jié)構(gòu)模型優(yōu)化分析，進(jìn)行Web數(shù)據(jù)庫中教育資源的分布式調(diào)度，采用模糊分區(qū)調(diào)度方法，進(jìn)行數(shù)據(jù)結(jié)構(gòu)分析，提取Web數(shù)據(jù)庫中教學(xué)資源的相關(guān)性特征量[3]，采用語義特征分析方法，進(jìn)行資源調(diào)度和數(shù)據(jù)庫設(shè)計。分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫數(shù)據(jù)分布結(jié)構(gòu)模型如圖1。

圖1 分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫數(shù)據(jù)分布結(jié)構(gòu)模型

在圖1所示的分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫實時監(jiān)測數(shù)據(jù)分布結(jié)構(gòu)模型模型中，采用有向圖G=(M,N,Y)作為分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫實時監(jiān)測數(shù)據(jù)的候選集，在MIRaaS平臺中進(jìn)行實訓(xùn)分層教學(xué)Web數(shù)據(jù)的資源云分析[4]，計算實訓(xùn)分層教學(xué)Web數(shù)據(jù)的聯(lián)合參數(shù)，結(jié)合最大似然估計方法，進(jìn)行參量優(yōu)估計，得到實訓(xùn)分層教學(xué)Web數(shù)據(jù)庫存儲分布的量化特征解為：

其中：F為存儲分布系數(shù)；v最大似然參數(shù)；u為聯(lián)合參數(shù)；t為最優(yōu)估計參數(shù)。令A(yù)={a1,a2,…,an}為分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫自適應(yīng)調(diào)度數(shù)據(jù)的候選集[5]。分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫自適應(yīng)調(diào)度數(shù)據(jù)分布的有向圖的邊[6](u,v)∈E，其中E為量化特征集合。在信息化管理環(huán)境下構(gòu)建分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫自適應(yīng)調(diào)度的統(tǒng)計特征分析模型，采用五元組O=(C,I,P,H,R)表示。其中：C為分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫自適應(yīng)調(diào)度數(shù)據(jù)采樣時間序列的效用閾值項集；I是數(shù)據(jù)信息流的實例集；P為最小效用閾值的個數(shù)；H為提取實訓(xùn)數(shù)據(jù)集的統(tǒng)計特征量；R為調(diào)度數(shù)據(jù)的結(jié)構(gòu)尺度特征量。分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫自適應(yīng)調(diào)度數(shù)據(jù)集合中含有n個樣本，統(tǒng)計特征分布樣本為xi，i=1,2,…,n，得到分層實訓(xùn)教學(xué)Web信息提取的關(guān)聯(lián)參數(shù)的關(guān)系

其中：δ為自適應(yīng)調(diào)度參數(shù)；T為關(guān)聯(lián)用時集合。分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫的高效用項集為

建立分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫，結(jié)合網(wǎng)格分布結(jié)構(gòu)模型進(jìn)行分層教學(xué)的Web數(shù)據(jù)庫大數(shù)據(jù)聚類分析，提取實訓(xùn)數(shù)據(jù)集的統(tǒng)計特征量[7]。此時分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫的數(shù)據(jù)更新規(guī)則滿足

其中：d表示分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫自適應(yīng)特征量；γ為分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫自適應(yīng)調(diào)度數(shù)據(jù)的變異操作；k為內(nèi)部效用和外部效用的聯(lián)合分布系數(shù)。根據(jù)上述分析，構(gòu)建分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫的網(wǎng)格分布結(jié)構(gòu)模型，建立分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫的網(wǎng)格分布結(jié)構(gòu)模型并進(jìn)行分層教學(xué)設(shè)計[8]。

1.2 Web數(shù)據(jù)的特征提取

對分層教學(xué)Web數(shù)據(jù)庫實訓(xùn)數(shù)據(jù)集采用信息融合和關(guān)聯(lián)挖掘方法進(jìn)行特征分布式調(diào)度[9]。假設(shè)實訓(xùn)分層教學(xué)數(shù)據(jù)采集的統(tǒng)計量n的種類為j，則對所有結(jié)點集合存在最大獨立集n(j)，通過多次調(diào)整教學(xué)資源利用的總效用比例，得到分層教學(xué)數(shù)據(jù)庫實訓(xùn)數(shù)據(jù)集時間序列為{t0}，分層教學(xué)Web數(shù)據(jù)庫實訓(xùn)數(shù)據(jù)集調(diào)度系統(tǒng)輸出的樣本集長度為N，模糊聚斂控制函數(shù)為

上式中，分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫自適應(yīng)調(diào)度的負(fù)載為M，在產(chǎn)生一組聚類屬性分布集V后，采用交叉性調(diào)度方法[10]，得到分層教學(xué)資源調(diào)度的模糊隸屬函數(shù)為

其中：Pfi表示分層實訓(xùn)教學(xué)數(shù)據(jù)庫自適應(yīng)調(diào)度的融合的聚類中心；Pdi為數(shù)據(jù)庫中教學(xué)資源的分層融合統(tǒng)計特征量；u為分層系數(shù)。相應(yīng)的實訓(xùn)分層教學(xué)數(shù)據(jù)的二元語義分布特征映射描述為

設(shè)實數(shù)β∈[0，T]為相似度，實訓(xùn)分層教學(xué)數(shù)據(jù)查詢的語言評價集S，si代表實訓(xùn)分層教學(xué)數(shù)據(jù)信息集合，θ表示學(xué)習(xí)者對實訓(xùn)分層教學(xué)的滿意度水平，由此實現(xiàn)數(shù)據(jù)的特征提取。進(jìn)行實訓(xùn)分層教學(xué)數(shù)據(jù)的特征提取和自適應(yīng)調(diào)度，結(jié)合優(yōu)化學(xué)習(xí)算法，進(jìn)行數(shù)據(jù)分析和處理[11]。

2 Web數(shù)據(jù)庫實訓(xùn)體系分層教學(xué)優(yōu)化

2.1 實訓(xùn)數(shù)據(jù)集的統(tǒng)計特征分析及聚類處理

建立分層實訓(xùn)教學(xué)數(shù)據(jù)庫，結(jié)合網(wǎng)格分布結(jié)構(gòu)模型進(jìn)行分層教學(xué)的數(shù)據(jù)庫大數(shù)據(jù)聚類分析，給出實訓(xùn)分層教學(xué)數(shù)據(jù)的語義特征集

其中：Z=T1+T2+…+Tn表示實訓(xùn)分層教學(xué)數(shù)據(jù)擴展查詢節(jié)點的模糊聚類中心，構(gòu)建分層教學(xué)資源存儲系統(tǒng)的本體模型[12]，得到實訓(xùn)分層教學(xué)數(shù)據(jù)在存儲結(jié)構(gòu)空間中的資源分布有限數(shù)據(jù)集描述

采用高斯Copula函數(shù)進(jìn)行模糊聚類和統(tǒng)計特征分析[13]，設(shè)(sk,ak)和(sk,a1)為實訓(xùn)分層教學(xué)Web數(shù)據(jù)擴展查詢節(jié)點的關(guān)聯(lián)度水平，采用自相關(guān)特征統(tǒng)計方法，進(jìn)行教學(xué)方法的優(yōu)化調(diào)度和統(tǒng)計分析，測試教學(xué)滿意度水平，得到分層教學(xué)的Web數(shù)據(jù)擴展查詢調(diào)度有如下形式：

其中：b是實訓(xùn)體系分層教學(xué)的評價指標(biāo)權(quán)重，Φ(·)是分層教學(xué)Web資源調(diào)度的正態(tài)分布函數(shù)，Φ-1(·)是Φ(·)的反函數(shù)，對 Web 中的計算資源和物理資源進(jìn)行統(tǒng)計分析，根據(jù)二元語義特征分析結(jié)果，建立資源擴展查詢的綜合決策函數(shù)

此時教育資源的元數(shù)據(jù)μ對應(yīng)的緊密度指標(biāo)數(shù)據(jù)為F，采用向量量化特征分解方法實現(xiàn)分層教學(xué)Web數(shù)據(jù)的特征分解[14]，得到實訓(xùn)數(shù)據(jù)集的模糊查詢數(shù)學(xué)模型

根據(jù)數(shù)據(jù)查詢結(jié)果，對實訓(xùn)分層教學(xué)數(shù)據(jù)擴展查詢的過程演變?yōu)閷φZ義本體的尋優(yōu)控制，提取分層教學(xué)數(shù)據(jù)庫的互信息特征量，根據(jù)特征提取結(jié)果進(jìn)行分層教學(xué)數(shù)據(jù)庫的分區(qū)域調(diào)度和自適應(yīng)信息融合。

2.2 分層教學(xué)資源調(diào)度優(yōu)化

對數(shù)據(jù)聚類中心的數(shù)據(jù)進(jìn)行自適應(yīng)調(diào)度，計算實訓(xùn)分層教學(xué)數(shù)據(jù)的模糊關(guān)聯(lián)度特征[15]，得到分層實訓(xùn)教學(xué)數(shù)據(jù)庫的特征提取問題

把數(shù)據(jù)隊列當(dāng)作一個Chunk來進(jìn)行時間區(qū)域重組，得到分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫自適應(yīng)調(diào)度的二元子序列分別表示為

分別對分層教學(xué)的Web數(shù)據(jù)庫的本體空間r1(n)和r2(n)進(jìn)行統(tǒng)計分析，對(N-1)/2點進(jìn)行模糊聚類處理，分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫自適應(yīng)調(diào)度數(shù)據(jù)的屬性集的向量量化特征分解的訓(xùn)練樣本集為X=[X1,X2,…,Xk,…,XN]T，其中任一訓(xùn)練樣本為Xk=[xk1,xk2,…,xkm,…,xkM]，分層實訓(xùn)教學(xué)數(shù)據(jù)的擴展查詢序列為r(n)=r(nΔt)，n=0,1,2,…N-1采用自回歸分析進(jìn)行分層教學(xué)Web數(shù)據(jù)庫實訓(xùn)數(shù)據(jù)集的副本相關(guān)性處理，得到特征采樣序列：

根據(jù)特征提取結(jié)果進(jìn)行分層教學(xué)Web數(shù)據(jù)庫的分區(qū)域調(diào)度，構(gòu)建分層實訓(xùn)教學(xué)Web數(shù)據(jù)的調(diào)度的控制函數(shù)：

確定實訓(xùn)分層教學(xué)Web數(shù)據(jù)擴展查詢決策函數(shù)

采用C均值聚類方法進(jìn)行大數(shù)據(jù)融合處理，由此得到元數(shù)據(jù)擴展查詢的狀態(tài)規(guī)劃矩陣。

綜上分析，建立實訓(xùn)分層教學(xué)Web數(shù)據(jù)擴展查詢方案的模糊決策矩陣，在層次性聚類算法基礎(chǔ)上進(jìn)行模糊聚類和信息調(diào)度[16]，提高分層教學(xué)Web數(shù)據(jù)庫實訓(xùn)數(shù)據(jù)集監(jiān)測的準(zhǔn)確性。

3 仿真實驗與分析

為了測試該算法在實現(xiàn)分層教學(xué)Web數(shù)據(jù)庫實訓(xùn)數(shù)據(jù)庫調(diào)度中的性能，進(jìn)行仿真實驗，采用C++和Matlab 7混合編程進(jìn)行分層教學(xué)數(shù)據(jù)庫的調(diào)度程序設(shè)計，單組分層實訓(xùn)教學(xué)數(shù)據(jù)庫采樣的長度為700，對分層實訓(xùn)教學(xué)數(shù)據(jù)庫自適應(yīng)調(diào)度數(shù)據(jù)分組采集的時間間隔為0.14 s特征采樣頻率，最大迭代次數(shù)為1 400。得到分層實訓(xùn)教學(xué)Web數(shù)據(jù)采集結(jié)果如圖2所示。

圖2 分層實訓(xùn)教學(xué)Web數(shù)據(jù)采集結(jié)果

以圖2的數(shù)據(jù)為輸入，提取分層教學(xué)Web數(shù)據(jù)庫的互信息特征量，根據(jù)特征提取結(jié)果進(jìn)行分層教學(xué)Web數(shù)據(jù)庫的分區(qū)域調(diào)度和自適應(yīng)信息融合，得到數(shù)據(jù)融合結(jié)果如圖3所示。

圖3 數(shù)據(jù)融合輸出

分析圖3得知，采用該方法能有效實現(xiàn)Web數(shù)據(jù)庫實訓(xùn)體系分層管理，得到數(shù)據(jù)的融合調(diào)度能力，測試數(shù)據(jù)的召回性，得到對比結(jié)果見表1，分析表1結(jié)果得知，該方法進(jìn)行Web數(shù)據(jù)庫實訓(xùn)體系數(shù)據(jù)庫管理的召回性較好。

表1 數(shù)據(jù)召回性對比

4 小結(jié)

結(jié)合信息管理技術(shù)進(jìn)行實訓(xùn)分層教學(xué)Web數(shù)據(jù)庫信息化管理，采用模式識別技術(shù)進(jìn)行實訓(xùn)分層教學(xué)資源優(yōu)化調(diào)度，提高教學(xué)質(zhì)量，提出一種基于模糊融合性聚類分析的Web數(shù)據(jù)庫實訓(xùn)體系分層教學(xué)方法。建立分層實訓(xùn)教學(xué)Web數(shù)據(jù)庫，結(jié)合網(wǎng)格分布結(jié)構(gòu)模型進(jìn)行分層教學(xué)的Web數(shù)據(jù)庫大數(shù)據(jù)聚類分析，提取實訓(xùn)數(shù)據(jù)集的統(tǒng)計特征量，采用相關(guān)性檢測方法進(jìn)行Web數(shù)據(jù)的融合處理，提取分層教學(xué)Web數(shù)據(jù)庫的互信息特征量，根據(jù)特征提取結(jié)果進(jìn)行分層教學(xué)Web數(shù)據(jù)庫的分區(qū)域調(diào)度和自適應(yīng)信息融合，采用向量量化特征分解方法實現(xiàn)分層教學(xué)Web數(shù)據(jù)的特征分解，提高分層教學(xué)Web數(shù)據(jù)庫自動擴展和準(zhǔn)確查詢能力，實現(xiàn)Web數(shù)據(jù)庫實訓(xùn)體系中分層教學(xué)方法的優(yōu)化設(shè)計。研究得知，采用該方法進(jìn)行Web數(shù)據(jù)庫實訓(xùn)體系中分層教學(xué)方法設(shè)計，提高了Web數(shù)據(jù)庫的準(zhǔn)確查詢和自適應(yīng)調(diào)度性能，數(shù)據(jù)轉(zhuǎn)發(fā)的召回性較好。