基于大數(shù)據(jù)的物聯(lián)網(wǎng)教學最優(yōu)模式實證模型研究

吳俊杰

(泉州信息工程學院，福建 泉州 362000)

在高校嵌入式專業(yè)教學中，物聯(lián)網(wǎng)課堂教學是重要的基礎性課程，課程的實踐性強，理論原理難，算法和程序也比較復雜，使得物聯(lián)網(wǎng)教學模式的選擇難度較大，需要對物聯(lián)網(wǎng)教學模式進行優(yōu)化改革設計，結(jié)合大數(shù)據(jù)分析技術，進行物聯(lián)網(wǎng)教學模式的優(yōu)化選擇，提高物聯(lián)網(wǎng)教學模式的自動選擇和控制能力[1]。在大數(shù)據(jù)環(huán)境下，建立物聯(lián)網(wǎng)教學模式優(yōu)化選擇模型，結(jié)合創(chuàng)新性的課程驅(qū)動建設，構建物聯(lián)網(wǎng)課程教學模式選擇的大數(shù)據(jù)融合聚類分析模型，結(jié)合交叉式的編譯控制方法，提高物聯(lián)網(wǎng)課程教學模式選擇和控制能力[2]。在創(chuàng)新性的教學模式下，提高物聯(lián)網(wǎng)教學質(zhì)量，對此，提出一種基于大數(shù)據(jù)的物聯(lián)網(wǎng)教學最優(yōu)模式實證模型，采用統(tǒng)計分析方法構建物聯(lián)網(wǎng)教學的大數(shù)據(jù)回歸分析模型，結(jié)合數(shù)據(jù)聚類和信息融合處理技術，實現(xiàn)對物聯(lián)網(wǎng)教學最優(yōu)模式選擇和實證分析，提高物聯(lián)網(wǎng)教學的質(zhì)量，最后進行實證分析驗證，得出有效性結(jié)論。

1 物聯(lián)網(wǎng)教學最優(yōu)模式統(tǒng)計數(shù)據(jù)及特征分析

1.1 物聯(lián)網(wǎng)教學最優(yōu)模式統(tǒng)計數(shù)據(jù)建模

為了實現(xiàn)對物聯(lián)網(wǎng)教學模式最優(yōu)選擇和融合聚類分析，結(jié)合對物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)分析方法進行融合性的聚類處理，采用大數(shù)據(jù)挖掘技術，構建物聯(lián)網(wǎng)教學模式的最優(yōu)融合特征參量分析模型，采用自適應關聯(lián)規(guī)則挖掘方法[3]，構建物聯(lián)網(wǎng)教學模式的數(shù)據(jù)挖掘模型，給出物聯(lián)網(wǎng)教學模式優(yōu)化選擇的大數(shù)據(jù)的相空間分布W，它是一個n×m的物聯(lián)網(wǎng)教學模式優(yōu)化選擇控制矩陣，在物聯(lián)網(wǎng)教學模式優(yōu)化選擇模式下，構建特征分布向量pq，構建概率分布函數(shù)P(ni)={pk|prkj=1，k=1，2，…，m}，進行物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的模糊規(guī)則特征識別，得到物聯(lián)網(wǎng)教學的大數(shù)據(jù)統(tǒng)計特征分布節(jié)點vi的樣本集合為：

(1)

式中C為物聯(lián)網(wǎng)教學的大數(shù)據(jù)調(diào)度的任務集，C(vi，vj)為物聯(lián)網(wǎng)教學模式選擇的鏈路控制集。在物聯(lián)網(wǎng)教學模式選擇策略下，得到約束特征量vi與vj間的計算開銷，構建物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)分段特征檢測方法，得到回歸分析模型為：

(2)

式中：p為物聯(lián)網(wǎng)教學模式選擇的條件概率分布個數(shù)；n(t)為物聯(lián)網(wǎng)教學的大數(shù)據(jù)調(diào)度干擾項；si(t)為物聯(lián)網(wǎng)教學的大數(shù)據(jù)統(tǒng)計特征量；a(θi)為物聯(lián)網(wǎng)教學的大數(shù)據(jù)調(diào)制成分，在物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的特征融合中心構建任務調(diào)度SL集，用模糊聚類分析方法，構建物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)識別的模糊隸屬函數(shù)：

(3)

(4)

式中：kμ(t)為t時刻物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的采樣帶寬；ΔTm(t)為t時刻物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的量化特征集；w為相對權重；Θ為kμ(t)的概率條件。結(jié)合限定穩(wěn)態(tài)條件，進行物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的均衡調(diào)度，結(jié)合線性回歸分析方法進行數(shù)據(jù)輸出的關聯(lián)規(guī)則挖掘，提高大數(shù)據(jù)的信息融合和最優(yōu)模式選擇能力[5]。

1.2 數(shù)據(jù)特征提取

采用非線性時間序列分析方法進行物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的特征分析和預測。通過對物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的前期統(tǒng)計值，在嵌入式系統(tǒng)教學中分析教學模式優(yōu)化的約束指標參量集，采用相關性檢測方法進行物聯(lián)網(wǎng)教學最優(yōu)模式的大數(shù)據(jù)融合處理，采用多元回歸分析方法得到物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的輸出更新規(guī)則為：

(5)

(6)

(7)

式中Xj(t)為第t代物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的模糊規(guī)則集，在數(shù)據(jù)元j的位置進行物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的量化特征分解，在大數(shù)據(jù)聚類中進行，進行物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的調(diào)度分析，構建迭代式，構建物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)單變量時間序列為{xn}，用uj(t+1)為[0，1]范圍內(nèi)變化的統(tǒng)計大數(shù)據(jù)的關聯(lián)規(guī)則集，結(jié)合衰減向量分析方法進行相似度特征變化，mbest(t+1)為大數(shù)據(jù)的語義關聯(lián)性特征，得到聚類中心的最優(yōu)位置，用pj(t+1)作為第t+1個聚類中心中統(tǒng)計大數(shù)據(jù)的模糊約束參量，物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的回歸向量a1和a2，在M維隨機向量中，得到物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的統(tǒng)計特征量pg(t)定義為：

pg(t)=argmin{f(pj(t))|j=1，2，…，n}，

(8)

式中f(pj(t))為物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)在聚類中心j中的最優(yōu)位置，在最優(yōu)位置中進行特征搜索，得到第t代搜索到的最優(yōu)位置的適應值，對物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的量化回歸配置系數(shù)a1和a2由式(9)確定：

a1=c1r1，

a2=c2r2，

(9)

式中：r1、r2為M維隨機向量；c1為物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的關聯(lián)規(guī)則向量集，c2為多徑分布特征量。根據(jù)上述分析，實現(xiàn)對物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的特征提取和模糊調(diào)度，結(jié)合最優(yōu)模式選擇方法，提高對物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的特征提取和量化回歸分析能力。

2 物聯(lián)網(wǎng)教學最優(yōu)模式數(shù)據(jù)融合及聚類

2.1 物聯(lián)網(wǎng)教學最優(yōu)模式統(tǒng)計數(shù)據(jù)融合處理

構建物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)時間序列{x(t0+iΔt)}，i=0，1，…，N-1，采用模糊二自由度控制方法，對物聯(lián)網(wǎng)教學最優(yōu)模式統(tǒng)計數(shù)據(jù)進行信息融合和自適應更新，物聯(lián)網(wǎng)教學最優(yōu)模式統(tǒng)計數(shù)據(jù)的信息更新規(guī)則如式(10)：

(10)

其中

(11)

(12)

采用相關性檢測方法進行物聯(lián)網(wǎng)教學最優(yōu)模式的大數(shù)據(jù)融合處理，結(jié)合累積方差分析進行物聯(lián)網(wǎng)教學最優(yōu)模式大數(shù)據(jù)聚類[6]，對物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)時間序列進行Fourier變換，得到x(k)，采用主成分分析方法，得到大數(shù)據(jù)信息流的主成分特征：

(13)

式中xn為物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的離散特征序列，得到物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的正相關性特征量分量的均值為：

(14)

在分散子空間中進行物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)匹配檢測，提高最優(yōu)模式選擇能力。

2.2 物聯(lián)網(wǎng)教學最優(yōu)模式聚類選擇

給出物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的模糊聚斂控制函數(shù)為：

(15)

式(15)中，物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)預測的負載為Mh，在產(chǎn)生一組聚類屬性特征V后，進行物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)屬性集調(diào)度[7]。采用Sigma檢驗可得物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的判據(jù)為：1)S≥2.00，物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的識別95%概率不成立，原數(shù)據(jù)與分類數(shù)據(jù)具有同類特征；2)S<2.00，物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的識別成立，原數(shù)據(jù)不具有同類特征。

根據(jù)上述判別條件，構建支持向量機模型，采用Ru，v表示物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)屬性集的模糊集合質(zhì)量，對物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)調(diào)度的關聯(lián)規(guī)則屬性為v。Ru，v表示互相關函數(shù)，物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)識別的優(yōu)化指標量化集為(RT1，RT2)，根據(jù)聚類結(jié)果構建物聯(lián)網(wǎng)教學最優(yōu)模式的量化分布集[8]，結(jié)合大數(shù)據(jù)模糊聚類控制和信息融合方法，實現(xiàn)物聯(lián)網(wǎng)教學最優(yōu)模式構造，得到物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)采樣的有限數(shù)據(jù)集：

X={x1，x2，…，xn}?Rs，

(16)

式中物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)集合中含有n個樣本，樣本xi，i=1，2，…，n，結(jié)合SVM學習方法，得到量化特征關系為：

(17)

采用修正的支持向量機學習模型進行到物聯(lián)網(wǎng)教學模式分類器設計，得到物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的分類的特征分布矩陣滿足：

(18)

在連續(xù)的有限狀態(tài)空間中構建物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)分布的數(shù)鏈S={1，2，...，N}，生成元數(shù)據(jù)Υ=(rij)N*N，結(jié)合大數(shù)據(jù)模糊聚類控制和信息融合方法，實現(xiàn)物聯(lián)網(wǎng)教學最優(yōu)模式構造，得到統(tǒng)計特征量為：

(19)

如果其中Δ>0且rij>0，表示物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的時滯項：

(20)

結(jié)合最優(yōu)模式選擇方法，實現(xiàn)對物聯(lián)網(wǎng)教學最優(yōu)模式實證檢驗分析。

3 實證分析與驗證

為了驗證該方法在實現(xiàn)物聯(lián)網(wǎng)教學最優(yōu)模式選擇和控制中的應用性能，進行實證驗證，采用Matlab進行仿真實驗，有效帶寬Be為12 dB，初始訓練集規(guī)模為200，樣本長度為1 024，采樣頻率fs=5f0=100 kHz，T=10 ms，對物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的采樣規(guī)模集見表1。

表1 物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)分布集

根據(jù)上述實驗分析，構建物聯(lián)網(wǎng)教學模式統(tǒng)計大數(shù)據(jù)的聚類分析和融合模型，得到數(shù)據(jù)聚類融合結(jié)果如圖1所示。

根據(jù)圖1的數(shù)據(jù)分析結(jié)果，進行物聯(lián)網(wǎng)教學最優(yōu)模式實證分析，得到統(tǒng)計分布如圖2所示。

分析圖2得知，采用該方法進行物聯(lián)網(wǎng)教學最優(yōu)模式實證分析，統(tǒng)計特征分布具有顯著的正相關性，說明信息融融合度較高，對物聯(lián)網(wǎng)教學最優(yōu)模式選擇的置信度水平較高。

圖1 數(shù)據(jù)聚類融合結(jié)果

圖2 統(tǒng)計分布值

4 結(jié)語

為了提高物聯(lián)網(wǎng)的教學質(zhì)量，提出一種基于大數(shù)據(jù)的物聯(lián)網(wǎng)教學最優(yōu)模式實證模型，采用統(tǒng)計分析方法構建物聯(lián)網(wǎng)教學的大數(shù)據(jù)回歸分析模型，在嵌入式系統(tǒng)教學中分析教學模式優(yōu)化的約束指標參量集，采用相關性檢測方法進行物聯(lián)網(wǎng)教學最優(yōu)模式的大數(shù)據(jù)融合處理，結(jié)合累積方差分析進行物聯(lián)網(wǎng)教學最優(yōu)模式大數(shù)據(jù)聚類，根據(jù)聚類結(jié)果構建物聯(lián)網(wǎng)教學最優(yōu)模式的量化分布集，結(jié)合大數(shù)據(jù)模糊聚類控制和信息融合方法，實現(xiàn)物聯(lián)網(wǎng)教學最優(yōu)模式構造。研究得知，采用該方法進行物聯(lián)網(wǎng)教學最優(yōu)模式選擇的數(shù)據(jù)融合性較好，說明對教學模式選擇的合理性較為準確，提高了物聯(lián)網(wǎng)環(huán)境下的教學模式優(yōu)化和控制能力，具有很好的應用價值。