基于知識庫的多媒體視頻信息云存儲方法

陸汝梅

（安徽工業(yè)職業(yè)技術(shù)學(xué)院 信息工程系，安徽 銅陵 244000）

對大數(shù)據(jù)庫進(jìn)行存儲空間優(yōu)化設(shè)計(jì)和特征壓縮設(shè)計(jì)，能夠提高多媒體視頻信息的云存儲能力，因此受到研究者的極大關(guān)注［1］。

過往研究者提出的方法主要有基于網(wǎng)格區(qū)域特征匹配的多媒體視頻信息云存儲設(shè)計(jì)方法、BP神經(jīng)網(wǎng)絡(luò)模型的多媒體視頻信息云存儲結(jié)構(gòu)設(shè)計(jì)方法以及支持向量機(jī)學(xué)習(xí)算法等［2-4］。這些方法通過建立多媒體視頻信息云存儲空間結(jié)構(gòu)特征分析模型，采用網(wǎng)格分塊匹配，實(shí)現(xiàn)多媒體視頻信息云存儲設(shè)計(jì)。但傳統(tǒng)方法對多媒體視頻信息云存儲設(shè)計(jì)的自相關(guān)特征匹配能力不佳，存儲開銷較大。

針對上述問題，本文提出基于知識庫的多媒體視頻信息云存儲方法。首先，構(gòu)建多媒體視頻信息的大數(shù)據(jù)挖掘模型，采用知識庫本體特征構(gòu)建的方法實(shí)現(xiàn)對多媒體視頻信息的融合挖掘和信息聚類；然后，采用分塊特征匹配的方法，建立多媒體視頻信息的云存儲分布式融合模型，實(shí)現(xiàn)對多媒體視頻信息的云存儲結(jié)構(gòu)優(yōu)化設(shè)計(jì)；最后，進(jìn)行仿真測試分析，展示本文方法在提高多媒體視頻信息云存儲能力方面的優(yōu)越性能。

1 多媒體視頻信息采集和特征提取

1.1 信息采集

構(gòu)建多媒體視頻信息的大數(shù)據(jù)挖掘模型，采用知識庫本體特征構(gòu)建的方法實(shí)現(xiàn)對多媒體視頻信息的融合挖掘和信息聚類。

結(jié)合知識庫構(gòu)建方法和日志文件分析方法，在Hadoop 云平臺中，建立多媒體視頻信息的日志文件和事務(wù)性數(shù)據(jù)云存儲結(jié)構(gòu)模型［5］，如圖1所示。

圖1 多媒體視頻信息云存儲結(jié)構(gòu)模型

在圖1中，采用模糊信息融合方法，進(jìn)行多媒體視頻信息結(jié)構(gòu)融合特征分析［6］。將多媒體視頻信息云存儲的結(jié)構(gòu)優(yōu)化問題轉(zhuǎn)化為信息融合優(yōu)化問題：

首先，采用模糊聚類分析方法提取模糊信息參數(shù)集［7］，得到多媒體視頻信息融合的最優(yōu)尋優(yōu)參數(shù)Q；然后，利用不同項(xiàng)目之間的關(guān)系分析多媒體視頻信息云存儲的差異度函數(shù)，得到結(jié)構(gòu)空間分布函數(shù)；最后，利用空間分布函數(shù)，獲得動(dòng)態(tài)分布集的最優(yōu)解。

在多媒體視頻信息云存儲的特征空間中，參數(shù)尋優(yōu)問題可以表示為

由此構(gòu)建大數(shù)據(jù)挖掘模型，根據(jù)數(shù)據(jù)存儲結(jié)構(gòu)優(yōu)化和特征匹配結(jié)果，實(shí)現(xiàn)信息存儲優(yōu)化聚類分析［8］。

1.2 特征提取

結(jié)合模糊C 均值聚類分析方法建立多媒體視頻信息的屬性歸并模型，在語義本體的知識庫模型中實(shí)現(xiàn)對多媒體視頻信息的云存儲空間優(yōu)化控制［9］，得到多媒體視頻信息云存儲的穩(wěn)定條件。

采用回歸分析和線性規(guī)劃的方法解決知識本體庫分布特征解S(a)優(yōu)化問題［10］。對知識庫模型進(jìn)行構(gòu)造，得到歸一化的特征提取模型為

式中，σ2為多媒體信息歸一化方差。

結(jié)合局部信息擬合方法與模糊度特征優(yōu)化匹配方法，實(shí)現(xiàn)多媒體視頻信息狀態(tài)融合相似度特征解析控制，提高云存儲容量。

2 多媒體視頻信息云存儲優(yōu)化設(shè)計(jì)

2.1 知識庫構(gòu)造

在采用局部信息擬合方法，實(shí)現(xiàn)多媒體視頻信息狀態(tài)融合相似度特征解析控制的基礎(chǔ)上，得到信息融合的語義知識庫本體結(jié)構(gòu)特征分解學(xué)習(xí)函數(shù)為

式中，α為多媒體視頻信息融合相似度。

在聚類數(shù)據(jù)集中，計(jì)算多媒體視頻信息狀態(tài)分解的學(xué)習(xí)因子為ω，對數(shù)據(jù)集進(jìn)行網(wǎng)格化聚類分析，得到網(wǎng)格聚類函數(shù)為

式中，b(k)為多媒體視頻信息數(shù)據(jù)集；μ為數(shù)據(jù)對象映射到網(wǎng)格的最優(yōu)聚類約束條件。

基于殘差和密度網(wǎng)格簇心分布式挖掘方法［11］，構(gòu)建多媒體視頻信息云存儲結(jié)構(gòu)函數(shù)：

根據(jù)多媒體視頻信息的知識庫構(gòu)造結(jié)果，采用語義本體融合的方法求得最優(yōu)值，從而求得非邊緣數(shù)據(jù)對象的殘差分量，再根據(jù)模糊參數(shù)約束分析，實(shí)現(xiàn)對多媒體視頻信息的云存儲設(shè)計(jì)。

2.2 云存儲優(yōu)化配置

采用分塊特征匹配的方法，建立多媒體視頻信息的云存儲分布式融合模型，所得的云存儲優(yōu)化問題可描述為

式中，f(x)=f1(x),f2(x),…,fm(x)為云存儲分布式融合模型。

采用隨機(jī)博弈和網(wǎng)格分區(qū)塊調(diào)度的方法，建立云存儲結(jié)構(gòu)優(yōu)化的對象函數(shù)，可描述為

式中，c(t)為網(wǎng)格分區(qū)調(diào)度函數(shù)。

通過人工設(shè)定閾值，得到每個(gè)云存儲簇心網(wǎng)格設(shè)定存儲容量z，在網(wǎng)格對象集的聚類中心，采用模糊C均值聚類方法，實(shí)現(xiàn)對多媒體視頻信息的壓縮處理，特征壓縮表達(dá)式為

構(gòu)建多媒體視頻信息存儲空間壓縮的子空間模型，將存儲空間里邊界網(wǎng)格對象中的容量最大值作為特征壓縮的閾值，所得存儲空間優(yōu)化配置函數(shù)為

式中，ξi為云存儲分布設(shè)計(jì)的約束指標(biāo)參量集。

根據(jù)上述分析，建立云存儲分布式融合模型，實(shí)現(xiàn)對云存儲結(jié)構(gòu)的優(yōu)化設(shè)計(jì)［12］，優(yōu)化的存儲結(jié)構(gòu)配置模型如圖2所示。

圖2 多媒體視頻信息優(yōu)化的存儲結(jié)構(gòu)配置模型

3 仿真測試分析

為了驗(yàn)證本文方法在實(shí)現(xiàn)多媒體視頻信息的云存儲設(shè)計(jì)優(yōu)化的應(yīng)用性能，進(jìn)行試驗(yàn)測試分析。設(shè)定云存儲的配置節(jié)點(diǎn)數(shù)為60，網(wǎng)格空間分布節(jié)點(diǎn)數(shù)為25，對多媒體視頻信息采樣的時(shí)間長度為1 024，測試序列的樣本長度為20，自適應(yīng)學(xué)習(xí)的模糊迭代次數(shù)為50，模糊調(diào)制寬度B=0.35 kHz。根據(jù)上述設(shè)定的參數(shù)，進(jìn)行云存儲設(shè)計(jì)，得到云存儲網(wǎng)格分布，如圖3所示。在圖3 所示的云存儲網(wǎng)格分布區(qū)域中，實(shí)現(xiàn)多媒體視頻信息的特征壓縮和存儲結(jié)構(gòu)的優(yōu)化設(shè)計(jì)，所得到優(yōu)化的存儲結(jié)構(gòu)模型如圖4所示。

圖3 多媒體視頻信息的云存儲網(wǎng)格分布

圖4 優(yōu)化的多媒體視頻信息存儲結(jié)構(gòu)模型

分析圖4 可知，采用本文方法實(shí)現(xiàn)多媒體視頻信息存儲設(shè)計(jì)，降低了存儲空間，聚類性較好。

測試優(yōu)化存儲后的多媒體視頻信息的訪問延遲率，所得對比結(jié)果如圖5所示。

圖5 多媒體視頻信息的訪問延遲率

分析圖5 可知，采用本文方法實(shí)現(xiàn)多媒體視頻信息的云存儲設(shè)計(jì)，訪問延遲率均在0.7%以下，提高了存儲性能。

4 結(jié)語

為了提高多媒體視頻信息云存儲能力，本文提出了基于知識庫的多媒體視頻信息云存儲方法。建立多媒體視頻信息的日志文件和事務(wù)性數(shù)據(jù)庫處理模型；采用模糊信息融合方法，提取多媒體視頻信息結(jié)構(gòu)融合特征；采用隨機(jī)博弈和網(wǎng)格分區(qū)塊調(diào)度的方法，建立云存儲結(jié)構(gòu)優(yōu)化的對象函數(shù)，實(shí)現(xiàn)云存儲優(yōu)化設(shè)計(jì)。由實(shí)驗(yàn)結(jié)果可知，本文方法能降低云存儲模型設(shè)計(jì)開銷，提高數(shù)據(jù)的聚類存儲能力，從而提高數(shù)據(jù)的訪問能力。