基于決策樹的鄉(xiāng)村綜合信息數(shù)據(jù)智能管理系統(tǒng)

朱麗波，馬 欣

(淄博師范高等專科學(xué)校 信息系，山東 淄博 255100)

0 引言

我國是一個傳統(tǒng)的農(nóng)業(yè)大國，正處于發(fā)展階段.雖然消費產(chǎn)業(yè)、工業(yè)產(chǎn)業(yè)也得到了快速發(fā)展，但是農(nóng)業(yè)依然位居第一產(chǎn)業(yè)地位，是國家經(jīng)濟發(fā)展的基礎(chǔ).建設(shè)社會主義新農(nóng)村是中國現(xiàn)代化進程的關(guān)鍵任務(wù)，并在各個省、市建設(shè)新農(nóng)村試點取得了不錯的成績.與城市規(guī)劃相比，目前鄉(xiāng)村規(guī)劃管理較薄弱，主要原因為鄉(xiāng)村綜合信息的缺失以及信息數(shù)據(jù)管理技術(shù)的缺乏，無法真實地對鄉(xiāng)村情況進行全面地了解，致使鄉(xiāng)村規(guī)劃或者出臺政策與鄉(xiāng)村實際發(fā)展需求不符.

現(xiàn)今社會已經(jīng)進入了一個信息爆炸時代，鄉(xiāng)村綜合信息也不例外，其信息數(shù)據(jù)量達到了大數(shù)據(jù)級別，如何對其進行智能管理以及快速找到有價值的信息數(shù)據(jù)，是當(dāng)前鄉(xiāng)村規(guī)劃與發(fā)展領(lǐng)域的重點研究課題之一[1].就現(xiàn)有研究成果來看，已有數(shù)據(jù)管理系統(tǒng)無法對鄉(xiāng)村綜合信息進行有效整合或者統(tǒng)一，缺乏明確的數(shù)據(jù)庫構(gòu)建規(guī)范，管理智能化也較低，無法滿足鄉(xiāng)村發(fā)展的需求，因此本文提出基于決策樹的鄉(xiāng)村綜合信息數(shù)據(jù)智能管理系統(tǒng).通過決策樹算法挖掘鄉(xiāng)村信息之間的關(guān)系，有效推進鄉(xiāng)村信息化建設(shè)，實現(xiàn)“數(shù)字鄉(xiāng)村”的建設(shè)目標[2].

1 鄉(xiāng)村綜合信息數(shù)據(jù)智能管理系統(tǒng)硬件設(shè)計

硬件單元的設(shè)計是鄉(xiāng)村綜合信息數(shù)據(jù)智能管理系統(tǒng)運行的基礎(chǔ).為了提升數(shù)據(jù)管理水平，設(shè)計系統(tǒng)硬件單元包括數(shù)據(jù)智能管理框架搭建單元、數(shù)據(jù)處理器選取單元與網(wǎng)絡(luò)通信單元.

1.1 鄉(xiāng)村綜合信息數(shù)據(jù)智能管理框架設(shè)計

為了滿足鄉(xiāng)村綜合信息數(shù)據(jù)智能管理的需求，以C/S架構(gòu)為基礎(chǔ)，通過AreSDE引擎對鄉(xiāng)村綜合信息數(shù)據(jù)進行存儲與管理[3].鄉(xiāng)村綜合信息數(shù)據(jù)智能管理框架如圖1所示.

通過圖1可以看出，搭建框架主要分為3個層次，分別為數(shù)據(jù)層、邏輯層與應(yīng)用層.數(shù)據(jù)層主要應(yīng)用多種器件對鄉(xiāng)村綜合信息進行采集與處理，例如地理信息、人口信息等；邏輯層承擔(dān)著數(shù)據(jù)訪問接口建立、數(shù)據(jù)關(guān)系挖掘等任務(wù)，是鄉(xiāng)村綜合信息數(shù)據(jù)存儲及其管理的基礎(chǔ)；應(yīng)用層基于C#語言等工具搭建用戶交互界面，依據(jù)用戶的需求，提供對應(yīng)的鄉(xiāng)村綜合信息[4].

圖1 數(shù)據(jù)智能管理框架

1.2 鄉(xiāng)村綜合信息數(shù)據(jù)處理器選取單元

以搭建數(shù)據(jù)智能管理框架為基礎(chǔ)，選取適當(dāng)?shù)臄?shù)據(jù)處理器，對鄉(xiāng)村綜合信息數(shù)據(jù)進行統(tǒng)一處理，方便后續(xù)數(shù)據(jù)的應(yīng)用與管理[5].

根據(jù)設(shè)計系統(tǒng)需求，研究選取STM32F103ZET6芯片作為數(shù)據(jù)處理設(shè)備，具有多種優(yōu)質(zhì)特性，具體如下所示：

(1)功耗較低.STM32F103ZET6芯片具有多種工作模式，每種工況適應(yīng)的工作模式不同，工作模式切換時間較短，能夠極大地降低設(shè)計系統(tǒng)的運行功耗；

(2)運算速度快.STM32F103ZET6芯片工作頻率能夠達到72 MHz，可以滿足鄉(xiāng)村綜合信息數(shù)據(jù)的處理需求；

(3)資源豐富[6].處理器芯片內(nèi)部包含數(shù)模轉(zhuǎn)換器、DMA控制器、定時器、存儲器以及多種類型接口等；

(4)供電電壓裕度較大.在正常工作環(huán)境下，供電電壓范圍為2.0～3.6 V.

STM32F103ZET6芯片結(jié)構(gòu)如圖2所示.

由圖2可知，STM32F103ZET6芯片包含多個功能模塊，并具有多種接口類型，能夠有效連接其他硬件單元，從而高效地完成數(shù)據(jù)處理任務(wù)[7].

1.3 網(wǎng)絡(luò)通信單元

通信單元是系統(tǒng)硬件與軟件運行的前提，也是鄉(xiāng)村綜合信息數(shù)據(jù)采集與傳輸?shù)幕A(chǔ).為了滿足設(shè)計系統(tǒng)的通信需求，選取以CC2530芯片為核心的Zigbee通信模式[8].CC2530通信芯片中具有增強型的控制內(nèi)核，并搭載可編程內(nèi)存，能夠滿足設(shè)計系統(tǒng)低能耗的需求.另外，該芯片可以根據(jù)用戶的需求，對自身運行模式進行靈活調(diào)節(jié).CC2530通信芯片關(guān)鍵性能指標如表1所列.

圖2 STM32F103ZET6芯片結(jié)構(gòu)

表1 CC2530通信芯片關(guān)鍵性能指標

根據(jù)設(shè)計系統(tǒng)網(wǎng)絡(luò)通信需求以及表1所列數(shù)值范圍，對CC2530通信芯片性能參數(shù)進行合理設(shè)置，從而保障設(shè)計系統(tǒng)的通信順暢.

上述過程完成硬件單元的選取與設(shè)計，但仍然無法實現(xiàn)鄉(xiāng)村綜合信息數(shù)據(jù)的智能管理，故以硬件為基礎(chǔ)，設(shè)計系統(tǒng)軟件模塊.

2 鄉(xiāng)村綜合信息數(shù)據(jù)智能管理系統(tǒng)軟件設(shè)計

系統(tǒng)軟件模塊包括數(shù)據(jù)關(guān)系挖掘模塊、數(shù)據(jù)智能管理模塊與數(shù)據(jù)庫構(gòu)建模塊.

2.1 數(shù)據(jù)關(guān)系挖掘模塊

一般情況下，鄉(xiāng)村綜合信息數(shù)據(jù)量較大，數(shù)據(jù)類型較為復(fù)雜，為數(shù)據(jù)智能管理帶來了極大阻礙，為此本文引入決策樹算法，深入挖掘數(shù)據(jù)之間的關(guān)系，并以樹狀結(jié)構(gòu)清晰地表示數(shù)據(jù)關(guān)系，以此來簡化數(shù)據(jù)的管理過程[9].

決策樹算法分裂標準為屬性選擇，即基于數(shù)據(jù)屬性來決定節(jié)點元組的分裂方式.假設(shè)鄉(xiāng)村綜合信息數(shù)據(jù)訓(xùn)練集為D，屬性總數(shù)量為m，其對應(yīng)類記為Ci，i取值范圍為[1,m].在決策樹算法運行過程中，節(jié)點N的分類屬性為最高信息增益的屬性，從而使元組分類信息量最小，樹結(jié)構(gòu)最簡單[10].

訓(xùn)練集D元組分類期望信息量表達式為：

(1)

式中:Info(D)表示識別訓(xùn)練集D中元組類標號需要的平均信息量，簡稱為訓(xùn)練集D的熵；pi表示訓(xùn)練集D中任意元組屬于Ci類的概率，由|Ci,D|/|D|計算，其中，Ci,D代表D中Ci類元組的集合；m代表元組數(shù)量.

以屬性A元組劃分為例，訓(xùn)練集中該屬性數(shù)據(jù)值為{a1,a2,…,av}，總數(shù)量為v，屬性A將訓(xùn)練集劃分為v個子集，表示為{D1,D2,…,Dv}，每一個子集均代表一個元組，一一對應(yīng)屬性數(shù)據(jù)值，也是節(jié)點N的分支.為了獲得精準的分類，需要度量屬性期望信息，計算公式為：

(2)

Gain(A)=αInfo(D)-βInfoA(D)，

(3)

式中:α與β表示決策樹生成輔助參數(shù).以公式(3)計算結(jié)果的最大值作為節(jié)點N的分裂屬性，實現(xiàn)原則分類信息的最小化.

通過上述過程完成鄉(xiāng)村綜合信息決策樹的構(gòu)建，顯示了數(shù)據(jù)之間的關(guān)系，為后續(xù)數(shù)據(jù)智能管理提供充足準備[11].

2.2 數(shù)據(jù)智能管理模塊

鄉(xiāng)村綜合信息數(shù)據(jù)智能管理主要包含數(shù)據(jù)清洗與數(shù)據(jù)編輯兩個功能.其中，數(shù)據(jù)清洗主要針對相似重復(fù)記錄進行刪除操作[12].設(shè)計系統(tǒng)應(yīng)用S-W算法對相似重復(fù)記錄進行識別，識別依據(jù)為數(shù)據(jù)屬性字段匹配數(shù)值，則屬性字段匹配表達式為

(4)

式中:E表示任意兩個數(shù)據(jù)的匹配分值矩陣；E(i,j)表示任意兩個數(shù)據(jù)前i個字符與前j個字符的最可能匹配分值；σ(i,j)表示輔助匹配參數(shù)，取值范圍為0～1.

另外，鄉(xiāng)村綜合信息數(shù)據(jù)智能管理過程中，記錄也存在著重復(fù)現(xiàn)象，其相似度度量公式表示為：

(5)

式中:RS(R1,R2)表示數(shù)據(jù)中記錄R1與R2之間的相似度；Fi表示記錄中的屬性字段；Wi表示屬性字段Fi對應(yīng)的權(quán)重數(shù)值.

將公式(4)、(5)計算結(jié)果與設(shè)置閾值進行比較，若大于閾值，表明數(shù)據(jù)或者記錄高度相似，即對其進行刪除操作，反之則進行保留操作[13].

數(shù)據(jù)編輯功能主要包括數(shù)據(jù)添加、導(dǎo)出等操作.鄉(xiāng)村綜合信息數(shù)據(jù)添加時序如圖3所示.

圖3 鄉(xiāng)村綜合信息數(shù)據(jù)添加時序

通過上述過程完成了鄉(xiāng)村綜合信息數(shù)據(jù)的清洗與編輯，實現(xiàn)了數(shù)據(jù)的智能管理，為鄉(xiāng)村規(guī)劃與發(fā)展提供幫助[14].

2.3 數(shù)據(jù)庫構(gòu)建模塊

數(shù)據(jù)庫主要承擔(dān)鄉(xiāng)村綜合信息數(shù)據(jù)運行、數(shù)據(jù)存儲等任務(wù)，以表格形式對數(shù)據(jù)進行分類存儲，方便數(shù)據(jù)的應(yīng)用與查詢[15].本系統(tǒng)部分數(shù)據(jù)庫表數(shù)據(jù)如表2所列.

表2 部分數(shù)據(jù)庫表

通過上述硬件單元與軟件模塊的設(shè)計，實現(xiàn)了鄉(xiāng)村綜合信息數(shù)據(jù)智能管理系統(tǒng)的運行，對鄉(xiāng)村綜合信息數(shù)據(jù)提供新的管理手段，有助于“數(shù)字鄉(xiāng)村”的建設(shè)與發(fā)展.

3 實驗分析

3.1 實驗準備階段

為了驗證設(shè)計系統(tǒng)的應(yīng)用性能，選取某鄉(xiāng)村作為實驗對象.以該鄉(xiāng)村某年綜合信息作為實驗數(shù)據(jù)，將數(shù)據(jù)量較大的6個月提取出來，對其進行整合與處理，為后續(xù)實驗做好準備.依據(jù)上述描述，獲得實驗數(shù)據(jù)如表3所列.

表3 實驗數(shù)據(jù)表

另外，決策樹算法輔助參數(shù)的選取也是影響實驗結(jié)論的關(guān)鍵，決定算法是否能夠達到最優(yōu)狀態(tài)，因此，需要在實驗開始之前，選取最佳輔助參數(shù).輔助參數(shù)與決策樹生成時間之間的關(guān)系曲線如圖4所示.

由圖4可知，當(dāng)α取值為0.28、β取值為0.68時，決策樹生成時間達到最小值10 s，說明此時決策樹算法能夠達到最佳狀態(tài).因此，實驗選組最佳輔助參數(shù)為α=0.28，β=0.68.

上述過程完成了實驗對象選取、實驗數(shù)據(jù)準備與決策樹算法參數(shù)的設(shè)置，以此為基礎(chǔ)，進行鄉(xiāng)村綜合信息數(shù)據(jù)智能管理實驗.參數(shù)實驗系統(tǒng)為設(shè)計系統(tǒng)與基于CART決策樹的CCL大數(shù)據(jù)有效信息提取系統(tǒng)(對比系統(tǒng))，通過系統(tǒng)響應(yīng)延遲及其搜索延遲來反映設(shè)計系統(tǒng)的應(yīng)用效果.

圖4 輔助參數(shù)與決策樹生成時間曲線

3.2 響應(yīng)延遲結(jié)果分析

鄉(xiāng)村綜合信息數(shù)據(jù)智能管理系統(tǒng)需要面對較大的數(shù)據(jù)量，涉及數(shù)據(jù)增加、刪除等較多操作，系統(tǒng)響應(yīng)速度直接決定系統(tǒng)的可用性.響應(yīng)延遲指的是用戶在點擊某一按鈕后的響應(yīng)時間.響應(yīng)延遲越短，表明系統(tǒng)響應(yīng)實時性越好.通過實驗獲得系統(tǒng)響應(yīng)延遲數(shù)據(jù)如圖5所示.

圖5 系統(tǒng)響應(yīng)延遲數(shù)據(jù)

由圖5可知，與對比系統(tǒng)相比較，本設(shè)計系統(tǒng)獲得的響應(yīng)延遲更短，表明設(shè)計系統(tǒng)能夠更快響應(yīng)用戶的需求.

3.3 搜索延遲結(jié)果分析

鄉(xiāng)村綜合信息數(shù)據(jù)智能管理系統(tǒng)主要服務(wù)于鄉(xiāng)村規(guī)劃與建設(shè)，這就要求其能夠快速提供鄉(xiāng)村建設(shè)所需的數(shù)據(jù).搜索延遲指的是數(shù)據(jù)搜索申請發(fā)出到返回正確數(shù)據(jù)的時間.搜索延遲越短，表明系統(tǒng)搜索性能越好.

通過實驗獲得系統(tǒng)搜索延遲數(shù)據(jù)如圖6所示.

圖6 搜索延遲數(shù)據(jù)

由圖6可知，與對比系統(tǒng)相比較，應(yīng)用設(shè)計系統(tǒng)獲得的搜索延遲更短，主要是因為決策樹算法將數(shù)據(jù)關(guān)系變得更加清晰、簡單.

上述實驗數(shù)據(jù)表明：相較于對比系統(tǒng)，應(yīng)用設(shè)計系統(tǒng)的響應(yīng)延遲與搜索延遲均較短，充分證實了設(shè)計系統(tǒng)的可用性.

4 結(jié)論

本文設(shè)計的鄉(xiāng)村綜合信息管理系統(tǒng)中，應(yīng)用決策樹算法挖掘了鄉(xiāng)村綜合信息數(shù)據(jù)之間的關(guān)系，在此基礎(chǔ)上，對信息數(shù)據(jù)進行相應(yīng)的管理.通過實驗驗證了設(shè)計系統(tǒng)的響應(yīng)性能與搜索性能，可以為鄉(xiāng)村綜合信息數(shù)據(jù)管理提供有效的支撐，也為數(shù)據(jù)管理研究提供一定的理論基礎(chǔ).