基于大数据分析技术的网络自动编程系统研究

续 蕾

（辽宁对外经贸学院，辽宁 大连 116052）

0 引言

随着软件技术的发展，通过网络自动编程系统的优化设计进行软件设计，构建嵌入式的网络自动编程系统，提高软件设计的自动化水平和兼容性，采用软件交叉编译控制方法进行软件开发和自动编程，以集成电路和软件技术为基础的网络自动编程系统成为加快软件开发的基础性系统，通过对网络自动编程系统的优化设计，提高软件进行指令程序加载和编译的能力［1］.研究网络自动编程系统的优化设计方法，在促进网络编程的优化以及软件的自主开发方面具有重要意义，相关的网络自动编程系统设计方法研究受到人们的极大关注.

对网络自动编程系统的设计是建立在对网络自动编程指令集的大数据分析基础上，结合对网络自动编程大数据集的自适应调度和特征信息融合，提取网络自动编程指令数据的相关性特征量，实现网络自动编程设计［2］，对此，本文提出一种基于大数据分析技术的网络自动编程方法.构建网络自动编程的大数据分析模型，采用分布式信息融合方法进行网络自动编程的大数据特征提取，构建网络自动编程的多级指标评价体系，实现网络自动编程优化.在总线集成模型中进行网络自动编程系统的嵌入式设计，最后进行仿真实验分析，展示了本文方法在提高网络自动编程能力方面的优越性能.

1 网络自动编程的大数据信息采样和特征提取

1.1 总体构架及网络自动编程的大数据信息采样

网络自动编程系统的设计是整个软件设计的基础，为了实现网络自动编程的优化设计，结合网络自动编程的质量指标体系构建，进行网络自动编程系统可靠性设计，建立网络自动编程系统的模糊度量指标量化集［3］，得到网络自动编程系统设计的总体结构模型如图1所示.

分析图1得知，对网络自动编程系统的设计是通过过程质量控制和内部质量属性控制的，结合外部度量、过程度量和应用质量度量结合的方式，进行网络自动编程系统的指标设计总体模型构建，分析网络自动编程系统的评价性指标量化集［4］，得到网络自动编程系统的指标评价分布如图2所示.

根据上述总体设计构架，构建网络自动编程的大数据分析模型，采用分布式信息融合方法进行网络自动编程的大数据特征提取，进行网络自动编程大数据调度和采样的物联网节点部署，采用数据封装技术，进行网络自动编程的程序加载和量度，其计算公式为：

式中，TC为网络自动编程大数据的模糊数据集总数目，Md(Ci)表示网络自动编程大数据特征属性集Ci中的种类数，提取网络自动编程大数据的规则性特征量，采用自适应交叉编译控制方法，进行网络自动编程大数据的耦合性控制，得到网络自动编程大数据采集的关联特征分布计算公式为：

式中，TC2-TC为网络自动编程系统的最大耦合度.根据对网络自动编程系统的大数据采集结果进行特征分析和自适应数据聚类处理，提高网络自动编程系统的模糊调度和自适应控制能力［5］.

1.2 网络自动编程大数据的特征提取

为了实现网络自动编程系统优化设计，采用大数据分析方法，进行网络自动编程大数据的特征集优化提取，首先构建云服务组合模式下网络自动编程大数据的分布式数据结构模型，结合数据分布结构模型进行多态因子（POF）调度，得到网络自动编程大数据的多态因子分布如下：

式中，Mo(Ci)为Ci(i= 1，2，...，n)中的网络自动编程大数据的特征加载链路集，DC(Ci)为Ci(i=1，2，...，n)的网络自动编程大数据的所有子类数，Mn(Ci)为Ci(i= 1，2，...，n)的网络自动编程大数据的量化分布集.设有m个网络自动编程大数据Sink节点A1，A2，…，An，对于一组连续的网络自动编程大数据，采用连续模板匹配技术进行网络自动编程大数据的分布式结构重组，公式为：

式中，Ad(Ci)为Ci的网络自动编程大数据的特征分布属性数目.簇中的所有成员节点将网络自动编程大数据传输到CH的次数为：

结合相关性样本特征检测方法，得到网络自动编程大数据的优化特征提取输出：

其中，D的取值与M具有关联性，综上分析，进行网络自动编程大数据的特征提取，根据特征提取结果进行大数据的融合聚类分析［6］.

2 网络自动编程技术优化

2.1 合成运算和模糊综合评价决策

在上述构建网络自动编程的大数据分析模型，采用分布式信息融合方法进行网络自动编程的大数据特征提取的基础上，进行网络自动编程方法的优化设计，本文提出一种基于大数据分析技术的网络自动编程方法.采用主从式训练控制方法，得到整个网络自动编程的大数据采样的模糊分布聚簇模型的总数为，则M轮的簇间调度过程中，网络自动编程的大数据调度的关联特征量M小于时，需要计算h- 1跳网络自动编程的大数据聚类的聚类中心，得到网络自动编程的大数据优化聚类分布式：

结合模糊隶属度分析方法进行网络自动编程的合成运算和模糊综合评价决策，结合统计检测和模糊决策方法进行网络自动编程大数据的动态特征分布式调度［7］，得到网络自动编程大数据调度的最优簇分布N*c为：

假设i为网络自动编程大数据交互的相空间嵌入维数，用关联规则项约束方法，得到网络自动编程大数据合成运算输出为：

其中，an表示网络自动编程大数据合成运算的线性规划模型，构造网络自动编程大数据模糊综合评价决策模型［8］，表达如下：

假定当前网络自动编程大数据分布节点的数目为n，N1，…，Nn，结合模糊综合评价决策结果进行信息融合处理，提高模糊综合评价决策和大数据指令加载能力.

2.2 网络自动编程的过程优化

基于状态空间模型参数的递推辨识方法，得到网络自动编程大数据分布的原点矩oi的坐标为(xi，t+1，yi，t+1)，在融合中心进行自动编程过程中的语义特征分析，构建网络自动编程的多级指标评价体系为：

采用统计平均方法，构建网络自动编程大数据分布的时态结构模型，结合特征重建的方法，得到分布概率特征为0 ≤p(ai)≤1(i= 0，1，2，…，m)且表示网络自动编程大数据的自回归统计特征参量，得到网络自动编程大数据分类的属性集满足：

综上分析，结合模糊隶属度分析方法进行网络自动编程的优化决策，得到优化决策输出为：

式中，Ps(si)表示网络自动编程大数据的语义概念集si出现在程序质量分布区域S的概率.综上分析，实现网络自动编程的大数据分析及算法设计.

3 系统开发设计与实现

在上述进行了网络自动编程系统的软法开发设计和大数据指令集分析的基础上，进行网络自动编程系统的软件开发设计，结合集成的信息处理器和PLC逻辑可编程芯片，进行对网络自动编程的硬件模块化设计，本文设计的网络自动编程系统的上位机模块主要有信息处理模、指令加载模块和总线传输控制模块，在总线集成模型中进行网络自动编程系统的嵌入式设计，采用程序自动编译和指令自适应加载方法，进行网络的自动编程和大数据分析，在ZigBee组网协议中进行网络自动编程的组网设计和连通性测试，采用模糊控制方法，进行网络自动编程的指令加载和智能控制，采用32位嵌入式设计方法进行网络自动编程系统的输出信息采样，结合交叉编译控制技术，进行网络自动编程系统的编译控制和人工智能设计［9］，在Micro Channel扩充总线中进行网络自动编程的指令加载，综上分析，得到系统的软件集成开发设计如图3所示.

4 仿真实验与结果分析

为了测试本文方法在实现网络自动编程中的应用性能，进行仿真实验分析，实验中对网络自动编程的软件设计采用Matlab设计，在嵌入式的Linux内核中进行网络自动编程系统的开发设计，在A/D和D/A中实现上位机通信和总线控制，采用16位的196.608KSa/Sec/Chan 数字化总线控制方法进行网络自动编程的人机交互及总线开发，对网络自动编程的指令数据采样的样本数为120，循环迭代次数为2 000，并与Boehm模型和ISO/IEC 9126模型进行对比，得到网络自动编程的大数据融合输出如图4所示.

根据图4的融合结果，构建网络自动编程的多级指标评价体系，实现网络自动编程优化，得到编程控制误差对比结果如图5所示.

分析图5得知，采用本文方法能有效提高网络自动编程的准确性，降低输出误差，提高了编程效率.

5 结语

通过对网络自动编程系统的优化设计，提高软件进行指令程序加载和编译的能力，研究网络自动编程系统的优化设计方法，在促进网络编程的优化以及软件的自主开发方面具有重要意义.本文提出一种基于大数据分析技术的网络自动编程方法.构建网络自动编程的大数据分析模型，采用分布式信息融合方法进行网络自动编程的大数据特征提取，提取网络自动编程大数据的关联特征量，构建网络自动编程的多级指标评价体系，实现网络自动编程优化.在ZigBee组网协议中进行网络自动编程的组网设计和连通性测试，采用模糊控制方法，进行网络自动编程的指令加载和智能控制，实现网络的自动编程和大数据分析，本文系统进行网络自动编程的效率较高，数据融合性较好，输出误差较小.