基于云计算的高校档案资源智能共享方法研究*

赵男男

(广东海洋大学 寸金学院，广东 湛江 524094)

0 引言

随着信息化的不断发展，社会对信息管理水平的要求不断提高[1]。高校档案管理质量能够衡量学校教学质量、管理水平和评估科技成果，因此具有十分重要的作用[2-3]。在网络信息化背景下，各种信息数据以急速增长的趋势时刻发生变化，如何对复杂的高校档案信息进行处理成为现阶段急需解决的问题。相关专家学者对该问题的研究已取得了一定的研究成果[4]。

文献[5]提出一种基于ILS系统的图书馆资源共享方法，该方法能够加快图书馆信息共享速率、提高图书馆资源信息化建设水平。该方法虽然能够实现高校档案信息的共享，但是存在资源检索查准性较低的问题。文献[6]提出一种基于博弈论的D2D通信资源共享算法，将博弈论引入到通信资源共享处理过程中，分配通信链路，以此来保障资源的顺利传输。该算法能够提升通信资源共享质量，但是由于没有考虑到网络吞吐量的问题，通信信道利用率不高，从而导致资源输出的误比特率较高。文献[7]在服务经济视域下构建了高校档案信息资源平台，在平台构建过程中将服务经济与档案信息资源二者有机结合起来，同时，通过建立档案信息资源数据库与高校档案信息资源发布系统来提升平台的个性化服务水平。经实验分析可知，该平台能够为用户提供较好的使用体验，但是同样存在资源检索查准性较低的问题。

本研究针对现有处理方法存在的问题，提出基于云计算的高校档案资源智能共享方法。通过分析实验结果可知，与现有方法相比较，该方法在提高高校档案资源智能共享能力方面具有优越性，有效解决了现有处理方法资源检索查准性较低的问题。

1 高校档案资源智能共享信息融合模型构建

1.1 信息融合模型

将云计算技术应用于解决高校档案资源智能共享方法的优化，首先需要构建高校档案资源信息库模型，采用有向图分析方法，进行高校档案资源智能共享的统计分析和大数据融合处理[8]，高校档案资源智能共享信息融合模型如图1所示。

图1 高校档案资源智能化共享的信息融合模型

假设高校档案资源信息存储的节点分布图模型属性集为X={x1,x2,…,xn}，n是高校档案资源数据挖掘对象集X的数目，X中数据库计算候选集的关键特征点表示为一个p维矢量，则高校档案资源共享的知识迁移模型为：

(1)

采用有向图模型构建高校档案资源信息库的检索节点分布结构模型，在信息库中进行语义关联规则分析[9]，可以得到高校档案资源智能共享更新规则约束参量θ的解：

θ=mintr{PA⊥UsWUsH}=maxtr{PAUsWUsH}

(2)

根据高校档案资源的属性分布进行共享调度，得到高校档案资源信息评价因素准则为：

(3)

高校档案资源信息资源评价矩阵为：

R=(rij,aij)m×n

分布集的优化特征解为：

Φ=diag[ejφ1,…,ejφP]

(4)

在高维相空间中引入高校档案资源的互信息熵：

(5)

(6)

式中，用pi,j(t)表示高校档案资源智能共享调度速率，采用内源性融合调度方法，进行高校档案资源信息融合。

1.2 高校档案资源的分布式存储结构

在信息融合模型的基础上，分析高校档案资源的分布式存储结构，提取高校档案资源的语义关联规则特征集，采用云计算方法实现高校档案资源的大数据库重建：

(7)

其中，t为当前调阅的高校档案资源的统计特征量，得到高校档案资源融合共享的多元回归约束模型为:

(8)

(9)

采用模糊C均值聚类方法，构建高校档案资源共享的模糊中心向量C(Y)，利用相似度评价方法，进行高校档案资源分布结构重组[10]，构建高校档案资源共享的优化存储和调度结构模型如图2所示。

图2 高校档案资源共享优化存储和调度结构模型

2.1 构建云计算模型

采用云计算方法实现高校档案资源的大数据库重建，采用特征重建重构方法进行高校档案资源智能共享设计，结合语义规则性重组方法进行资源重排，得到高校档案资源的关联规则集为A2(θ)=A(θ)Φ，进行高校档案资源的自相关特征匹配，得到高校档案资源共享的特征匹配模型为：

(10)

其中，cosinij→x(dij,dxv)为高校档案资源的融合聚类特征集，利用Sigmoid函数对高校档案资源智能共享过程进行优先级排序，输出为：

(11)

此时，高校档案资源中的关联数据di通过优先级列表进行自适应重组，得到高校档案资源的有向分布向量集si，其中a和b为可调系数，高校档案资源智能共享的模糊向量vi，vi=((w1，t1)，(w2，t2)，…(wj，tj))，根据高校档案资源的语义特征分布集，确定高校档案资源智能共享调度的判决准则为：

(12)

在高校档案资源库中，调度数据的优先级聚类模型为：

(13)

综上分析，完成对高校档案资源的自适应融合聚类处理模型的构建[11]。分析该模型可知，高校档案资源智能共享特征分布集在t中的聚类簇为ci，分簇调度的关联特征量为：

(14)

x(t)=Re{an(t)e-j2πfcτn(t)sl(t-τn(t))e-j2πfct}

(15)

设高校档案资源共享的通道数为P，构建高校档案资源智能共享的关联性决策函数为：

(16)

综上分析，完成对高校档案资源智能共享云计算模型的设计[12]。

2.2 高校档案资源信息共享优化

以高校档案资源智能共享云计算模型为基础，计算描述高校档案资源信息库的文本特征向量vi，vi=((w1，t1)，(w2，t2)，…(wj，tj))，采用决策相似度(相关性)分析方法，得到高校档案资源智能共享的模糊集为：

V={vij|i=1,2,…,c,j=1,2,…,s}

(17)

其中Vi为高校档案资源的关联分析度量值，使用多元回归分析方法，得到高校档案资源智能共享的算式为：

Ui,j(t)=exp[-b[zi(t)-zj(t)]2]

(18)

采用相关性的统计分析方法，得到高校档案资源共享的相似度为：

(19)

其中：pi,j(t)为高校档案资源共享的模糊相关性特征分布集，Δp(t)为高校档案资源共享的模糊决策增量值。用4元组(Ei,Ej,d,t)来表示高校档案资源共享调度的主特征决策树[13]，Ei，Ej是有向图分岔节点，得到高校档案资源共享的差异化融合特征量：

(20)

式中，m为高校档案资源分布的有限数据集，(dik)2为相似度分布映射，表示高校档案资源的决策性自变量为：

(dik)2=‖xk-Vi‖2

(21)

且

(22)

采用大数据融合方法实现高校档案资源智能共享的算法设计，结合自相关特征匹配方法实现高校档案资源信息库的语义特征提取，在此基础上以SQLServer数据库作为高校档案资源智能共享方法的数据管理引擎，建立高校档案资源智能共享目录表和资源属性表，在GSM网络结构开发高校档案资源智能共享系统的传输信令，结合分组控制方法(PCU,Packet Control Unit)进行高校档案资源智能共享步骤[14]，构建ZigBee网络应用服务层进行高校档案资源智能共享数据的交换和控制，从而实现了高校档案资源智能的共享设计[15]。

3 实验与结果分析

为了测试基于云计算的高校档案资源智能共享方法的应用性能，结合Matlab进行仿真实验分析。

3.1 实验数据

为了确保实验结果具有准确性，实验所用数据均来自于Google Dataset Search 数据库，该数据库中包含大量各种类型的数据，选取其中Wine、Labalme和linux数据集作为实验所用数据，档案资源采样的样本长度为1024，数据规模为2000M，根据上述实验参数进行对比实验分析，可以确保数据的可靠性。

3.2 实验结果分析

建立高校档案资源智能共享的云计算模型，得到高校档案资源智能共享的数据输出如图3所示。

图3 高校档案资源智能共享的数据输出

分析图3得知，采用该方法进行高校档案资源智能共享时，数据输出融合性较好，说明运用该方法能够保证数据资源的完整性，使用户获得更好的体验。

在资源共享中，数据传输效率会影响共享效果，因此以数据传输速率为实验指标，对比传统方法与所提方法的差异性。图4为文献[5]、[6]方法以及该方法在高校档案资源智能共享过程中数据传输速率的对比结果。

图4 不同方法下高校档案资源数据传输速率对比

分析图4可知，采用文献[5]方法传输高校档案资源数据时，随着数据数量的增加，数据传输速率率保持增长的趋势，平均传输速率保持在30%～45%之间；运用文献[6]方法传输高校档案资源数据时，数据传输速率在数据量为1～1300 M之间呈现持续增长的趋势，最高速率为43%；但随后出现了较大的下降趋势。相比较而言，所提方法的数据传输速率明显优于传统方法，其最高数据传输速率可以达到75%。这是由于该方法采用有向图分析方法，统计分析高校档案资源，根据分析结果构建高校档案资源智能共享的信息融合模型，运用该模型融合处理大数据集。数据处理结果有利于提高档案资源的共享相率，说明该方法具有有效性与实际应用性。

为了进一步测试所提方法的输出误比特率方面的优势，将其与文献[5]方法、文献[6]方法进行对比，得到对比结果如图5所示。

图5 输出误比特率对比

分析图5得知，采用该方法进行高校档案资源智能共享设计的输出误比特率明显低于文献[5]方法和文献[6]方法，说明对档案资源检索的查准性较高，提高了高校档案资源智能共享能力。

通过上述实验结果可以看出，本研究所提出的基于云计算的高校档案资源智能共享方法能较大提升高校档案资源共享准确率与速率，充分说明所提方法具备更好的使用性能。

4 结 语

为了提高网络化背景下高校档案资源信息的大数据管理水平，建立高校档案资源的信息数据库，对高校档案资源信息进行智能管理和检索，本文提出基于云计算的高校档案资源智能共享优化方法。构建高校档案资源智能共享的信息融合模型，分析高校档案资源的分布式存储结构，采用云计算方法实现高校档案资源的大数据库重建，采用特征重建重构方法进行高校档案资源智能共享设计，建立高校档案资源智能共享的云计算模型。采用大数据融合方法实现高校档案资源智能共享的算法设计，结合自相关特征匹配方法实现高校档案资源信息库的语义特征提取，实现高校档案资源智能共享平台的优化设计。研究得知，该方法进行高校档案资源智能共享的水平较高，系统稳定性较好。未来将进一步对资源共享方法进行优化，会侧重研究数据融合过程中的抗干扰问题，以此来进一步增强数据共享的速率、准确性，从而提升方法的整体有效性，争取进一步加强该方法的应用价值。