吳俊杰

(泉州信息工程學(xué)院，福建 泉州 362000)

在高校嵌入式專業(yè)教學(xué)中，物聯(lián)網(wǎng)課堂教學(xué)是重要的基礎(chǔ)性課程，課程的實(shí)踐性強(qiáng)，理論原理難，算法和程序也比較復(fù)雜，使得物聯(lián)網(wǎng)教學(xué)模式的選擇難度較大，需要對(duì)物聯(lián)網(wǎng)教學(xué)模式進(jìn)行優(yōu)化改革設(shè)計(jì)，結(jié)合大數(shù)據(jù)分析技術(shù)，進(jìn)行物聯(lián)網(wǎng)教學(xué)模式的優(yōu)化選擇，提高物聯(lián)網(wǎng)教學(xué)模式的自動(dòng)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(xué)模式優(yōu)化選擇模型，結(jié)合創(chuàng)新性的課程驅(qū)動(dòng)建設(shè)，構(gòu)建物聯(lián)網(wǎng)課程教學(xué)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(xué)模式選擇和控制能力[2]。在創(chuàng)新性的教學(xué)模式下，提高物聯(lián)網(wǎng)教學(xué)質(zhì)量，對(duì)此，提出一種基于大數(shù)據(jù)的物聯(lián)網(wǎng)教學(xué)最優(yōu)模式實(shí)證模型，采用統(tǒng)計(jì)分析方法構(gòu)建物聯(lián)網(wǎng)教學(xué)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(shù)，實(shí)現(xiàn)對(duì)物聯(lián)網(wǎng)教學(xué)最優(yōu)模式選擇和實(shí)證分析，提高物聯(lián)網(wǎng)教學(xué)的質(zhì)量，最后進(jìn)行實(shí)證分析驗(yàn)證，得出有效性結(jié)論。

1 物聯(lián)網(wǎng)教學(xué)最優(yōu)模式統(tǒng)計(jì)數(shù)據(jù)及特征分析

1.1 物聯(lián)網(wǎng)教學(xué)最優(yōu)模式統(tǒng)計(jì)數(shù)據(jù)建模

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

(1)

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

(2)

式中：p為物聯(lián)網(wǎng)教學(xué)模式選擇的條件概率分布個(gè)數(shù)；n(t)為物聯(lián)網(wǎng)教學(xué)的大數(shù)據(jù)調(diào)度干擾項(xiàng)；si(t)為物聯(lián)網(wǎng)教學(xué)的大數(shù)據(jù)統(tǒng)計(jì)特征量；a(θi)為物聯(lián)網(wǎng)教學(xué)的大數(shù)據(jù)調(diào)制成分，在物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的特征融合中心構(gòu)建任務(wù)調(diào)度SL集，用模糊聚類分析方法，構(gòu)建物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)識(shí)別的模糊隸屬函數(shù)：

(3)

(4)

式中：kμ(t)為t時(shí)刻物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的采樣帶寬；ΔTm(t)為t時(shí)刻物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的量化特征集；w為相對(duì)權(quán)重；Θ為kμ(t)的概率條件。結(jié)合限定穩(wěn)態(tài)條件，進(jìn)行物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的均衡調(diào)度，結(jié)合線性回歸分析方法進(jìn)行數(shù)據(jù)輸出的關(guān)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(shí)間序列分析方法進(jìn)行物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的特征分析和預(yù)測(cè)。通過對(duì)物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的前期統(tǒng)計(jì)值，在嵌入式系統(tǒng)教學(xué)中分析教學(xué)模式優(yōu)化的約束指標(biāo)參量集，采用相關(guān)性檢測(cè)方法進(jìn)行物聯(lián)網(wǎng)教學(xué)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(xué)模式統(tǒng)計(jì)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(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的模糊規(guī)則集，在數(shù)據(jù)元j的位置進(jìn)行物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的量化特征分解，在大數(shù)據(jù)聚類中進(jìn)行，進(jìn)行物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的調(diào)度分析，構(gòu)建迭代式，構(gòu)建物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)單變量時(shí)間序列為{xn}，用uj(t+1)為[0，1]范圍內(nèi)變化的統(tǒng)計(jì)大數(shù)據(jù)的關(guān)聯(lián)規(guī)則集，結(jié)合衰減向量分析方法進(jìn)行相似度特征變化，mbest(t+1)為大數(shù)據(jù)的語義關(guān)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(gè)聚類中心中統(tǒng)計(jì)大數(shù)據(jù)的模糊約束參量，物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的回歸向量a1和a2，在M維隨機(jī)向量中，得到物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的統(tǒng)計(jì)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(xué)模式統(tǒng)計(jì)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(jìn)行特征搜索，得到第t代搜索到的最優(yōu)位置的適應(yīng)值，對(duì)物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)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(jī)向量；c1為物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的關(guān)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(shí)現(xiàn)對(duì)物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)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(duì)物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)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(xué)最優(yōu)模式數(shù)據(jù)融合及聚類

2.1 物聯(lián)網(wǎng)教學(xué)最優(yōu)模式統(tǒng)計(jì)數(shù)據(jù)融合處理

構(gòu)建物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)時(shí)間序列{x(t0+iΔt)}，i=0，1，…，N-1，采用模糊二自由度控制方法，對(duì)物聯(lián)網(wǎng)教學(xué)最優(yōu)模式統(tǒng)計(jì)數(shù)據(jù)進(jìn)行信息融合和自適應(yīng)更新，物聯(lián)網(wǎng)教學(xué)最優(yōu)模式統(tǒng)計(jì)數(shù)據(jù)的信息更新規(guī)則如式(10)：

(10)

其中

(11)

(12)

采用相關(guān)性檢測(cè)方法進(jìn)行物聯(lián)網(wǎng)教學(xué)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(jìn)行物聯(lián)網(wǎng)教學(xué)最優(yōu)模式大數(shù)據(jù)聚類[6]，對(duì)物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)時(shí)間序列進(jìn)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(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的離散特征序列，得到物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的正相關(guān)性特征量分量的均值為：

(14)

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

2.2 物聯(lián)網(wǎng)教學(xué)最優(yōu)模式聚類選擇

給出物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)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(xué)模式統(tǒng)計(jì)大數(shù)據(jù)預(yù)測(cè)的負(fù)載為Mh，在產(chǎn)生一組聚類屬性特征V后，進(jìn)行物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)屬性集調(diào)度[7]。采用Sigma檢驗(yàn)可得物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的判據(jù)為：1)S≥2.00，物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的識(shí)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(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的識(shí)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(gòu)建支持向量機(jī)模型，采用Ru，v表示物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)屬性集的模糊集合質(zhì)量，對(duì)物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)調(diào)度的關(guān)聯(lián)規(guī)則屬性為v。Ru，v表示互相關(guān)函數(shù)，物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)識(shí)別的優(yōu)化指標(biāo)量化集為(RT1，RT2)，根據(jù)聚類結(jié)果構(gòu)建物聯(lián)網(wǎng)教學(xué)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(shí)現(xiàn)物聯(lián)網(wǎng)教學(xué)最優(yōu)模式構(gòu)造，得到物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)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(xué)模式統(tǒng)計(jì)大數(shù)據(jù)集合中含有n個(gè)樣本，樣本xi，i=1，2，…，n，結(jié)合SVM學(xué)習(xí)方法，得到量化特征關(guān)系為：

(17)

采用修正的支持向量機(jī)學(xué)習(xí)模型進(jìn)行到物聯(lián)網(wǎng)教學(xué)模式分類器設(shè)計(jì)，得到物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)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(gòu)建物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)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(shí)現(xiàn)物聯(lián)網(wǎng)教學(xué)最優(yōu)模式構(gòu)造，得到統(tǒng)計(jì)特征量為：

(19)

如果其中Δ>0且rij>0，表示物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的時(shí)滯項(xiàng)：

(20)

結(jié)合最優(yōu)模式選擇方法，實(shí)現(xiàn)對(duì)物聯(lián)網(wǎng)教學(xué)最優(yōu)模式實(shí)證檢驗(yàn)分析。

3 實(shí)證分析與驗(yàn)證

為了驗(yàn)證該方法在實(shí)現(xiàn)物聯(lián)網(wǎng)教學(xué)最優(yōu)模式選擇和控制中的應(yīng)用性能，進(jìn)行實(shí)證驗(yàn)證，采用Matlab進(jìn)行仿真實(shí)驗(yàn)，有效帶寬Be為12 dB，初始訓(xùn)練集規(guī)模為200，樣本長(zhǎng)度為1 024，采樣頻率fs=5f0=100 kHz，T=10 ms，對(duì)物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)的采樣規(guī)模集見表1。

表1 物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)大數(shù)據(jù)分布集

根據(jù)上述實(shí)驗(yàn)分析，構(gòu)建物聯(lián)網(wǎng)教學(xué)模式統(tǒng)計(jì)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(jìn)行物聯(lián)網(wǎng)教學(xué)最優(yōu)模式實(shí)證分析，得到統(tǒng)計(jì)分布如圖2所示。

分析圖2得知，采用該方法進(jìn)行物聯(lián)網(wǎng)教學(xué)最優(yōu)模式實(shí)證分析，統(tǒng)計(jì)特征分布具有顯著的正相關(guān)性，說明信息融融合度較高，對(duì)物聯(lián)網(wǎng)教學(xué)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(jì)分布值

4 結(jié)語

為了提高物聯(lián)網(wǎng)的教學(xué)質(zhì)量，提出一種基于大數(shù)據(jù)的物聯(lián)網(wǎng)教學(xué)最優(yōu)模式實(shí)證模型，采用統(tǒng)計(jì)分析方法構(gòu)建物聯(lián)網(wǎng)教學(xué)的大數(shù)據(jù)回歸分析模型，在嵌入式系統(tǒng)教學(xué)中分析教學(xué)模式優(yōu)化的約束指標(biāo)參量集，采用相關(guān)性檢測(cè)方法進(jìn)行物聯(lián)網(wǎng)教學(xué)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(jìn)行物聯(lián)網(wǎng)教學(xué)最優(yōu)模式大數(shù)據(jù)聚類，根據(jù)聚類結(jié)果構(gòu)建物聯(lián)網(wǎng)教學(xué)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(shí)現(xiàn)物聯(lián)網(wǎng)教學(xué)最優(yōu)模式構(gòu)造。研究得知，采用該方法進(jìn)行物聯(lián)網(wǎng)教學(xué)最優(yōu)模式選擇的數(shù)據(jù)融合性較好，說明對(duì)教學(xué)模式選擇的合理性較為準(zhǔn)確，提高了物聯(lián)網(wǎng)環(huán)境下的教學(xué)模式優(yōu)化和控制能力，具有很好的應(yīng)用價(jià)值。