劉赟

摘要：隨著教育體制的改革，國家對職業(yè)教育的發(fā)展更加重視。為了滿足社會上對職業(yè)技能人才的需求，職業(yè)院校與社會企業(yè)之間建立的共同教育的模式，通過校企合作來為學生提供更多的實訓機會?；谠萍夹g開發(fā)的實訓云平臺，能夠為職業(yè)教育提供新的教學方式，通過實訓云平臺的開發(fā)與設計，優(yōu)化數(shù)據(jù)挖掘算法，提高實訓管理水平。

關鍵詞：職業(yè)教育;實訓云平臺;開發(fā);算法

在職業(yè)教育的實訓管理中，需要綜合考慮到院校方面、學生方面以及企業(yè)方面的需求，在設計開發(fā)實訓云平臺時，要堅持校企教育的實踐性，強化實訓信息的統(tǒng)一管理，并以實訓云平臺為紐帶，增強職業(yè)院校、學生以及企業(yè)的溝通，也讓職業(yè)院校能夠更加全面準確地評估實訓效果。

1基于實訓云平臺系統(tǒng)開發(fā)設計

1.1院系管理模塊設計

基于實訓云平臺的開發(fā)，需要在職業(yè)學校統(tǒng)一管理下，構建起有效的運行模式。由于現(xiàn)代職業(yè)教育發(fā)展中，校企合作發(fā)揮著重要的作用，在安排學生開展實訓時，學校教務負責人，要對整個實訓過程進行全面的了解和掌握，才能夠更加深入地評價整個實訓過程的效果，以便職業(yè)院?？梢苑e累實訓經驗，提高實訓管理水平，完善實訓管理機制，為學生提供積極有效的實訓指導[1]。在院系管理模塊設計中，需要從學生實訓的目標以及流程的角度，去安排實訓方案，如學生實訓的條件、環(huán)境、壓力以及后續(xù)的合同簽訂等，這些都是院系管理模塊所必須包括的內容。

1.2學生實訓模塊設計

1.2.1學生實訓云報名

實訓云平臺的主要服務對象是職業(yè)院校的學生，因此在學生實訓模塊設計中，應當以學生需求為核心，從學生報名到學生參與實訓，以及最后的學生實訓成績等方面，要通過詳細的實訓業(yè)務流程來進行說明和指導，如讓學生在實訓云平臺上先詳細查詢并了解企業(yè)的相關信息，在選擇適當?shù)膶嵱柶髽I(yè)后，再選擇實訓崗位，最后進行實訓報名及確認[2]。

1.2.2 學生實訓的云平臺管理

學生實訓模塊設計，還要綜合考慮到實訓報告管理、實訓質量評估、實訓問題交流等內容。在實訓報告的管理中，應當能夠為學生提供實訓報告模塊，學生根據(jù)自身的實訓情況，對實訓環(huán)節(jié)進行闡述，并對實訓結論進行總結。學生實訓模塊中的實訓報告，可以在云平臺上進行錄入和提交，而實訓老師則可以在云平臺上瀏覽學生的實訓報告，并進行評價打分，學生的實訓報告以及評分會統(tǒng)一存儲于云平臺中，以便后期對學生進行數(shù)據(jù)分析實現(xiàn)綜合評定[3]。

1.3信息云公告模塊設計

實訓云平臺的信息云公告模塊設計，需要具備及時性，能夠將職業(yè)院校以及企業(yè)需要發(fā)布的信息，及時準確地呈現(xiàn)在實訓云平臺上，使學生能夠了解最新的實訓信息。在信息云公告發(fā)布前，需要提前創(chuàng)建好信息模板[5]。信息云公告模塊設計中，應當能夠提高信息發(fā)布時間的選擇功能，在系統(tǒng)中設定發(fā)布日期、公告性質等，并面向所有的實訓參與者。

2校企合作模式下的實訓云平臺功能實現(xiàn)

2.1實訓云平臺服務器環(huán)境

校企合作模式下的實訓云平臺，需要有一個基于互聯(lián)網的服務器集群，能夠完成平臺上的邏輯處理指令。根據(jù)實訓云平臺服務器類型，可以分為集群化云服務器和數(shù)據(jù)庫服務器。云服務器作為主要的實訓信息處理核心，應能具有操作系統(tǒng)以及數(shù)據(jù)庫的信息調用能力，并通過代碼解析來完成數(shù)據(jù)處理。

2.2實訓云平臺各功能實現(xiàn)

2.2.1實訓云平臺登錄功能實現(xiàn)

在實訓平臺管理中，擁有登錄權限的使用者，需要向平臺系統(tǒng)提出登錄申請。登錄申請轉化為指令形式后，傳輸至服務器。服務器會根據(jù)預先設置的參數(shù)，對申請進行判斷。如果申請信息包含了參數(shù)中沒有的內容，那么請求會被拒絕，反之申請會被接受，用戶即可進入實訓平臺系統(tǒng)。

2.2.2 實訓云平臺信息功能實現(xiàn)

職業(yè)院校在校企合作中，主要是將企業(yè)所提供的實訓崗位信息等，錄入到平臺上以供學生進行選擇，并將學生的實訓信息反映在平臺上。實訓云平臺功能實現(xiàn)，將建立數(shù)據(jù)信息之間的連接，通過將操作代碼附加在動態(tài)數(shù)據(jù)之上。在實訓信息構建中，通過系統(tǒng)參數(shù)和查詢對象的對應關系，可以對學生實訓的信息進行編輯和存儲。

3實訓云平臺數(shù)據(jù)挖掘的算法優(yōu)化

3.1實訓云平臺數(shù)據(jù)挖掘的作用

3.1.1 概念描述

并非對數(shù)據(jù)進行簡單枚舉，而是泛化數(shù)據(jù)的一種形式。通過采用準確的、匯總的及精煉的模式對數(shù)據(jù)進行描述。

3.1.2關聯(lián)分析

通常情況下，數(shù)據(jù)倉庫中各種數(shù)據(jù)都存在一定的關聯(lián)關系，這些管理常常錯綜復雜，乃至蘊藏在表層信息之下。通過關聯(lián)分析發(fā)掘各數(shù)據(jù)間各類隱含的信息，就能夠有效提升數(shù)據(jù)的利用價值。對事務數(shù)據(jù)庫實施關聯(lián)規(guī)則挖掘時，用戶合理設置挖掘參數(shù)，就可從大量數(shù)據(jù)中挖掘出有價值的數(shù)據(jù)項之間的相關關系，從而分析出一些蘊藏的有用信息。

3.1.3 分類與預測

分類目標就是建立具有區(qū)分數(shù)據(jù)庫且給予描述的模型，以此對未知對象類進行區(qū)分與標記。通過分析或者使用訓練集建立一個描述，對數(shù)據(jù)或概念進行預先定義，然后采用分類器對未知數(shù)據(jù)類進行分析。

3.2 K-means算法的優(yōu)化

數(shù)據(jù)挖掘有多種算法方式，主要有K-means、KNN、EM及Naive Bayes等各種算法，在這些算法中，K-means屬于最經典更是使用最廣泛的方法。因此，本文選用K-means算法的優(yōu)化進行研究具有代表性。

傳統(tǒng)K-means算法運行過程中，用戶要提前提供出聚類數(shù)目K，通常情況下，需要針對相關數(shù)據(jù)的分析結果及經驗，確定一個比較合適的k值，如果先驗經驗缺失，可以交叉驗證的方式確定k值。

待k值個數(shù)確定之后，應當選擇k個初始化質心?？紤]到本研究中用到的是啟發(fā)式的方法，因此運行時間及最后的聚類結果將會受到相關數(shù)量初始化質心具體位置的影響。因此，要對質心數(shù)量k的合理性進行評估，并且確保相關質心不能過近。

以傳統(tǒng)的K-Means算法流程來看：

首先輸入樣本集D={x1，x2，...，xm}D={x1，x2，...，xm}，其中最大迭代次數(shù)為N，聚類的簇樹為k，再輸出簇劃分C={C1，C2，...，Ck}C={C1，C2，...，Ck}

1）在數(shù)據(jù)集D當中，隨機選擇k個樣本，并以其作為初始的k個質心向量：{μ1，μ2，...，μk}

2）對于n=1，2，...，N

a）將簇劃分C初始化為Ct=φt=1，2，...，k

b）針對i=1，2，...，m，計算樣本xi與各個質心向量μj（j=1，2，...，k）的距離：dij=∥xi?μj∥2/2;將xi標記最小的為dij所對應的類別λi，此時更新Cλi=Cλi∪{xi}

c）針對j=1，2，...，m，對Cj當中全部樣本點，重新計算新質心μj=1/∣cj∣∑x∈cj

d）在研究當中，若發(fā)現(xiàn)所有k個質心向量都保持不變，則可以進行下一計算環(huán)節(jié)。

3）輸出簇劃分C={C1，C2，...，Ck}C={C1，C2，...，Ck}

3.3 優(yōu)化后的elkan K- Means與Mini Batch K-Means算法

在以往的K-Means算法當中，在每個環(huán)節(jié)迭代時，需要對所有樣本點到質心間的距離進行計算，往往會花費較多的時間和精力。為此，專業(yè)人士致力于尋求更簡便的計算方法，而elkan K-Means算法則是實踐證明比較好用的方法之一，有助于減少冗余的距離計算流程。

具體來講，elkan K-Means在減少距離計算方面，沖利用了以下兩點三角形性質：其一，兩邊之和大于等于第三邊;其二，兩邊之差小于第三邊。該性質的應用，可以有效減少距離的計算流程，達到簡化計算的目的。其主要規(guī)律及原理如下。

規(guī)律一，主要是針對一個樣本點x以及兩個質心μj1，μj2。在計算研究之前，可以先計算出兩個質心的距離：D（j1，j2），在計算期間若發(fā)現(xiàn)2D（x，j1）≤D（j1，j2），便可以分析出以下結論：D（x，j1）≤D（x，j2）。為此，無須再對 D（x，j2）進行計算，減少了計算步驟。

規(guī)律二，主要是針對一個樣本點x以及兩個質心μj1，μj2。通過計算可與得出D（x，j2）≥max{0，D（x，j1）?D（j1，j2）}，而該規(guī)律是從三角形任意一邊大于等于其他兩邊之差這一性質中得出的。

根據(jù)以上兩個重要規(guī)律，通過優(yōu)化后的elkan K-Means迭代速度顯然有明顯提升。

顯然，傳統(tǒng)K-Means算法在應用過程當中，計劃計算所有的樣本點到質心的距離時如果發(fā)現(xiàn)樣本量過大，尤其是達到10萬級以上時，顯然傳統(tǒng)的K-Means算法費時費力，同時elkan K-Means優(yōu)化之后也無法保證效率。而在如今大數(shù)據(jù)時代當中，出現(xiàn)這種情況的概率更大，所以Mini Batch K-Means的應用十分有必要。

Mini Batch K-Means研究并應用了Mini Batch（分批處理）法，來計算數(shù)據(jù)點之間的距離。Mini Batch的突出優(yōu)勢在于計算過程中不必調用全部的數(shù)據(jù)樣本，可以根據(jù)實際情況和需求，從多種樣本中抽取一部分，以此作為類型代表，開展進行計算。這樣一來，得益于較少的計算樣本量，可以有效減少系統(tǒng)運行壓力，但是該方法的缺陷在于會降低準確度。

返回x與離得最近的中心的歐式距離，可以運用梯度下降法收斂到局部最優(yōu)值，同時為了提升計算準確度，通?？梢远噙\行幾次Mini Batch K-Means算法，以此來通過多次隨機采樣得到多種聚類簇，再對其進行研究分析，確定最佳聚類簇。

在實訓云平臺評測過程中，采用K-means算法主要是應用其聚類分析特征，先確定好初始中心，然后把學生評測數(shù)據(jù)和初始數(shù)據(jù)實行核對，通過這種核對來分析教師行為，分析這些行為是否可以提高學生滿意度。

4結束語

校企合作的學生實訓云平臺開發(fā)與設計，是依托于云計算技術的一種新型職業(yè)教育模式。在實訓系統(tǒng)的設計中，需要綜合院系管理模塊設計、學生實訓模塊設計、企業(yè)信息管理設計、信息云公告模塊設計等，以便使實訓系統(tǒng)滿足職業(yè)教育的需要。由于實訓云平臺的功能復雜，為了更好地實現(xiàn)各種功能，需要對服務器以及數(shù)據(jù)庫的性能進行有效實現(xiàn)，以使實訓云平臺成為校企合作的職業(yè)教育媒介。

參考文獻：

[1] 鄭闊，李長青，薄志毅，等.結合物聯(lián)網與云技術的測繪實訓管理平臺設計與實現(xiàn)[J].測繪通報，2019（1）：132-137.

[2] 王東云.“互聯(lián)網+”在職業(yè)教育教學、實訓、管理、服務方面應用的調查研究——以天津市信息工程學校為例[J].天津職業(yè)院校聯(lián)合學報，2018，20（12）：89-94.

[3] 鄭義海，馮澤，余思東，等.室內設計信息化過程中虛擬仿真教學實訓管理網絡軟件難點解析[J].文化創(chuàng)新比較研究，2018，2（28）：84-85.

[4] 冀鋼.基于Strust2+Hibernate+Spring框架的生產性實訓平臺的開發(fā)與應用[J].科技視界，2017（15）：92-95.

[5] 何理瑞，王建軍，桑迎平.基于生命周期的應用型本科院校實訓管理平臺建設[J].浙江水利水電學院學報，2016，28（5）：88-90.

【通聯(lián)編輯：光文玲】