亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于數(shù)據(jù)挖掘模型的區(qū)域經(jīng)濟(jì)數(shù)據(jù)分析系統(tǒng)設(shè)計及應(yīng)用

        2021-12-13 13:04:12
        湖北農(nóng)業(yè)科學(xué) 2021年22期
        關(guān)鍵詞:數(shù)據(jù)服務(wù)異構(gòu)數(shù)據(jù)挖掘

        程 童

        (陜西警官職業(yè)學(xué)院基礎(chǔ)部,西安710021)

        區(qū)域經(jīng)濟(jì)作為國民經(jīng)濟(jì)的重要組成部分,是地區(qū)社會活動活力的主要體現(xiàn)[1]。由于區(qū)域經(jīng)濟(jì)在國民經(jīng)濟(jì)中扮演著重要的角色,因此區(qū)域經(jīng)濟(jì)是社會各領(lǐng)域重點關(guān)注和普遍研究的領(lǐng)域。中國作為一個地域、人口大國,經(jīng)濟(jì)發(fā)展內(nèi)向程度高,經(jīng)濟(jì)系統(tǒng)極其復(fù)雜,不同部門、不同領(lǐng)域在日常經(jīng)濟(jì)活動中均產(chǎn)生大量經(jīng)濟(jì)數(shù)據(jù),分散化的數(shù)據(jù)以不同格式、不同類型存在于各經(jīng)濟(jì)部門數(shù)據(jù)庫中[2-4]。如何從多源異構(gòu)數(shù)據(jù)尋找到有用的信息,為區(qū)域經(jīng)濟(jì)的發(fā)展提供數(shù)據(jù)支撐,成為亟待解決的關(guān)鍵問題[5-7]。數(shù)據(jù)挖掘是從海量的、不完全、模糊的異構(gòu)數(shù)據(jù)中提取隱藏在其中的有潛在價值的信息和知識的過程[8]。目前,比較成熟的數(shù)據(jù)挖掘技術(shù)主要有遺傳算法[9]、人工神經(jīng)網(wǎng)絡(luò)[10,11]、鄰近搜索方法[12]等,通過在大量數(shù)據(jù)中提取隱含規(guī)則和信息,為區(qū)域經(jīng)濟(jì)的發(fā)展推進(jìn)策略提供分類指導(dǎo)、分區(qū)推進(jìn)的技術(shù)支持[13]。基于此,本研究根據(jù)區(qū)域經(jīng)濟(jì)系統(tǒng)的特點,提出一種基于Multi-Agents數(shù)據(jù)挖掘技術(shù)的區(qū)域經(jīng)濟(jì)系統(tǒng),將數(shù)據(jù)挖掘算法應(yīng)用于區(qū)域經(jīng)濟(jì)分析中,把握地區(qū)發(fā)展方向和進(jìn)程,提高區(qū)域規(guī)劃的及時性和有效性。

        1 Multi-Agents的區(qū)域經(jīng)濟(jì)分析

        1.1 Multi-Agents技術(shù)

        Agent是能夠感知環(huán)境、接收環(huán)境消息并作出反應(yīng),進(jìn)而反作用環(huán)境中的一種實體[14]。在移動互聯(lián)網(wǎng)數(shù)據(jù)挖掘中,將Agent看作是一種能在異構(gòu)網(wǎng)絡(luò)中有一臺主機(jī)前移到另一臺主機(jī)實現(xiàn)資源交互的程序。而Multi-Agents是通過多個Agent組成的集合,系統(tǒng)中各Agent根據(jù)具有的知識對外界刺激作出反應(yīng),并獲取新的消息更新自身狀態(tài),通過消息獲取和數(shù)據(jù)交互完成任務(wù)。

        由于Multi-Agents系統(tǒng)的Agent都是相互獨立的,各Agent間、Agent與環(huán)境間通過通訊、協(xié)商和協(xié)作共同完成系統(tǒng)數(shù)據(jù)的采集、傳輸、分析和評價[15]。Multi-Agents系統(tǒng)在異構(gòu)、分布控制、解決多個關(guān)聯(lián)性任務(wù)場合具有較高的可靠性,可動態(tài)對系統(tǒng)任務(wù)進(jìn)行分解。根據(jù)區(qū)域經(jīng)濟(jì)系統(tǒng)的特點,結(jié)合數(shù)據(jù)挖掘系統(tǒng)結(jié)構(gòu),將Multi-Agents技術(shù)應(yīng)用于區(qū)域經(jīng)濟(jì)系統(tǒng),建立基于Multi-Agents的區(qū)域經(jīng)濟(jì)應(yīng)用框架如圖1所示。

        圖1 基于Multi-Agents的區(qū)域經(jīng)濟(jì)應(yīng)用框架

        從Multi-Agents應(yīng)用框架可以看出,整個系統(tǒng)被劃分為數(shù)據(jù)處理模塊、數(shù)據(jù)挖掘引擎、模式評估、知識庫系統(tǒng)4個部分。數(shù)據(jù)處理模塊將區(qū)域經(jīng)濟(jì)數(shù)據(jù)庫基礎(chǔ)數(shù)據(jù)提取、過濾、轉(zhuǎn)化為數(shù)據(jù)庫要求數(shù)據(jù)文件。數(shù)據(jù)挖掘引擎包括關(guān)聯(lián)規(guī)則、聚類算法等數(shù)據(jù)挖掘工具。模式評估根據(jù)知識庫的相關(guān)知識,對獲得的結(jié)果評估。知識庫中存取經(jīng)濟(jì)領(lǐng)域知識,將獲得的數(shù)據(jù)評估結(jié)果與知識庫相關(guān)領(lǐng)域比較,用以指導(dǎo)數(shù)據(jù)挖掘執(zhí)行。

        Multi-Agents的區(qū)域經(jīng)濟(jì)數(shù)據(jù)挖掘通過分布在網(wǎng)絡(luò)中的多個Agent完成各區(qū)域經(jīng)濟(jì)事務(wù)的數(shù)據(jù)服務(wù),將各Agent挖掘信息匯總,與綜合分析系統(tǒng)形成交互機(jī)制,分析區(qū)域經(jīng)濟(jì)現(xiàn)狀成因、宏觀調(diào)控有效性等,各Agent智能代理間采用聯(lián)邦式協(xié)同挖掘機(jī)制[16]。

        1.2 Multi-Agents的數(shù)據(jù)處理

        在區(qū)域經(jīng)濟(jì)數(shù)據(jù)庫中,選擇某些經(jīng)濟(jì)事務(wù)的相關(guān)數(shù)據(jù),對數(shù)據(jù)進(jìn)行預(yù)處理,通過數(shù)據(jù)分析和挖掘獲得準(zhǔn)確的結(jié)果來指導(dǎo)區(qū)域經(jīng)濟(jì)發(fā)展成為關(guān)鍵點。由于區(qū)域經(jīng)濟(jì)分析基本是在過往數(shù)據(jù)基礎(chǔ)上進(jìn)行[17],因此,首先選擇Microsoft時序算法對經(jīng)濟(jì)數(shù)據(jù)分析挖掘并預(yù)測經(jīng)濟(jì)指標(biāo),再通過聚類算法對選定的預(yù)測指標(biāo)相關(guān)的數(shù)據(jù)進(jìn)行挖掘分析。

        1.2.1 Microsoft時序算法自回歸是在特定的時間點t內(nèi),根據(jù)過往的時點計算,獲得當(dāng)前時刻的預(yù)測值。因此,考慮n個以前時點,獲得當(dāng)前時刻點t的函數(shù)關(guān)系為:

        式中,Xt為t時刻的預(yù)測值,ai為i時刻點的自回歸系數(shù),εt為閾值,通常取0~1。

        采用自回歸時序算法的關(guān)鍵是將系統(tǒng)內(nèi)部不同時間序列轉(zhuǎn)化為多個事件,創(chuàng)建一個行列允許算法根據(jù)過往值獲得當(dāng)前某一時刻的計算值。確定自回歸系數(shù)采用最小化建模時間序列與觀察時間序列的均值。

        1.2.2 Microsoft聚類算法當(dāng)數(shù)據(jù)分組不明顯時,采用Micorsoft聚類算法從數(shù)據(jù)中尋找自然分組。聚類算法創(chuàng)建一組聚類,假設(shè)該聚類為正確的,并將事例分布到每個聚類,建立了正確的模型[18]。將需要訓(xùn)練數(shù)據(jù)的事例隨機(jī)分配到模型中進(jìn)行合適的聚類,并通過不斷調(diào)整使之與現(xiàn)實世界相適應(yīng),直至某個事例不再滿足提前設(shè)置的終止條件或不在聚類間,此時該模型與實際相符,處于一個準(zhǔn)確狀態(tài)。

        在聚類算法中,采用期望最大化算法(Expectation maximization,EM)將事例分配到聚類中。即便對于一個包含m個元素和d個連續(xù)屬性的數(shù)據(jù)庫D,假設(shè)每個事例x∈D,計算x屬于每個聚類h=1,2,…,k的概率:

        將獲得的元素概率結(jié)果放入到模型中,更新混合模型參數(shù)值:

        EM算法通過度量某對象的概率來決定該對象屬于哪個類別[19]。算法將每一維作為鐘型曲線計算標(biāo)準(zhǔn)差和均差,當(dāng)某點落入鐘型曲線內(nèi),則表示該點以計算的概率分為某一個聚類。由于各聚類曲線可重疊,因此該點也可以屬于其他聚類,但聚類概率不同,存在模糊邊界,表征實際參數(shù)間存在的相互關(guān)聯(lián)關(guān)系,因此可通過統(tǒng)計每個對象的聚類概率進(jìn)行結(jié)果預(yù)測。

        2 Multi-Agents的區(qū)域經(jīng)濟(jì)系統(tǒng)

        2.1 系統(tǒng)軟件結(jié)構(gòu)

        創(chuàng)建區(qū)域經(jīng)濟(jì)分析系統(tǒng)的重點是解決異構(gòu)數(shù)據(jù)格式和數(shù)據(jù)服務(wù)方式的統(tǒng)一[20]。本研究選擇采用XML Web Service技術(shù)實現(xiàn)數(shù)據(jù)服務(wù)Agent,以XML格式文件作為系統(tǒng)數(shù)據(jù)的表達(dá)方式。XML Web Service是一個與具體開發(fā)工具和平臺無關(guān)的標(biāo)準(zhǔn),XML Web Service采用SOAP協(xié)議,并通過Http來調(diào)用。利用XML Web Service建立網(wǎng)絡(luò)中的服務(wù)節(jié)點,響應(yīng)數(shù)據(jù)請求,進(jìn)而形成具有標(biāo)準(zhǔn)傳輸接口的數(shù)據(jù)庫“黑盒”服務(wù)節(jié)點[21]。XML作為用戶數(shù)據(jù)服務(wù)標(biāo)準(zhǔn)格式,實現(xiàn)數(shù)據(jù)在網(wǎng)絡(luò)上的無損傳輸,形成網(wǎng)絡(luò)共享的數(shù)據(jù)庫服務(wù)數(shù)據(jù)流[22]。通過XML Web Service技術(shù)和XML系統(tǒng)數(shù)據(jù)表達(dá)方式建立區(qū)域經(jīng)濟(jì)分析系統(tǒng)結(jié)構(gòu)框架如圖2所示。系統(tǒng)被分為4層結(jié)構(gòu),分別為數(shù)據(jù)庫層、數(shù)據(jù)庫服務(wù)擴(kuò)展層、異構(gòu)數(shù)據(jù)庫服務(wù)層、用戶應(yīng)用層。

        圖2 區(qū)域經(jīng)濟(jì)分析系統(tǒng)結(jié)構(gòu)框架

        數(shù)據(jù)庫層作為系統(tǒng)最底層,既可作為異構(gòu)數(shù)據(jù)庫系統(tǒng)的底層數(shù)據(jù)源,也可作為網(wǎng)絡(luò)中數(shù)據(jù)服務(wù)節(jié)點。數(shù)據(jù)庫層作為系統(tǒng)共享資源,應(yīng)該能為系統(tǒng)提供可視化數(shù)據(jù)圖表信息,同時根據(jù)用戶訪問權(quán)限的不同將數(shù)據(jù)分為共有或私有數(shù)據(jù),強(qiáng)化數(shù)據(jù)庫的訪問安全性。

        數(shù)據(jù)庫服務(wù)擴(kuò)展層主要為系統(tǒng)提供數(shù)據(jù)服務(wù)資源結(jié)構(gòu),為數(shù)據(jù)信息共享提供數(shù)據(jù)服務(wù),并根據(jù)功能需求進(jìn)行數(shù)據(jù)提取,以XML形式屏蔽不同數(shù)據(jù)庫間的差異,提供統(tǒng)一的數(shù)據(jù)格式響應(yīng),并將數(shù)據(jù)交付給上一層。

        異構(gòu)數(shù)據(jù)庫服務(wù)層通過系統(tǒng)服務(wù)里列表記錄不同數(shù)據(jù)庫的數(shù)據(jù)服務(wù),并實時更新數(shù)據(jù)庫數(shù)據(jù),提供全局?jǐn)?shù)據(jù)服務(wù)視圖響應(yīng)用戶服務(wù)請求,建立全面的數(shù)據(jù)服務(wù)平臺將數(shù)據(jù)服務(wù)分解,向下層傳遞請求信息,并根據(jù)下層數(shù)據(jù)庫返回的信息進(jìn)行再加工,生成滿足用戶要求的服務(wù)數(shù)據(jù)。

        用戶應(yīng)用層通過互聯(lián)網(wǎng)進(jìn)行數(shù)據(jù)服務(wù)請求。用戶應(yīng)用層可以對數(shù)據(jù)庫服務(wù)擴(kuò)展層、異構(gòu)數(shù)據(jù)庫層進(jìn)行管理,通過數(shù)據(jù)庫服務(wù)擴(kuò)展層的全局?jǐn)?shù)據(jù)服務(wù)為用戶提供面向系統(tǒng)的數(shù)據(jù)服務(wù),這種服務(wù)屏蔽掉平臺系統(tǒng)的差異,在異構(gòu)數(shù)據(jù)庫層提供全局的共享平臺。

        通過系統(tǒng)的4層網(wǎng)絡(luò)結(jié)構(gòu),為用戶提供基于互聯(lián)網(wǎng)的XML Web Service數(shù)據(jù)服務(wù)體系,用戶能夠在異構(gòu)數(shù)據(jù)庫進(jìn)行數(shù)據(jù)采集、加工和數(shù)據(jù)整合,建立透明的數(shù)據(jù)綜合服務(wù)平臺。

        2.2 區(qū)域經(jīng)濟(jì)分析系統(tǒng)實現(xiàn)

        針對系統(tǒng)結(jié)構(gòu)框架,采用C#語言開發(fā)區(qū)域經(jīng)濟(jì)數(shù)據(jù)分析。系統(tǒng)開發(fā)工具為:NET集成開發(fā)平臺,服務(wù)器采用Windows Server 2016服務(wù)器,采用MySQL數(shù)據(jù)庫。系統(tǒng)硬件標(biāo)準(zhǔn)為:PIII/1G以上CPU,內(nèi)存16 G以上,操作系統(tǒng)Windows 10。數(shù)據(jù)庫軟件:MySQL數(shù)據(jù)庫。數(shù)據(jù)挖掘采集過程中采用Micorsoft聚類的期望最大化算法抓取Agent系統(tǒng)文本內(nèi)容,采用XML web Service技術(shù)實現(xiàn)數(shù)據(jù)服務(wù),由XML作為用戶數(shù)據(jù)存儲和傳輸。

        2.2.1 數(shù)據(jù)采集功能以某個金融行業(yè)數(shù)據(jù)庫為基礎(chǔ),進(jìn)行進(jìn)入系統(tǒng)的數(shù)據(jù)分析,由于金融機(jī)構(gòu)所屬行業(yè)眾多,金融數(shù)據(jù)差異性極大,采用Micorsoft支持的時序算法抓取數(shù)據(jù),系統(tǒng)保留數(shù)據(jù)源,并對數(shù)據(jù)應(yīng)用層進(jìn)行數(shù)據(jù)更新,圖3為數(shù)據(jù)采集界面。

        圖3 數(shù)據(jù)采集界面

        2.2.2 數(shù)據(jù)挖掘功能用戶根據(jù)采集到的數(shù)據(jù),由需求分析,選擇Micorsoft聚類算法進(jìn)行數(shù)據(jù)挖掘,根據(jù)用戶執(zhí)行命令獲取異構(gòu)數(shù)據(jù)庫中信息,并進(jìn)行數(shù)據(jù)挖掘,并將挖掘的數(shù)據(jù)信息在界面顯示,每次挖掘出來的數(shù)據(jù),系統(tǒng)都會詳細(xì)羅列出來,用戶能查詢每項數(shù)據(jù)的詳細(xì)信息,圖4為數(shù)據(jù)挖掘界面。

        圖4 數(shù)據(jù)挖掘界面

        2.2.3 數(shù)據(jù)監(jiān)控功能為加強(qiáng)對數(shù)據(jù)的管理,系統(tǒng)開發(fā)了數(shù)據(jù)監(jiān)控功能,數(shù)據(jù)監(jiān)控功能包括數(shù)據(jù)的選擇、監(jiān)控信息反饋、進(jìn)度查看等子功能。用戶在進(jìn)行數(shù)據(jù)監(jiān)控時,首先確定監(jiān)控數(shù)據(jù),然后由系統(tǒng)應(yīng)用層對全局覆蓋監(jiān)控數(shù)據(jù),用戶能查看到數(shù)據(jù)的實時狀態(tài),并將最終反饋發(fā)送至數(shù)據(jù)服務(wù)層,如圖5所示。

        圖5 監(jiān)控進(jìn)度查看界面

        3 結(jié)論

        區(qū)域經(jīng)濟(jì)是經(jīng)濟(jì)社會活動普遍存關(guān)注的問題,對地方尋求經(jīng)濟(jì)振興、中央制定宏觀決策具有重要的參考作用。而區(qū)域經(jīng)濟(jì)涉及海量的多源異構(gòu)數(shù)據(jù),如何從分散化的數(shù)據(jù)庫異構(gòu)數(shù)據(jù)中提取有價值的經(jīng)濟(jì)數(shù)據(jù)成為難點。在充分認(rèn)識區(qū)域經(jīng)濟(jì)特征基礎(chǔ)上,從分布式網(wǎng)絡(luò)管理體系結(jié)構(gòu)入手,基于Multi-Agents的分布式數(shù)據(jù)管理模式和協(xié)作方式,建立起區(qū)域經(jīng)濟(jì)分析的數(shù)據(jù)挖掘應(yīng)用框架,采用Microsoft時序算法和期望最大化算法進(jìn)行系統(tǒng)數(shù)據(jù)的采集和數(shù)據(jù)挖掘,并以通過XML Web Service技術(shù)實現(xiàn)數(shù)據(jù)服務(wù)Agent,以標(biāo)準(zhǔn)XML格式進(jìn)行數(shù)據(jù)訪問,創(chuàng)建一個多數(shù)據(jù)庫訪問Agent來集中管理數(shù)據(jù)訪問,為用戶提供跨數(shù)據(jù)庫平臺的數(shù)據(jù)共享環(huán)境。

        猜你喜歡
        數(shù)據(jù)服務(wù)異構(gòu)數(shù)據(jù)挖掘
        地理空間大數(shù)據(jù)服務(wù)自然資源調(diào)查監(jiān)測的方向分析
        試論同課異構(gòu)之“同”與“異”
        探討人工智能與數(shù)據(jù)挖掘發(fā)展趨勢
        基于并行計算的大數(shù)據(jù)挖掘在電網(wǎng)中的應(yīng)用
        電力與能源(2017年6期)2017-05-14 06:19:37
        如何運用稅收大數(shù)據(jù)服務(wù)供給側(cè)結(jié)構(gòu)性改革
        中國商論(2016年34期)2017-01-15 14:24:18
        overlay SDN實現(xiàn)異構(gòu)兼容的關(guān)鍵技術(shù)
        基于頻繁子圖挖掘的數(shù)據(jù)服務(wù)Mashup推薦
        LTE異構(gòu)網(wǎng)技術(shù)與組網(wǎng)研究
        一種基于Hadoop的大數(shù)據(jù)挖掘云服務(wù)及應(yīng)用
        在新興異構(gòu)SoCs上集成多種系統(tǒng)
        中文字幕人妻丝袜乱一区三区| 国产成人自拍视频播放| 少妇真实被内射视频三四区| 成人精品一区二区三区中文字幕| 伊人色综合久久天天人手人停| 久草精品手机视频在线观看| 男女射精视频在线观看网站| 亚欧中文字幕久久精品无码| 国产精品丝袜黑色高跟鞋| 精品久久免费一区二区三区四区 | 亚洲国产精品悠悠久久琪琪| 91亚洲精品久久久中文字幕| 久久精品99国产精品日本| 国产成人av性色在线影院色戒 | 国产尤物自拍视频在线观看| 亚洲日韩精品无码专区网址| 日本巨大的奶头在线观看| 国产亚洲女人久久久久久| 日日麻批免费高清视频| 无码人妻丰满熟妇啪啪网站| 色偷偷88888欧美精品久久久| 一区二区三区国产97| 一区二区三区在线少妇| 999国内精品永久免费观看| 欧美一欧美一区二三区性| 男女午夜视频一区二区三区| 亚洲精品在线国产精品| 熟妇的荡欲色综合亚洲| 日本a级大片免费观看| 日本二区三区在线免费| 一本色道久久爱88av| 国产尤物精品自在拍视频首页| 97国产精品麻豆性色| 国偷自拍av一区二区三区| 国产成人久久精品激情| 69av视频在线| 夜夜高潮夜夜爽免费观看| 久久久久成人片免费观看蜜芽| 亚州AV无码乱码精品国产| 国产精品女同一区二区免| 大学生粉嫩无套流白浆|