陸汝梅

（安徽工業(yè)職業(yè)技術學院 信息工程系，安徽 銅陵 244000）

對大數(shù)據(jù)庫進行存儲空間優(yōu)化設計和特征壓縮設計，能夠提高多媒體視頻信息的云存儲能力，因此受到研究者的極大關注［1］。

過往研究者提出的方法主要有基于網(wǎng)格區(qū)域特征匹配的多媒體視頻信息云存儲設計方法、BP神經(jīng)網(wǎng)絡模型的多媒體視頻信息云存儲結構設計方法以及支持向量機學習算法等［2-4］。這些方法通過建立多媒體視頻信息云存儲空間結構特征分析模型，采用網(wǎng)格分塊匹配，實現(xiàn)多媒體視頻信息云存儲設計。但傳統(tǒng)方法對多媒體視頻信息云存儲設計的自相關特征匹配能力不佳，存儲開銷較大。

針對上述問題，本文提出基于知識庫的多媒體視頻信息云存儲方法。首先，構建多媒體視頻信息的大數(shù)據(jù)挖掘模型，采用知識庫本體特征構建的方法實現(xiàn)對多媒體視頻信息的融合挖掘和信息聚類；然后，采用分塊特征匹配的方法，建立多媒體視頻信息的云存儲分布式融合模型，實現(xiàn)對多媒體視頻信息的云存儲結構優(yōu)化設計；最后，進行仿真測試分析，展示本文方法在提高多媒體視頻信息云存儲能力方面的優(yōu)越性能。

1 多媒體視頻信息采集和特征提取

1.1 信息采集

構建多媒體視頻信息的大數(shù)據(jù)挖掘模型，采用知識庫本體特征構建的方法實現(xiàn)對多媒體視頻信息的融合挖掘和信息聚類。

結合知識庫構建方法和日志文件分析方法，在Hadoop 云平臺中，建立多媒體視頻信息的日志文件和事務性數(shù)據(jù)云存儲結構模型［5］，如圖1所示。

圖1 多媒體視頻信息云存儲結構模型

在圖1中，采用模糊信息融合方法，進行多媒體視頻信息結構融合特征分析［6］。將多媒體視頻信息云存儲的結構優(yōu)化問題轉化為信息融合優(yōu)化問題：

首先，采用模糊聚類分析方法提取模糊信息參數(shù)集［7］，得到多媒體視頻信息融合的最優(yōu)尋優(yōu)參數(shù)Q；然后，利用不同項目之間的關系分析多媒體視頻信息云存儲的差異度函數(shù)，得到結構空間分布函數(shù)；最后，利用空間分布函數(shù)，獲得動態(tài)分布集的最優(yōu)解。

在多媒體視頻信息云存儲的特征空間中，參數(shù)尋優(yōu)問題可以表示為

由此構建大數(shù)據(jù)挖掘模型，根據(jù)數(shù)據(jù)存儲結構優(yōu)化和特征匹配結果，實現(xiàn)信息存儲優(yōu)化聚類分析［8］。

1.2 特征提取

結合模糊C 均值聚類分析方法建立多媒體視頻信息的屬性歸并模型，在語義本體的知識庫模型中實現(xiàn)對多媒體視頻信息的云存儲空間優(yōu)化控制［9］，得到多媒體視頻信息云存儲的穩(wěn)定條件。

采用回歸分析和線性規(guī)劃的方法解決知識本體庫分布特征解S(a)優(yōu)化問題［10］。對知識庫模型進行構造，得到歸一化的特征提取模型為

式中，σ2為多媒體信息歸一化方差。

結合局部信息擬合方法與模糊度特征優(yōu)化匹配方法，實現(xiàn)多媒體視頻信息狀態(tài)融合相似度特征解析控制，提高云存儲容量。

2 多媒體視頻信息云存儲優(yōu)化設計

2.1 知識庫構造

在采用局部信息擬合方法，實現(xiàn)多媒體視頻信息狀態(tài)融合相似度特征解析控制的基礎上，得到信息融合的語義知識庫本體結構特征分解學習函數(shù)為

式中，α為多媒體視頻信息融合相似度。

在聚類數(shù)據(jù)集中，計算多媒體視頻信息狀態(tài)分解的學習因子為ω，對數(shù)據(jù)集進行網(wǎng)格化聚類分析，得到網(wǎng)格聚類函數(shù)為

式中，b(k)為多媒體視頻信息數(shù)據(jù)集；μ為數(shù)據(jù)對象映射到網(wǎng)格的最優(yōu)聚類約束條件。

基于殘差和密度網(wǎng)格簇心分布式挖掘方法［11］，構建多媒體視頻信息云存儲結構函數(shù)：

根據(jù)多媒體視頻信息的知識庫構造結果，采用語義本體融合的方法求得最優(yōu)值，從而求得非邊緣數(shù)據(jù)對象的殘差分量，再根據(jù)模糊參數(shù)約束分析，實現(xiàn)對多媒體視頻信息的云存儲設計。

2.2 云存儲優(yōu)化配置

采用分塊特征匹配的方法，建立多媒體視頻信息的云存儲分布式融合模型，所得的云存儲優(yōu)化問題可描述為

式中，f(x)=f1(x),f2(x),…,fm(x)為云存儲分布式融合模型。

采用隨機博弈和網(wǎng)格分區(qū)塊調度的方法，建立云存儲結構優(yōu)化的對象函數(shù)，可描述為

式中，c(t)為網(wǎng)格分區(qū)調度函數(shù)。

通過人工設定閾值，得到每個云存儲簇心網(wǎng)格設定存儲容量z，在網(wǎng)格對象集的聚類中心，采用模糊C均值聚類方法，實現(xiàn)對多媒體視頻信息的壓縮處理，特征壓縮表達式為

構建多媒體視頻信息存儲空間壓縮的子空間模型，將存儲空間里邊界網(wǎng)格對象中的容量最大值作為特征壓縮的閾值，所得存儲空間優(yōu)化配置函數(shù)為

式中，ξi為云存儲分布設計的約束指標參量集。

根據(jù)上述分析，建立云存儲分布式融合模型，實現(xiàn)對云存儲結構的優(yōu)化設計［12］，優(yōu)化的存儲結構配置模型如圖2所示。

圖2 多媒體視頻信息優(yōu)化的存儲結構配置模型

3 仿真測試分析

為了驗證本文方法在實現(xiàn)多媒體視頻信息的云存儲設計優(yōu)化的應用性能，進行試驗測試分析。設定云存儲的配置節(jié)點數(shù)為60，網(wǎng)格空間分布節(jié)點數(shù)為25，對多媒體視頻信息采樣的時間長度為1 024，測試序列的樣本長度為20，自適應學習的模糊迭代次數(shù)為50，模糊調制寬度B=0.35 kHz。根據(jù)上述設定的參數(shù)，進行云存儲設計，得到云存儲網(wǎng)格分布，如圖3所示。在圖3 所示的云存儲網(wǎng)格分布區(qū)域中，實現(xiàn)多媒體視頻信息的特征壓縮和存儲結構的優(yōu)化設計，所得到優(yōu)化的存儲結構模型如圖4所示。

圖3 多媒體視頻信息的云存儲網(wǎng)格分布

圖4 優(yōu)化的多媒體視頻信息存儲結構模型

分析圖4 可知，采用本文方法實現(xiàn)多媒體視頻信息存儲設計，降低了存儲空間，聚類性較好。

測試優(yōu)化存儲后的多媒體視頻信息的訪問延遲率，所得對比結果如圖5所示。

圖5 多媒體視頻信息的訪問延遲率

分析圖5 可知，采用本文方法實現(xiàn)多媒體視頻信息的云存儲設計，訪問延遲率均在0.7%以下，提高了存儲性能。

4 結語

為了提高多媒體視頻信息云存儲能力，本文提出了基于知識庫的多媒體視頻信息云存儲方法。建立多媒體視頻信息的日志文件和事務性數(shù)據(jù)庫處理模型；采用模糊信息融合方法，提取多媒體視頻信息結構融合特征；采用隨機博弈和網(wǎng)格分區(qū)塊調度的方法，建立云存儲結構優(yōu)化的對象函數(shù)，實現(xiàn)云存儲優(yōu)化設計。由實驗結果可知，本文方法能降低云存儲模型設計開銷，提高數(shù)據(jù)的聚類存儲能力，從而提高數(shù)據(jù)的訪問能力。