文摘
非物质文化遗产的保护已逐渐吸引了人们的注意力。在今天的数字信息时代,数字技术的使用在非物质文化遗产的保护已成为研究的重点领域的非物质文化遗产的保护。保护非物质文化遗产,成为关键目标的连续继承中国的传统文化,本文全面分析了存在的问题在非物质文化遗产的继承和保护,和高性能计算方法适用于数字非物质文化遗产的保护和发展,它提供了一个强有力的依据非物质文化遗产的保护。准确的识别和保护非物质文化遗产可以通过使用高性能计算方法。此外,非物质文化遗产的数字化保护与开发系统设计。最后,实例结果表明,非物质文化遗产的数字化保护与发展系统提出了能有效保护非物质文化遗产,促进国内当地经济的持续发展。与此同时,它还可以加强公众对保护非物质文化遗产的继承和发展,有效地促进非物质文化遗产的保护。
1。介绍
中国的非物质文化遗产具有丰富的文化内涵和文化遗产价值。连续开挖的过程中,它可以再现历史事件和发展轨迹。同时,非物质文化遗产也带有中国传统文化的信仰和继承历史文化以各种方式,带有历史文化多样性和灵活的开发作为一个长期发展的中华文明体系。它可以反映出民族传统的价值,文化价值和审美价值。非物质文化遗产的保护和继承人类的内在精神需求(1- - - - - -3]。然而,非物质文化遗产的审美地位值得进一步考虑,确认在社会的不断发展,经济持续增长,传统文化的继承和对文化价值观的认识,并且可以进行传统非物质文化遗产的保护与开发,建立了非物质文化遗产和电子档案和其他多通道保护方法是利用传统的非物质文化遗产的保护与开发(4- - - - - -6]。随着社会的不断进步,在发展过程中,非物质文化遗产的保护,数字保护的目标将成为中外学者深入研究和探索。数字技术用于电子归档非物质文化遗产,不仅有效地处理大量的数据,有利于数据存储和查询,也有效地避免数据和信息的损失和损害引起的自然和人为灾害(7,8]。数据挖掘技术可以用来深入分析数据存储的非物质文化遗产,为游客或用户提供有价值的信息数据,然后完成全世界文化的交流和应用。高性能计算和确认可以执行的非物质文化遗产作为一个最受欢迎的类型的视觉聚合,已成为中国学者的重点研究[9- - - - - -11]。然而,如何获得具体内容从最初的非物质文化遗产数据来源缺乏非物质文化遗产的定义内容已成为一个巨大的挑战对于当前高性能计算的非物质文化遗产,因为非物质文化遗产信号遵循时间排序的方式,可以使用高性能计算按照其隐形。目前,其他分类方法是相对简单的,非物质文化遗产的特点是不准确的。
本文提出了非物质文化遗产的数字化保护与发展。这种方法使用高性能计算方法提取非物质文化遗产的特点,计算重量的保护空间,整合空间相似性高的意义,和建立一个非物质文化遗产保护和开发模型。通过数字化非物质文化遗产保护文化的完整性,这有别于传统文化的表达方式和形式,因为它不是一个物理存在,而是一个在地区和国家间的信息交换。它涵盖了科学文化、社会环境、科学和其他文化文明。
2。技术和方法
2.1。高性能计算方法
高性能计算系统可以实现硬盘的I / O操作尽可能少基于内存计算技术,和还可以执行操作内存的数据分析。Hadoop的MacReduce计算引擎节省内存中的计算中间值。在接下来的计算,原来的I / O请求必须存储外部。直接从高性能计算中间值存储在记忆和重复,高性能计算降低了数据传输的时间作为一个整体与先前的MapReduce相比,从而确保任务的工作效率12,13]。
鉴于非物质文化遗产的准确性和多样性特征基于高性能计算的算法,数据的综合分析标准表示定义基于高性能计算的算法,包括
在这个公式 ,数据处理的正确性和多样性是重要的学位综合分析标准。
公式(1)计算的概率每个数据基本处理算法是选为分析的基本处理基于多样性的高性能计算的基本处理算法。计算公式如下。
数据处理网络模块的目的是使每个重建的颜色和空间位置数据来恢复数据的固有的颜色和质地。数据处理的损失函数唇网络模块定义的公式。上面显示是处理损失暴露区域,处理损失掩盖了地区,知觉丧失、风格损失,antiloss,总差异的损失。
每个损失项的重量是由50个独立实验的结果分析。
曼哈顿距离使用的揭露地区处理模式和真正的模式来处理损失。在这个方程中,我大坝是破坏模式,米是一个不规则的二进制掩模(相应的面具加工区是0,其余的是1),和我吗可使处理结果模式。我真正的实际上表明没有破坏模式。掩盖了地区的处理损失函数类似于表达式:
高性能计算算法动态调整相应参数值根据不同区域的数据识别的复杂性,因此高性能计算算法保持一个恒定的速度,和生成的元数据更整齐统一的后续处理。为了减少的影响不同形状的超级数据算法,不需要指定这个参数。比较我真正的减少识别点的非物质文化遗产。h是第一个数据的结点,位于相应的非物质文化遗产数据库的数据。 ,所有标识点上执行以下采矿作业:
每一块数据和 ,计算质心坐标后删除最后一点:
的公式,h的长度(节点数)是第i个数据后,非物质文化遗产数据库划分;的数据嵌入到确定长度和以下两个偏移值计算:
根据公式(12)∼公式(15),垂直和水平的计算识别点的坐标分别每一块数据。
① ,
② ,
③ ,
④ ,
计算每一块的文化信息值数据:
提取后的文化信息,检查身份证的真实性。这个过程使用相关系数 检测原始之间的相似性识别和提取识别:
的公式,标识图形的文化信息提取; 是文化信息的相关系数米和 。高性能计算优化BP算法时,通常选择的轮盘赌方法。如果第i个个人的健康 ,的概率第i个个体被留下
本文所示(9),全面交叉方案选择。
的公式,α代表了gene-encoded组合系数,代表的健身价值的第i个亲本种群个体,和代表个人的最大和平均适应度值亲本种群,分别。
最后的高性能计算过程如图1。
有效地结合高性能计算的兼容性与更多的分布式系统,系统的主要操作模式可分为单点模式和分散模式。这种模式主要采用纱,便或EC2资源分配和调度。抽样计算通过使用高性能计算,和著名的内存操作特征可以有效地提高模型的计算效率。抽样数据兼容性和并行性的特点,并能与内存和外部内存交互。如果存储的要求无法完成一个抽样,抽样将转移到外部存储器。数字化保护与开发的算法可以获得更好的性能在数据挖掘的过程。该算法可用于训练数据来减少精度和性能。为了解决这个问题,使用数据挖掘方法直接确定第一类作为最终数据。结果,领带的情况下解决不了的平均值并不能从根本上解决,所以模型的缺点可以有效地避免。每个分类器的分类性能保护使用Berius方程。 The formulas that can be used are:
在公式(1),N表示分类的总数,反对(k)代表了后验概率的k分类器的分类结果装袋算法,和重量(i)表示的第i个分类器的重量。
两个属性的公式:(1)分类准确率越高,高性能计算的重量就越高(2)符合公式 ,也就是说,所有高性能计算能满足归一化条件
装袋算法可以通过out-off-bag分析数据。out-off-bag的F1值小于根据贝叶斯公式计算验证概率。因此,为了减少计算和放弃的post-probability分类结果,F1的Out-of-bag用于判断分类的正确性。你可以得到公式(12)通过修改公式(11):
在公式(2),N表示分类的总数,代表的F1值k的out-of-bag分类器,和重量(i)表示的第i个分类器的重量。
从工业的角度关系,企业的集合通常表现为垂直链连接,上游和下游企业通过生产链接,有效联系和合作和竞争的关系是企业之间的中心。SDA方法假定n样本集X处理。
使用的指标是p,根据执行模糊聚类分类:
的相对隶属度矩阵的模型由U表示:
表示样本点的隶属度k对类别我,并满足下列条件。
集群中心的第i个类别可以表示为 :
这里,集群的重量由进口自适应参数表示λ:
综合权重的表达 满足
使用拉格朗日方法推导出聚合函数来获取
一般来说,企业集中的影响主要来自各种因素,如自然资源、地理环境和过程的技术。最初的集成主要反映生产经营不同企业之间的合作。地理位置之间的集成企业本质上是基于竞争与合作关系,集群企业的匹配度是用于整合企业内部资源,尽可能地降低贸易成本,同时实现利润最大化。
高性能计算可以构建最序列化时间序列模型和大规模使用它们的过程中数字非物质文化遗产的保护和发展。N美国现有的模型中可以设置 ,然后在时间状态t是由 。使用 在不同状态之间的转移矩阵,可以得到下面的表达式:
对于一些样品,任何国家可以达到其他州一个过渡;其他样品,其他样品,只有可能发生某些状态之间的转换,也就是说, 只发生一些i, j。
样本之间的差异和随机森林图链是,对于每一个国家,只有一个外部价值可用于观察,和获得的观测向量与系统的状态,这可以是离散或连续的关系。
但对于连续分布观察,观察向量对应的概率分布状态珍:
一般来说,概率分布作为混合高斯分布,即
M代表混合高斯分布的数量,代表了积极的混合物的体重,但是使用 代表n维高斯分布。
因此,样品可以概括分为三组λ= (A, B,π)。然后观察序列生成的模型可以表示为 , 表示向量,可以观察到t,T代表了总长度的观察。
2.1.1。数字化保护与开发
高性能计算的时间复杂性和空间复杂性的非物质文化遗产主要是影响非物质文化遗产的特征向量的维数。为了有效改善保护构造模型的准确性,提取模型的空间可以由减少非物质文化遗产的维数。摘要信息增益算法用来计算的平均数量的信息建立模型:
的公式,是互补的 。 对应的数量空间T:遗产的平均数量的非物质文化遗产是训练有素的。在预处理阶段,预处理vec作为非物质文化遗产由word2表示向量,向量和非物质文化遗产具有高相似度相结合来记录遗产的数量。过程中空间选择本文的意义信息向量空间集聚。
建立了HPC,空间穿越在状态转换。空间的顺序输出表示为使用k,k表示为空间总和满足相似度阈值。因此,在获得中间状态这个模型中,相应的观测值分布可以表示为
考虑到的分布和空间频率受限,随着空间距离的增加在整个处理过程中,聚合不同的非物质文化遗产也会降低。
的公式,代表了非物质文化遗产包含的业务项目在 ; 代表空间出现的次数在类别,然后出现在同一类别的数量将正则化的作用。
状态转移矩阵,由于高性能计算 ,它可以概括为这类非物质文化遗产,那么它将从第一个状态转移到第二阶段状态直到结束的状态。状态转换矩阵可以表示为
指定的概率 的初始状态 。高性能计算的范畴可以表示为
2.1.2。非物质文化遗产数字化保护和发展
由于收集到的数据的随机性和分裂节点的特点,它可以确保没有得到确定的数字之间的联系,同时,它可以用于科学计算的可视化聚合方法,所以它最初的并行性的特点。数字化保护与开发并行化算法可以有效地提供反馈决定,节点并行化和特征选择。
科学计算可视化聚合方法用于并行处理收集到的数据,可实现分散的方法为样本数据在多个计算机节点操作。与传统的单台机器识别方法相比,它可以有效地节省I / O操作,可以减少更多的网络带宽的使用。根据获得的数据并行计算,科学计算可视化聚合方法的并行化的想法是使用本文框架,结合高性能计算的特点,科学计算可视化并行实现战略聚合设计。
(1)样本抽样统计特性降低点。根据决策树的最优特性需要确定,减少点选择所选功能,数据的分布特征是用于样品和分析不同的数据特征,最后总结到主节点的数据。这个操作执行计算的整个过程主要是基于不同的节点对,只有一个较小的带宽用于集成的最后阶段。因此,对于整个数据的特征值的值,排序数据的过程中,使用更大的带宽和I / O操作应该尽可能避免. .数据收集的方法将直接影响数据的准确性。
(2)分层技术训练数据样本。高性能计算的深度优化single-sample模式转换为优先级策略培训的每一层的本质。在分布式环境中,为了实现每一层的培训,不同循环的数量需要构造是一样的最大层树。此外,在循环阶段,有必要执行参数统计和法官nonleaf分割点的节点,根据特征。
需要初始化RFM参数,然后使用Baum-Welch算法来执行操作。根据科学计算可视化的使用聚合算法,获得的结果与初始参数有很大的关系。需要初始化的变换矩阵来确定迭代后的转移矩阵是0或操作是0。观察序列定义为
的方式来计算是一个forward-backward算法。样品的参数λ和国家我,定义了概率 :
也就是说,参数产生序列的概率是在时间和国家t是 。
可以通过下面的计算算法。
(1)初始化
(2)递归
(3)终止
同时定义和
从forward-backward计算方法, 也可以表示为(11,12]:
的概率 系统在第m混合组件的状态我在时间t是:
首先,标记训练集用于各种类的训练样本,分别。让类,需要高性能计算 },每个类对应于模型参数 。最大似然准则用于最大化后验概率,同时考虑到贝叶斯公式,然后
假设先验概率每种类型都是一样的,因为P (O)和k省略不相关,决定如下。
因为很小,将出现在计算机浮点下溢的操作,因此对数的值通常是来自它。多个观测序列,只有每个需要加权公式(14]。
在当前非物质文化遗产空间标识行业,为了满足企业的不同需求,我个人需求的企业需要及时回应,以及非物质文化遗产主要分为两个部分:开发和设计。的基础上,充分分析市场需求的变化,个性化服务可以提供给企业的开发过程和设计周期的新兴非物质文化遗产;同时,非物质文化遗产的个性化的设计可以根据企业的实际需要。这两个链接的目标是不一样的的主要任务,但有一个内部连接。非物质文化遗产的过程中空间识别、模块化、标准化设计为基础进行非物质文化遗产空间识别过程。关于nonsegmented精良的服装在非物质文化遗产空间识别的过程中,它应该变成了省级虚拟现实模型,它应该包括知识来支持开发新的非物质文化遗产和知识的企业设计根据企业的需要。
高性能计算是基于虚拟现实,现实世界的“增强”叠加计算机生成的虚拟对象,场景或系统提示的实际场景。高性能计算不仅可以引入虚拟对象的实际环境,而且动态显示虚拟物体的位置和姿势保持虚拟对象和实际场景的一致性,因此高性能计算环境中观察的习惯,更可以培养个人的眼睛。这种交互方式看起来更自然。另一方面,因为HPC使实际的场景,输出是更现实的(15- - - - - -17]。
如果使用高性能计算,可以使用摄像头捕捉真实的情况下获得视频流。跟踪方法用于处理每一帧视频,相机的实际坐标和国家使用几何计算方法,计算和虚拟对象的坐标和州注册的实际背景是用来形成一个虚拟场景。使用视频相结合的技术,将虚拟场景和真实的背景视频结合,和合并后的结果是传播的显示时间。
3所示。实验结果和分析
每个平行帧在这个实验中是构建高性能计算集群的环境中,存储在实验中是由Hadoop,和实验数据的计算由高性能计算项目主持。中使用的各种发展项目及其版本号这个实验如表所示1。
为了验证机构假说在前面的句子,验证模型设置如下。
的公式,k,我,j,t分别代表了企业、行业、地区和;代表的转换结果制造企业;代表非物质文化遗产之间的空间协同分销和制造;表示控制变量;α代表了常数项;随机干扰项。此外,行业固定效果 ,地区的固定效果和时间固定效应被添加到模型中。
以上结合所有属性之间的数学关系来验证结果属性获得的结果分类模型和评价模型的性能指标的混淆矩阵。表2混淆矩阵。
实验结果如表所示3。比较的实验结果表明,非物质文化遗产保护的准确性是通过使用两种算法比较实验。实验也充分证明了该方法的可靠性。
图2基于“增大化现实”技术的是一个接口图模块和虚拟现实模块。的交互功能模块介绍,视频,声音,非物质文化遗产介绍。传统文化作品的起源、生产技术和发展。图3是语音和文本解释的影响。VR模块提供了一个详细的虚拟现实三维模型的显示功能。用户可以进入虚拟现实三维模型的显示页面的传统文化作品通过单击传统文化作品的照片保存模型感兴趣的屏幕。AR模块加强传统文化作品的相关信息通过用户扫描,同时描绘设计传统文化作品卡,这增强了兴趣和交互的基于“增大化现实”技术的经验。这是加强显示效果的前后移动终端卡。在反馈模块中,用户可以提供反馈的使用应用。进一步丰富应用的功能来满足用户的需求。
此外,明信片设计方法使用基于“增大化现实”技术还包含了传统文化。为了进一步保护无形文化的继承,AR明信片设计与传统设计方法根据图4可以理解的传统文化设计的明信片。作为文化的有效载体,明信片可以进一步提高非物质文化遗产的传承性,用户可以使用移动终端查询包含传统文化作品和设计基于“增大化现实”技术的明信片。基于“增大化现实”技术的明信片增强现实的显示。传统手工艺品结合现代数字和互动媒体技术来吸引年轻的一代了解生产过程和审美特征的传统手工艺品。
是举行进一步的宣传和普及非物质文化遗产的保护。传统文化进校园活动。通过活动在幼儿园、小学和其他地方的城市,传统文化作品的起源和制造技术显示在传统文化作品的3 d模型。移动增强现实应用程序测试本文设计激发热情从学生和教师学习了解非物质文化遗产。与传统非物质文化保护方法相比,该系统提高了用户的体验感和相互关系(图5)。
4所示。结论
的过程中,现代社会的发展,人类对传统文化的自卑感不仅是保存,记录和显示的文化属性,而且人的尊重自己的文化历史和生命系统的延续。本文运用数字技术来构建一个三维空间,分裂,组织和重塑这个非物质文化遗产,和存储处理过的非物质文化遗产根据三维动态模式,以建立一个多媒体数据平台的非物质文化遗产保护体系。使用这个平台可以使公众有一个更全面的了解非物质文化遗产,促进中国非物质文化遗产的继承。实验结果的分析表明:利用数字技术进行分类和整理中国的非物质文化遗产项目资源,并建立一个系统的和全面的数字档案;保护和继承的好处越来越明显。数字保护是否使用现代科学技术或人类学和社会学的字段记录有积极的现实意义和价值的非物质文化遗产的继承和发展。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。