文摘
从2015年到2016年底,互联网引发了一波又一波的支付知识。Pay-for-knowledge平台如芬达、深水和Qianliao迅速上网,和喜马拉雅调频等平台,乎,发射和轻烃调频聚集列。用户的数量迅速增加,对知识和支付被认为已经达到了发展的趋势。本文旨在研究引入边缘计算在移动信息系统的存在和必然性知识支付平台;分析优势、困境和知识支付平台的优化路径;并试图为促进其发展提供理论参考。本文提出一个解释移动边缘计算和射频识别技术的相关内容概述,通过比较实验和行为分析方法。实验结果表明,有98人18岁以下的问卷,占总数的19.1%,有201人年龄在18岁至29岁,占总数的39.1%,30—39岁的有142人,占总数的27.6%,和73年40岁以上的人,占总数的14.2%。从数据可以看出,样本年龄主要集中在18岁至29岁,紧随其后的是30 - 39岁;样本年龄是偏向年轻人。 It has well completed the continuous use behavior analysis of the knowledge payment platform based on edge computing under the mobile information system.
1。介绍
云计算动态提升由于其低运营成本、动态可扩展性强,和简单的操作和维护。我国的云计算相关产业发展迅速。在云计算体系结构中,所有数据在网络上传输和存储在云端。云计算的主要特点是动态的、灵活的、和需求。云计算所需数据收集的相关设备。不同类型的终端传输大量收集数据各自的云平台和接收分析结果通过一个中央的功能。目前,大量的成熟的智能管理云平台已经被使用,但随着分布式智能设备的广泛使用,大量的数据传输造成的传输通道被阻塞。有许多困难在使用云计算技术来解决这个问题,和先进的计算技术提供了一个有效的方法来解决这个问题。
随着互联网的普及,内容的爆炸性增长已经导致了缺乏公众的注意力。内容方只能通过销售最能吸引注意力的内容免费或低价然后间接出售他们的注意力转向第三方利润。逐步深化的内容分级,低质量的内容是盈余的,高质量的内容很少,和高质量的内容的价值开始出现,最终形成一个收费的依据。自2015年底以来,知识的支付平台已显著增加。到2016年底,核心支付超过10知识平台或子项目已启动。然而,在不到两年的时间里,知识支付平台和subcolumns手牵手,和行业竞争非常激烈。平台在同质性或贷款竞争状态,还有在平台的质量隐患。在进入2017年,受欢迎的数量支付知识平台逐渐慢了下来。人口红利的削弱,支付知识平台的用户增长放缓,和问题,如网络名人和娱乐内容的影响开始变得突出。显然,它会导致知识的逻辑付款。 Gender is controversial. How far the payment for knowledge can go and whether the payment for knowledge platform can continue to grow has also become a question of self-reflection for the payment for knowledge platform. To further improve the acceptance and use level of the public has become a real dilemma that needs to be solved urgently.
Kazimierski雾计算在2011年提出,然后做了一个相关的定义,吸引着越来越多的学者关注和研究雾计算。但他的研究没有提出的原则,系统和应用程序相关内容的雾计算(1]。马塔和其他研究雾计算来帮助移动应用程序的使用。通过云计算和雾的实验对比计算,他们分析了雾和云计算的性能相比,计算在移动应用程序服务延迟需求高。研究结果证明,雾计算可以提供更好的服务。但他的研究没有提出具体算法内容,已限制(2]。伊斯梅尔等人提出了一个PCICC缓存策略基于文学中的缓存节点的特点。但他的研究没有解释云计算和雾计算传感器网络技术和网络虚拟化技术(3]。
本文的创新如下:(1)设计系统的硬件体系结构,提出了计算设备和使用类型的边缘被选中。(2)延时SD-CEN架构中的理论模型,介绍了和子任务卸载到每个MEC设备分布式并行计算成为SD-CEN架构。(3)主持人资格和用户类型的分类和分析几个流行的付费应用程序目前市场上解决知识,表达本文的现实意义。在方法层面上,本文巧妙地使用边缘计算方法来计算数据采集节点,确保连续使用知识的支付平台在移动信息系统。与过去相比,安全性大大提高。
2。知识的持续使用行为的方法基于边缘计算在移动支付平台信息系统
2.1。系统硬件架构设计
在电脑边系统,痤疮设备的数据收集是在每个数据采集节点完成4,5]。基本上每个节点包含一个终端设备和许多外部设备(6]。物理数据,数据收集是通过外部设备(7]。在数据收集过程中,所有类型的设备将收集到的数据传输到终端设备实时地在一个预定义的格式8]。为了兼容大多数外部设备,最先进的设备提供各种形式的硬件接口,如UART、USB和无线传输接口(9]。当有许多传感器将数据发送到最先进的设备(10),无论是物理数据或网络数据,它必须通过设备内的数据处理单元(11,12]。之后,数据上传到云在一个预定义的格式(13,14]。
根据系统操作目标和应用程序脚本的设计,第一个是边缘设备(15]。网络拥塞导致的一系列问题,如包丢失和延迟16,17]。其次,为了满足市场上各种传感器的传输要求,设备必须支持各种硬件通信接口,最后针对特定场景,可以使用(18,19]。系统框架图如图1。
2.2。知识的支付平台
传统的支付行为知识的崛起以来存在教育(20.]。知识在本文中提及付款是更直接的和自发的交易知识传播者和受众之间的关系(21,22]。它是指用户使用支付平台与他人分享个人知识的知识来获取经济利益,和其他用户通过平台(在线支付的知识23]。支付平台的知识是一个网络媒体系统,为知识的交流提供了一个场所和金钱。它使用计算机技术来支持新的知识传播的关系,同时,它构建两个现实的经济效益和知识效益值对双方(24,25]。
知识是知识分为主观和客观知识(26]。主观意义上的知识或思想包括精神状态、意识状态,或行为的意图或反应;知识或思想客观意义上的问题,包括理论和参数(27]。简单地说,认知对象和客观知识是知识没有无关声称知道或反对它。目前有两种类型的实证科学知识。解释,一个是描述和测试结论和归纳知识的“自然事件”,另一个是进行系统和关键调查或解释现象学经验知识的现象内容(28]。理论的角度来看,可分为实际知识和价值的知识。真正的知识是一个普遍规律,不会改变与纪律,特别是自然科学知识。价值知识认知主体的个人痕迹;即认知对象是事实。知识是基于知识处理等经验,想法和灵感。真正的知识和知识价值的科学而不是错误的当前水平的社会知识。前者可以帮助公众理解自然世界更准确。与传统知识的K12相比,支付平台主要是知识价值的知识的知识,因此,提高公众的社会适应性的作用更加明显。知识支付平台的模型图如图2。
2.3。延迟在SD-CEN架构理论模型
将任务按比例合理,和卸载每个MEC的子任务分布式并行计算设备在SD-CEN架构已经成为一个紧迫的问题。建模如下:
为了优化服务响应延迟,实现最低的目标服务响应延迟,服务响应延迟的建设基于SD-CFN网络体系结构可以表示如下:
总服务延迟t可以表示如下:
的解决任务分配系数可以转换为矢量的解决方案助教,(3)被建模为如下优化问题:
在(4),我表示可行解的搜索空间的助教,这是表示如下:
使用烟花算法解决优化(4)成为烟花的求解方程。爆炸半径Ai和每个烟花爆炸火花如果大数量的计算如下:
为了防止烟花健身值生成高太多爆炸火花,和较低的烟花健身值不会产生火花,太少的数量每个烟花爆炸产生的火花需要是有限的,如下所示: 在哪里一个,b都是常数。
所选的z维计算如下:
所选的z维形式设置z,以及由此产生的爆炸引发表示如下:
更新这个维度的值根据以下公式:
的kth维度生成高斯变异引发的计算如下:
从当前一代的烟火,爆炸火花和高斯变异的火花,选择N烟花作为新的人口进入下一代,和烟花的人最小的健身价值肯定会选择进入下一代。为了保持种群的多样性,剩下的N−1个人按照轮盘赌选择算法选择。概率计算如下:
在上面的计算任务卸载策略基于烟花算法,需要获得的总计算任务,计算能力,云服务器的通信资源和提前MEC设备。因此,非常有必要引入一个中央控制节点的网络来获取整个网络的信息。整个算法模型介绍了SDN控制器的中央节点cloud-edge计算机网络体系结构。SDN控制器收集所有设备的信息,经营烟花算法制定最优计算任务卸载策略,并提供每个MEC设备通过流表的策略。接下来,开始实验。
2.4。边缘计算
边缘计算指的是使用一个开放的平台,集网络、计算、存储和应用程序的核心功能接近的事物或数据来源提供nearest-end服务附近。其应用程序发起的边缘一侧产生更快的网络服务响应和满足基本需求的实时业务的行业,应用智能,安全和隐私保护。边缘计算是物理实体和工业之间的连接,或顶部的物理实体。而关于云计算,你仍然可以访问历史数据计算的优势。
自动化实际上是一个“控制”为核心。控制是基于“信号”,而“计算”是基于数据。更多的意义是“战略”和“规划。因此,它更关注于调度,优化和路由。“就像全国高速铁路的调度系统,每增加列车的数量会导致调度系统的调整,基于时间和节点操作和规划问题。边缘计算在工业领域的应用更多的这种类型的“计算”。
简单地说,传统的自动控制是基于信号控制,而边缘计算可以被理解为“信息控制”。
3所示。知识的持续使用行为的实验和分析基于边缘计算在移动支付平台信息系统
3.1。短的长度,以适应碎片时间
互联网信息的分散导致分裂的观众的时间和注意力。支离破碎的学习已经成为了主流。因此,碎片和传播系统知识更符合观众的学习习惯,减少学习的努力。payment-knowledge平台的观众一般都很忙,和分裂的特点更突出。图3显示单位支付课程的持续时间。
通过分析支付课程的持续时间的不同应用,不难看到,主菜APP1集中在白天的时间和更少的时间在周末,虽然APP2的课程时间主要集中在晚上和周末。这是更好的学习者。
系统的示例数据图所示4。
发表的文章数量的年度分布在国内外知识支付平台研究图所示5。
旋转组件的散点图矩阵如图6。
每个变量的描述性统计图所示7。
3.2。样品描述
文化资本理论认为文化消费行为不仅是体现自我认同的一种方式,而且是一个社交类繁殖策略用来表达自己的社会身份和占据更有利的社会地位和一个通道来实现自我完善。因此,文化资本的收购非常实用,并努力获得更多的物质资本,尽管“隐蔽、保密”的文化资本投资可能掩盖其行为的功利主义特征。实际的统计过程中使用的工具,EXCel通常被用来执行相关数据的统计和分析。表1是一个总结的几个类别的知识。
从上面的分析内容的喜马拉雅调频,深水,乎生活,可以看出,这三个模型使用付费订阅,在线问答,在线讲座作为他们的核心知识共享模型。在内容的广度和深度方面,这三个平台涉及生活和工作的各个方面,有不同的内容偏差:在这三个平台上的知识既流行又专业,多层次和多样化。内容满足用户的不同需求,verticalization和IPization的趋势是显而易见的。表2是传播内容的比较分析表。
的沟通效果的比较分析三个平台如表所示3。
乎生活扬声器的资质如表所示4。
3.3。节点地址
与有线网络相比,无线网络存在抗干扰能力弱等缺点。无线个域网网络系统中使用树状网络拓扑,更方便管理。无线个域网网络中传感器节点的地址可以由一个分布式路由算法,并与连续添加节点,形成一个稳定树网络。以下简要介绍了无线个域网网络的形成过程,实现移动终端的网络拓扑结构的形成。每个节点的对应关系列表如表所示5。
通过查找节点的名称在上面的表中,我们可以很容易地获得相应的节点地址和计算节点地址对应于它通过添加无线个域网树网络节点地址。
几种常见网络协议如下TCP / IP:为了实现不同网络之间的互连,美国国防部开发TCP / IP架构和协议从1977年到1979年。NetBEUI:这是一个增强版的NetBIOS协议,已通过许多操作系统,比如Windows工作组,赢得9 x系列,和Windows NT。IPX / SPX协议:它最初协议由Novell致力于NetWare网络,但它也很一般最常用的游戏可以连接支持IPX / SPX协议,如星际争霸和反恐精英。
最后一个是滑动协议。
计算消费四个协议的比较如表所示6。
改进的协议增加了计算所需的消费用户A和B(移动终端)和协议在注册阶段和登录阶段,但它会增加用户的身份标识的保护,避免了存储的机密在纯文本参数。
相关分类的样本:性别、年龄、教育水平进行分类;根据男性和女性性别分类,分类是基于18岁30和40年。教育水平是分类根据本科和硕士之间的分界线。
样本的基本特征如表所示7。
从性别的角度分布,在问卷有254男性,占总数的49.4%,和260个女性,占总数的50.6%。男性比女性并没有太大的区别,几乎相同,但女性的数量略高于男性的数量。
从年龄分布的角度来看,有98名18岁以下的问卷,占总数的19.1%,有201人年龄在18岁至29岁,占总数的39.1%,30—39岁的有142人,占总人数的27.6%;40岁以上的有73人,占14.2%。从数据可以看出,样本年龄主要集中在18岁至29岁,紧随其后的是30 - 39岁;样本年龄是偏向年轻人。这样的分布特征主要是有关教育支付平台本身的特点,和年轻人更容易接受这种新兴的教育。数据显示,绝大多数的用户使用支付知识平台主要是本科生。这种分布结构主要是因为拥有学士学位的人数远远高于中国的人数有硕士学位或以上;第二个是,因为回收。调查问卷主要是电子问卷。高等教育的人更可能上网比那些受教育程度较低。 Thirdly, people with higher education are more likely to accept new things and can keep up with market trends.
4所示。讨论知识的持续使用行为的支付平台基于边缘计算在移动信息系统
4.1。效度分析
有效性测试主要用于测试样品的准确性是否能有效地反映了不同变量之间的关系。一般来说,测量的有效性越高,更准确的测量结果可以反映测量元素的程度的确认。本文将从两个方面:检查有效性的有效性的内容和结构的有效性。
内容效度也被称为使用效度、实证效度,表面效度或逻辑效度。主要统计问卷数据不包括所有的研究人员想要研究的内容。通常一个对象的得分的相关系数用来反映所有对象的总分。如果相关系数不显著,这意味着项目的解释力较低,和项目必须消除。因为大多数潜在变量的本研究参考现有的外国文学,以更加成熟的量表,结合专家评价和用户深入访谈,分析后的最终规模获得,所以其有效性是有效的。
结构效度是一个重要的指标来判断是否规模可以测量变量。文本主要使用收敛效度和判断力来测试有效性。收敛效度是用来测量之间的相关程度,测量元素相同的变量。如果相关性高,收敛效度很好。相反,必须纠正测量数据,通常使用一个负荷系数装载机进行测试。离散的有效性,也称为离散的有效性,是用来测量的相关程度不同变量之间的测量数据。之间的相关性测量元素必须很低。一般来说,每个潜变量的平均输出变量的测量尺度应该大于潜变量。通过公共变量的方差和其他潜在的变量或相关系数的平均值,测量量表具有良好的分辨率。在分析样本数据之前,KMO测试和Bartlett球测试将在收集到的样本数据进行确认样品是否适合探索性因素分析。 The value of KMO statistic is between 0 and 1. The closer the KMO value to 1, the stronger the correlation between the variables, and the more suitable the initial variables for factor analysis. Conversely, the closer the KMO value to 0, the weaker the correlation between the variable and the initial variable, which is not suitable for factor analysis.
4.2。射频识别技术的概述
感知技术也可以称为信息收集技术,它是实现物联网的基础。目前,信息收集主要使用RFID标签和读者,EPC标签和读者,各种传感器(如温度传感器、声音传感器、振动传感器、压力传感器),GPS,和照相机,以及完整的数据感知、识别、收集,收集的信息和控制设备物联网应用程序。感知技术移动护理系统中使用RFID(无线射频识别),这是一种通信技术,不使用视觉或机械接触识别系统和特定的目标。
无线电信号可以转换成电磁射频领域,并可以发送到数据对象通过标签来识别和监控对象。根据ID发出的电磁场,在识别过程中特定的标签可以被激活而不需要额外的电池。有些标签有自己的电源和调制的射频电磁场(自动发出无线电波)。电子标签存储数据,可以发现在几米或第一个标记。条形码的区别是,射频技术不需要表面的ID,并且它也可以集成到被监控的对象。
收音机发出的信号可以由电磁场控制相应的频率,和标签对象传输一些数据,可以发现和识别。ID的电磁场将使一些标签得到权力不使用另一个电池;一些标记自己的电源,可以自动发送无线电信号。标签主要电子存储设备的存储数据,可以识别或发送第一个信号在几米之内。与条形码、射频技术并不一定出现在表面的标识符,但也可以集成到被监控的对象。根据所使用的技术和结构,读者可分为阅读或读/写设备,它扮演的角色控制和信息处理的射频识别系统。读者通常由一个收发器,连接器,一个接口和一个控制单元。植入物和读者通常用semi-two-way通信交换数据。在实际操作中,功能,如数据收集和管理对象识别和远距离传输等也可以通过以太网或无线局域网完成。射频识别系统是一个应答器的信息载体。 When the reader sends the information, it first encodes the information, then selects the signal of a specific frequency to load, and then uses the antenna for external transmission. Such a pulse signal can be received from the electronic tag of the reader, formatted, decoded, and decrypted by a specific circuit on the chip, then judging what kind of command request is based on the result.
4.3。边缘的影响计算客户继续选择使用以知识为基础的支付平台
在这种情况下,边缘计算系统的总体体系结构分为三个部分:边缘设备用作收藏模块,使用网络爬虫技术,结合web代码下载模块在Python环境中完成数据收集;数据处理模块使用数据处理和数据集成相关工具将这些数据发送到云计算中心;数据存储模块存储prereserved数据表中的数据通过MySQL数据库系统。其中,数据处理可以通过边缘设备,也可以是由云计算中心处理后的数据上传到云端。这里,为了最大化边缘设备的优势,选择边缘设备完成数据处理,获取数据,然后将数据发送到云。
边缘computing-based系统完成后,用户的满意度将在调查问卷的形式分析和变量特征进行了统计分析。
具体问卷回收情况如表所示8。
为了探索平台的更快的获取信息,提高用户的满意度与平台,促进用户继续使用知识的支付平台,设计变量的内容特征。每个统计方法所需的样本大小是不同的,和结构方程模型的研究还需要注意这种能力的问题。最大似然估计是在结构方程模型中最常用的方法。一般情况下,样品的数量是100年的最低限制。总共514份问卷收集在这篇文章中,远远超过最低数量的样本为研究结构方程模型。此外,最大似然估计方法只能用于测量变量是一个连续变量,服从多元正态分布。研究人员通常使用偏态和峰态分析样本数据是否符合正态分布。当偏斜度和峰度的绝对值均小于2,我们认为样本数据服从正态分布,可以极大似然估计的方法进行数据分析。本文运用Spss24.0测量偏斜度和峰度的样本数据。
SPSS软件:SPSS统计软件,是世界上第一个使用图形菜单驱动的界面。其最突出的特点就是操作界面极为友好,输出结果美观。它显示几乎所有函数统一和标准化接口。它使用窗口来显示各种数据管理和分析方法的功能,和各种功能选项对话框。用户只需要掌握一定的操作技能,精通统计分析原则,他们可以使用该软件为具体的科研工作服务。SPSS使用方法类似于EXCEL表单输入和管理数据。更一般的数据接口,和数据可以很容易地从其他数据库读取。其统计过程包括了常用的、更成熟的统计过程,完全可以满足nonstatistical专业人士的工作需要。输出结果是非常美丽的,它是存储在一个特殊的热点格式,可以转移到HTML格式,文本格式。为用户熟悉的旧版本编程操作模式,SPSS还专门设计一个语法生成窗口。 The user only needs to select each option in the menu and then press the “Paste” button to automatically generate a standard SPSS program, a great convenience for middle and advanced users.
SPSS为Windows软件包相结合,集数据输入、排序和分析功能。用户可以根据实际需要和计算机的功能选择模块,以减少系统硬盘容量的要求,这有利于该软件的推广应用。SPSS的基本功能包括数据管理、统计分析、图表分析、输出管理。SPSS统计分析过程包括几个类别如描述性统计、均值比较,一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、和多个响应。回归分析有几种统计过程,如线性回归分析、曲线估计,逻辑回归,概率单位回归,加权估计,两阶段最小二乘法,非线性回归,和其他统计流程,每个流程还允许用户选择不同的方法和参数。SPSS也有一个特殊的绘图系统,可以根据数据画出各种图形。
结果如表所示9。绝对的所有变量的偏斜度和峰度值小于2,符合正态分布的数据,满足结构方程分析的要求。
结果如表所示。可以看出,希望确认用户满意度的标准化路径系数为0.45,和意义系数P小于0.01;的标准化路径系数从确认到感知有用性是0.80,和意义系数P小于0.01,和确认的程度表明,平台构建在本文中对感知有用性有积极的影响和用户满意度。
5。结论
实验结果表明,边缘computing-based知识的持续使用行为分析在移动支付平台信息系统提出了比传统知识平台,和统计指标更加全面。本文增加了解释的计算任务卸载策略烟花算法,移动边缘计算和射频识别技术的概述。在算法的简化和解释方面,最优任务分配比例是解决根据MEC计算和通信能力的设备。本文使用问卷调查法和比较实验方法分析旋转成分矩阵。实验结果表明,有98人18岁以下的问卷,占总数的19.1%,有201人年龄在18岁至29岁,占总数的39.1%,30—39岁的有142人,占总数的27.6%,和73年40岁以上的人,占总数的14.2%。从数据可以看出,样本年龄主要集中在18岁至29岁,紧随其后的是30 - 39岁;样本年龄是偏向年轻人。本文的缺点如下:(1)在样本收集的数据量相对有限。在未来的研究中,实验样本可以扩展来获取研究结果的可信度。(2)烟花算法设计在本文中没有单独的控制变量的过程中简化算法。 Although the actual experimental results did not have an impact, the reliability of the algorithm should be more rigorously studied in future research.
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者宣称没有利益冲突与任何金融机构有关材料报告在这个手稿。