文摘
传统方法只注重硬件建设,而忽略了数据处理的步骤,导致冗余资源占用率高,不合时宜的资源共享和低平台数据安全系数。为了解决这个问题,本文建立了基于云计算的教育信息平台。这个平台给教育信息平台的总体结构,包括业务层和支持层。外部接口设计。基于MySQL数据库接口,允许用户使用自定义数据格式和存储管理模式,确保资源使用数据的灵活性,提高兼容性智能终端和虚拟机之间通过远程桌面终端体系结构。通过教育数据压缩和教育资源共享模型,减少冗余信息的生成,从而实现教育信息平台的设计。实验结果表明,该方法可以有效地减少冗余资源的占用率,节省网络带宽,提高数据平台的安全系数。资源共享的时间总是小于2.0,验证了该方法的有效性
1。介绍
从近年来教育信息化的总体水平,基本的硬件建设取得了一定成果,但是软件建设没有跟上硬件建设的步伐。软件的缺乏影响了教育信息化的发展,进而导致整个教育信息应用在低水平(1- - - - - -3]。目前,教育资源分布和质量不高。因此,教育资源的建设是教育信息化的核心。资源建设本身有其特殊性,如投资大、复杂的资源组织,建设周期长,而缓慢的效果。各种因素导致教育资源的建设没有质变(4,5]。从当前形势发展的教育资源,教育资源有很多,好的和坏的。因此,在学术信息资源,建设必要的管理现有的教育门户也应该加强教育资源的整合现有的网络。因此,探索教育资源的建设和改进应用程序级别已成为教育信息化建设的一个重要任务(6- - - - - -8]。
文献[9设计一个在线教育课程基于云平台的资源共享平台,这是由云基础设施层,云系统服务层,云应用程序层,和云客户端层。其中,业务管理系统在云系统服务层实现的业务逻辑平台,平台和用户功能分为两个功能模块,教师和学生,根据用户的权限不同:教师功能模块可以管理内容,如学生、团队、课程、直播、编辑、生成、并批准试卷,完成创建、分配和计算学生作业,并上传教学资源。学生功能模块用于实现的功能下载教学资源、在线作业、在线考试、讨论和交流。平台性能验证结果表明,该设计平台大量的共享资源和全面的内容,和共享服务的效果,平台应用程序的性能得分率均高于0.75,表明该平台可以大大有助于提高教学效果,可以有效地提高教育的公平。张甄,敏华等提出了一个基于云计算平台的个性化的体育教育体系建设分析,使用云计算教育平台构建和分析教学系统,并取得了良好的结果。然而,冗余资源的入住率在这个平台是相对较高的,这将导致摊位当大量用户登录。文献[10)设计了一个大规模的视频教学资源管理系统基于云平台。系统采用HDFS分布式结构。功能层包含处理等功能系统事务逻辑规则。它可以清晰地反映每一个相对独立的功能目标,主要分为用户模块、系统管理模块、资源管理模块和教学视频。其中,用户模块可以实现上传,下载,教学视频和评估;教学视频资源管理模块是基于限制理论和玻尔兹曼机建议通过训练训练数据集,然后获得用户的反馈教学视频资源的预测和评估,并推荐教学视频资源的基础上,评估结果。应用试验结果表明,所设计的系统可以满足用户的各种搜索需求,系统资源占用率低并发应用程序的条件下。发现数据通信网络的拓扑结构发挥作用作为其安全的一个重要因素对攻击鲁棒性。在这样的网络中,安全可靠性对有意的攻击,旨在降低网络节点可通过改变不同拓扑。这种降低是一种破坏和干扰威胁攻击网络的可用性(即。,攻击网络资源和链接)。 However, resource sharing is not timely due to the large amount of processing time consumed in resource sharing. Reference [11)提出了一个开放的平台模型基于PaaS的教育资源结构,结合技术,如动态几何、计算机代数,几何定理和自动推理,采用microservice架构设计和实现一个动态的开放教学资源平台。开放平台有深刻的学科的特点,定制开放资源和能力,分层授权,等等。OAuth 2.0技术作为主要的授权过程提供的第三方应用程序和用户身份验证、授权、分层和定制的动态教学内容材料,和能力。开放平台的特点和总体设计。分层策略应用程序和用户权利,认证,并介绍了定制的开放资源和工具。根据性能测试结果,可以广泛应用于教学活动平台。然而,由于很多用户直接访问平台,很难保持平台的安全性数据。
人力资源规划可分为战略长期规划、中期规划、短期规划和操作。它也可以分为两个方面:战略计划和战术计划。
1.1。战略计划
人力资源规划的实质是促进企业实现他们的目标。因此它必须战略性、前瞻性和目标,它必须反映组织的发展需求。同时,要注意战略规划的稳定性和灵活性的统一。
1.2。战术计划
人力资源规划是将公司的业务战略和目标转化成人力需求,分析和制定人力资源管理的一些具体目标和实施计划从整体发展的角度来看,公司的量化。战术计划是基于供给和需求的预测公司未来面临的外部人力资源,以及对人力资源需求的预测公司的发展。制定具体的计划是基于预测的结果,包括招聘、辞退、晋升、培训、工资、和福利政策。
针对问题的传统方法,如冗余资源的占用率高,不合时宜的资源共享,和较低的安全系数平台数据,建立基于云计算的教育信息平台。
本文的研究贡献包括以下:(1)本文建立了基于云计算的教育信息平台。(2)通过教育数据压缩和教育资源共享模型,减少冗余信息的生成,从而实现教育信息平台的设计。(3)本文的方法可以有效地减少冗余资源的占用率,节省网络带宽,提高数据平台的安全系数。
2。教育信息平台建设
无线传感器网络(网络)是由大量的传感器节点约束的存储空间,电池,和计算能力。有大量的应用程序目前提出了网络,如环境监测、医疗和军事领域。然而,由于数据在多个啤酒花和无线传输,一些严重的网络隐私问题参与。
在无线传感器网络数据收集是一个关键的行动。针对现有数据收集方案的保护隐私问题,我们使用一个安全的和可核查的连续数据采集(SVCDC)算法为教育信息平台收集数据。考虑到感官的时间相关数据,SVCDC重建多个感官数据在一个周期内,可有效减少数据流量,然后,通过加密重建数据,SVCDC确保感官的隐私数据(12]。
2.1。教育信息平台的总体架构
根据个性化教育的个性化需求,采用双层虚拟网络架构构建教育信息平台:底层是支持层,虚拟机的真正硬件集群用作载体。上层业务层,由虚拟机集群。与外部网络连接,完成各种任务都是由业务层完成,和支持层仅用于业务层,逻辑上隔离从外部网络(13]。教育信息平台的总体架构包括硬件和软件,虚拟机也用于控制分析,实现平台的应用程序的影响。图1显示了教育信息平台的总体架构。在本文中,我们利用熵损失函数建立模型对于我们的研究问题。它可以定义如下: ,在哪里x和y表示为真正的工艺品的得分和困难吗y意味着我们的建议的预测评分和困难。p我的概率意味着他们是相似的。更大的价值损失,更糟糕的是我们的建议。我们的建议是用来训练模型符合实际和预测工艺品,这样机器就可以协助工艺美术设计。制动控制系统的总体结构的油田小修机基于无线传感器网络如图1。
2.1.1。业务层
虚拟机集群在业务层有更大的自由,和开放源码解决方案可用于兼容商业解决方案,同时支持现有系统在其他地区在这层移植到虚拟机。外部网络,没有区别各种具体的技术解决方案,和教育云平台作为一个整体提供服务(14]。这个虚拟业务层具有较强的兼容性和对现有系统在不同的地区,这有利于在未来系统移植和平滑升级。
2.1.2。支持层
支持的硬件设备组层也可扩展和灵活。这一层特别包括电脑、独立服务器,刀片服务器、RAID磁盘阵列,NAS存储、网络和其它设备(15]。自支持层纯粹为虚拟机提供计算资源在业务层,不参与具体的业务操作,支持层不能从外部网络,在支持层和设备升级不会影响业务层的虚拟机的操作。
支持层的主要特点如下:(1)从外部网络逻辑隔离,不直接向外界提供服务。它只提供各种硬件资源的虚拟机的操作业务层。(2)硬件异构系统的兼容性,可以支持各种不同的硬件设备,并提供了硬件资源的虚拟机通过一个统一的内部平台业务层接口。(3)容错操作的能力通过硬件冗余备份。硬件设备发生故障时,业务层的虚拟机可以继续正常运行。硬件更换、扩张和升级不会影响正常服务的业务层。
这两层架构的优点是提供服务的虚拟机成为一个独立的层分开的实际设备底部和具有较强的兼容性。它可以使用现有设备,可以无缝升级到新的硬件;业务层的不受影响。
许多学习平台设计与不同的技能,如在9,10,16- - - - - -18),使用各种机器学习方法和新的云计算技术来实现各自的技能。文献[16)提出了一种基于网络,构建不同风险节点之间的连接。文献[16)也使用一个特定的损失结构保持的相似性和预测工艺设计。文献[17)提出了一个基本的模型,需要更多的计算消费获得所需的性能。然而,这些方法分别有自己的缺点。文献[18太慢了,(17)是如此复杂,16也需要更多的空间。所有这些方法近年来表现良好和更受欢迎,所以他们可以用在不同的学习平台。尽管他们有不同的缺点,与这些方法相比,我们的建议能有效工作通过使用进化算法不利用网络结构,而不是耗时。我们的建议可以解决问题,我们还需要一个较小的计算空间来创建我们的模型。然而,我们的模型可能会获得一个相对较低的精度比其他人有时,这使得预测不稳定。
2.2。外部接口设计
为了收集数据的各种区域系统总结,分析和统计,然后形成教育资源的参数指标和调度,以及为了减少接口实现的困难,不要使用复杂的和定制的界面,但使用简单和通用数据库接口;本文使用MySQL数据库接口。基于MySQL数据库接口,允许用户使用自定义数据格式和存储管理模式,确保数据资源使用的灵活性(19]。外部数据的完整性和完整性受到外部系统的保证,而这个平台的数据完整性保证了MySQL数据库。图2外部接口电路的原理图。
2.3。远程桌面终端体系结构
为了使学习者通过各种智能终端远程访问教育云,远程桌面终端体系结构设计。这个过程集中在实现两种技术:安卓终端访问Windows虚拟机和Windows终端访问Linux虚拟机。这两种技术实现基于RDP协议,保证了云平台系统的一致性,达到良好的跨平台兼容性智能终端访问跨平台虚拟机(20.]。
这个解决方案使用智能终端访问远程桌面和登录到虚拟机的内部云平台通过一个无线局域网或外部网络。远程桌面终端体系结构如图3。
根据图3可以看出,防火墙连接到外部网络,允许各种有线和无线智能终端如平板电脑、大屏幕智能手机,笔记本电脑,和台式电脑远程登录到内部云平台。连接允许远程登录的数量取决于内部云平台的性能。典型的远程桌面支持的分辨率:640×480×16位颜色或720×480×16位颜色。这个设置也可以正常显示在大屏幕智能手机的800×480。如果它是一个平板电脑或笔记本电脑,你可以使用1024×768×16位颜色或更高的分辨率21]。
2.4。教育资源加工技术
根据教育信息平台的总体架构设计,它不足以依靠现有的开源软件功能实现整个平台的有效操作。现在,云计算正在迅速发展,数据的数量正在以惊人的速度增长。信息产业的发展趋势,大数据变得越来越重要(22]。无数的有用的信息是隐藏在大数据。如何有效地处理这些大数据已成为迫切需要解决的问题(23]。
2.4.1。教育数据压缩
有必要存储和传输大教育网络环境中的数据并保护这些宝贵的大数据,这是一个挑战,信息存储和安全保护。数据压缩是一个明智的方式保存数据存储的时间和成本。根据教育数据压缩格式,选择一个适合云计算教育数据压缩格式,火花介绍云计算技术,构建一个基于云计算引发的数据压缩算法。云计算环境下实现教育数据压缩(24]。
假设原始数据是一个列向量与维 ,下的变换矩阵与维 ,原始数据可以表示为
在上面的公式中,代表原始数据的系数向量在变换矩阵25]。
变换矩阵的作用下,系数向量的维数是 。当大部分的系数是0和非零系数的数量远小于向量维度 ,的规范满足 和在变换矩阵可以实现稀疏表达吗 。根据是否列向量相互正交,变换矩阵可分为两种类型:一个完整的图书馆和冗余字典。
验证后,原始数据可以表示稀疏,原始数据预计通过传感器矩阵的维度 ,和原始数据可以转换为一个低维空间。被压缩的数据表示 ,和它的尺寸是 。
由于数据压缩后尺寸远小于原始数据维度,线性投影后的数据长度远小于原始数据长度来实现数据压缩(26]。数据压缩的过程中,由于原始数据预计从高维空间到低维空间,信息的损失是最小的27]。
图4显示了教育云计算下数据压缩过程。
2.4.2。教育资源共享模式
教育资源建设的核心问题是资源共享的问题。解决资源共享的问题将带来巨大的便利资源的互操作性和解决当前困难的资源建设和资源使用在很大程度上。教育资源在开发过程中,因为它是各方无法使用一个统一的技术方法,它将带来困难互动使用资源的库(28,29日]。因此,在资源共享的过程中,应考虑技术共享。所谓的技术共享不需要各方遵循统一的技术标准,但应该建立一个统一的技术界面在不同的技术来实现不同的资源数据库之间的交互。本文将建立一个统一的资源描述框架,实现不同的元数据标准的相互映射,并使用xmij语法来描述资源统一数据显示,形成一个共享的技术框架(30.]。
教育资源共享是一种分享在不同层次上,不是在一个级别。教育资源的多级共享模型图所示5。
从图可以看出5教育资源共享模式是一个层次结构,包括概念共享、技术共享,共享内容。其中,概念创建一个共享是实现教育资源本体,而RDF模型实现技术共享;元素数据映射实现与XML (31日]。在图5可以看出,RDF和元数据层句法和语义互操作性的功能。下面描述了RDF框架下的教育资源元数据共享的过程。
首先,假设节点转发查询请求的数量 ;也就是说,覆盖率 ,有边缘,节点的平均度 ,和节点的数量由一个函数可以计算出节点的数量吗和索引 :
在上面的公式中,代表了教育资源数据集;c代表了无效的节点;表示元数据的能力。
共享教育资源数据的过程中,空间矢量数据的表示 ,的投影数据样本由以下公式表示:
在上面的公式中,代表了高维数据在数据集和低维数据的数据集。
然后集群中心的数据集表示为
在上面的公式中,表示数据样本的总误差值;代表了集群中心建在样本数据的基础;和代表最近邻集群的数据样本和 ,分别。
的作用下公式(5),离散数据生成过程中共享教育资源可以被处理。具体来说,数据差异问题可转化为最大化目标函数,和数据的最优投影方向可以得到解决。公式如下:
在上面的公式中,代表任何数据库中的数据的正实数,和它的功能是准确地测量不同目标的最大化和最小化数据的差异。根据上面的公式,样本数据的差异可以最小化。
虽然可以最小化数据散度公式(6),考虑到用户的数量,数据查询请求的数量的教育信息平台也应该扩大,和原始数据查询请求的数量应该设置为
在上面的公式中,表示一个数据组,代表一个单独的数据单元。
在数据共享的过程中,为了减少用户的响应时间需要在以后的阶段,每一个新节点添加到目标中删除下一轮的查询请求(32,33),用户的查询请求转发数量检索过程如下:
条件下的数据量是在同一范围内,随着网络节点的连通性增加,可有效减少冗余信息的生成。
3所示。实验验证
为了验证本文方法的可靠性,进行仿真实验。为了确保实验结果与此形成鲜明对比的是,在实验中,选择相同的教育访问数据压缩格式,确保教育数据的完整性。与此同时,为了提高实验数据的准确性,每个实验结果数据的平均值作为实验相同的30倍。更多细节,我们使用混淆矩阵,精度,精度和f1-score评估模型的性能;矩阵可以定义如下:
| 真正的预测 | 积极的 | 负 |
| 积极的 | TP | FN |
| 负 | 《外交政策》 | TN |
3.1。实验平台建设
仿真实验是建立在ISO复位触发器+ + 4.5平台,功能调试和调试器是用于最大化实验结果的准确性。ISO复位触发器+ + 4.5仿真平台由一个显示器,一个控制器,监控终端,一台电脑,和一个天线。它的硬件配置的具体参数如表所示1。
在实验中,读者负责收集实验数据,和读者的采样率设置为250样本/ s。天线选择13.56米外部线圈连接。在实验中,读者和显示的相对位置保持不变,以防止其他因素影响实验结果。与此同时,通过计算机数据被收集。数据收集的任务是收集平台实时数据和使用控制终端管理数据。数据管理的特点是使用频率总体信息,时差,单位功率,领带线路功率的实验系统。调度决策的主要目的是提高实验质量控制。通过控制器来分析网络,网络分析的特点是使用实验系统分析和决策的实验内容,主要目的是提高实验的安全。
3.2。实验指标和方法
采取冗余资源占用率、资源共享时间和平台数据安全系数作为实验指标,本文方法结合基于云平台的在线教育课程资源共享平台(9)和基于云平台的大规模视频教学资源管理系统(10比较实验。
3.3。实验结果分析
3.3.1。比较冗余资源的占用率
把教育资源平台的入住率作为实验指标,比较不同平台的应用效果,结果如图所示6。
从实验结果如图6,可以得出结论,冗余资源占用率不同的方法没有一定规则根据不同实验时间,但冗余率是逐渐表现出上升趋势,而且它有增加的趋势。这些趋势可以用作参考。其中,冗余资源的最大入住率的方法9)是13.5%,最高的入住率冗余资源的方法10)是17.5%,最高的入住率冗余资源的方法在本文中是4.5%。根据上述结果,冗余资源本文方法的入住率较低,表明教育信息平台的性能在本文中的方法是更好的,它可以节省大量的网络空间,提高平台的服务质量。
3.3.2。资源共享的时间
以平台的资源共享时间为实验指标,比较不同平台的应用效果,结果如图所示7。
从图可以看出7下平台的资源共享时间不同的方法非常不同。本文方法的资源共享的时间总是小于2.0年代,拥有高效的处理和利用教育数据。资源共享时间的方法9)方法和方法(10)明显高于本文的方法。资源共享的最高价值是7.0和4.4年代,分别。通过比较,可以看出,资源共享的能力明显低于传统方法设计的教育信息平台。
3.3.3。平台数据安全的因素
以平台数据安全因素为实验指标,不同平台的应用效果进行了比较,结果如表所示2。这里,数据安全是指的比例数据泄漏、数据丢失和数据劫持。这三个因素都是重要的因素在云计算具有重要意义,保护用户的数据,防止利润损失。的安全系数可以被定义为公式(10),数据我t指的是原始数据和其他数据的总大小代表数据是表示接受数据我r。
据的分析表2下,平台数据安全系数的方法,本文在0.93和0.98之间,平台数据安全系数下的方法9)是在0.74和0.93之间,平台数据安全系数下的方法10在0.69和0.82之间。平台数据安全系数的比较表明,本文的方法是高,这表明它可以确保用户有更高的安全系数数据查询、数据共享、资源查询,可以保证平台安全、用户安全。虽然该方法在37)数据分析能力较弱,它执行更好的与其他方法相比,数据安全(16- - - - - -18]。
除了大量的教育信息平台数据采集,我们还需要分析获得的数据和做不同的后续业务不同的模块。准确率的学生建议在食物、书籍、体育、校园路径规划和课程相关数据进行比较分析,结果如图所示8。的结果在这个平台上使用的方法优于其他方法。结果如图所示8:我们建议在所有模块的价值观明显比其他人更好。这表明,我们的建议可以执行比其他三种方法。特别是,我们的方法执行比方法(37在所有的点。课程、图书馆、和食品有三个强大的来源在五个学生数据的来源。
在我们的教育信息平台,我们比较不同的神经网络训练和分析我们的摄像头采集的数据和系统,其中包括结构数据和图片,除了大量的数据采集;我们还需要分析获得的数据和做不同的后续业务不同的模块。准确率的学生建议在食物、书籍、体育、校园路径规划和课程相关的数据分析比较,结果如表所示3。的结果在这个平台上使用的方法优于其他方法。我们可以看到,我们的建议的值在大多数模块明显比其他人更喜欢运动,食物,和图书馆。然而,它不可能执行路径和课程。但它们之间的区别和最好的一样小。这表明,我们的建议可以执行优于其它模型。
4所示。结论
为了解决冗余资源占用率高的问题,不合时宜的资源共享、和低平台数据安全因素在传统的方法中,建立了云computing-based教育信息平台。以下是本文的主要创新研究:(1)根据云计算的理论基础和教育云的特殊要求,整体架构和云平台的部分功能的细节都是独立设计,掌握关键技术的基本原理。(2)为了减少冗余信息在信息检索过程中,建立一个统一的接口技术在不同的技术来实现不同的资源之间的交互库。(3)验证本文通过仿真实验表明,该方法可以有效地减少冗余资源的入住率和节省网络带宽。平台在这种方法的数据安全系数在0.93和0.98之间,和资源共享时间总是小于2.0 s,这充分验证了该方法的应用价值。
目前,只有模拟实验和理论分析,验证了本文方法的有效性,和策略还没有被应用到一个特定的教育资源共享系统。因此,下一步将是应用平台实际情况改进方法的全面性。由于时间有限,需要更多的研究在这个平台的实时性能在未来增加平台系统的实时性能。虽然目前我们的方法取得了良好的预测精度与其他流行的方法相比,它仍然是无法达到相当的精度在面对复杂的篮球比赛环境,和模型的训练时间很长,不能满足实时预测的目的。在未来,我们将进一步优化模型,提高训练速度,同时保证准确性。
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。
确认
本文得到了“新一代信息技术创新项目”由第二批创新基金在2019年中国大学(没有。2019 ita03001)。