您的位置: 主页 > 人工智能机器人 > 周维的老婆:基于大数据处理技术的界面交互设计研究

周维的老婆:基于大数据处理技术的界面交互设计研究

时间: 2019-01-25阅读:

关键词: 大数据处理; 界面交互设计; 过程约束; 数据库; 模糊聚类; 交叉编译

中图分类号: TN911.2?34; TP391                     文献标识码: A                  文章编号: 1004?373X(2019)01?0038?04

Abstract: The interface interaction design method based on big data processing technology is put forward to improve the abilities of interface information interaction and data processing, and its database is constructed. The hierarchical structure design method with process constraints is used to perform the interface information interaction and big data fusion. The fuzzy clustering method is used to cluster the information of the interface retrieval database. The program scheduling and cross compiling of the interface are carried out under the control of Linux kernel source code. The interactive design system of the interface mainly includes the modules of process management, program control and internal source file management. The big data processing technology is combined in the system to realize the optimal design of interface interaction system. The system test results show that the designed interface interaction system has high big data information processing performance and strong scheduling ability, and perfect data recall rate.

Keywords: big data processing; interface interaction design; process constraint; database; fuzzy clustering; cross compiling

0  引  言

在大數据环境下,通过界面交互设计,可提高大数据的运行和管理调度能力。大数据的界面交互设计通过GUI和人机交互接口进行大数据信息库构建,采用相关的数据库访问和调度技术,实现大数据的信息交互,并通过异构、层次化的分布式界面实现信息管理和数据交互。在界面交互设计中需要在嵌入式的Linux内核控制模型下进行大数据信息处理,结合TCP/IP服务器进行大数据的集成信息收发转换控制[1]。

研究界面交互设计方法建立在对大数据的信息处理基础上,需构建界面交互系统的数据库,采用过程约束的层次式结构设计方法进行界面信息交互和大数据融合处理。传统方法中,对界面的交互设计方法主要有基于界面交互层管理的界面交互设计方法、基于集成MySQL调度的界面交互设计方法、基于多源信息资源服务(Multi?source Information Resource as a Service,MIRaaS)模式的界面交互设计方法等[2?4]。构建界面交互的层次式管理数据库时,采用关联信息融合方法进行大数据处理,可获得很好的界面交互性能。根据上述设计原理,相关文献进行了界面交互设计研究,取得了一定的研究成果。文献[5]提出一种基于数据挖掘技术的大数据信息处理界面交互系统开发技术。该方法构建大数据信息处理的界面交互信息管理的大数据特征信息流,采用边缘融合和特征分解方法进行大数据信息处理,采用MySQL进行数据缓存设计,提高界面交互设计的综合调度能力;但该方法存在大数据信息检索的失真较大和计算复杂度较高的问题。文献[6]提出一种基于语义特征分析的大数据信息处理及界面交互设计方法,采用云资源调度技术进行界面交互性的系统开发设计,提高大数据的综合融合能力。该方法在进行交互信息管理中容易出现相关性偏移和信息输出融合度不高的问题。文献[7]提出一种基于UML和嵌入式多线程技术的界面交互设计方法,实现对大数据信息处理的界面交互的综合调度和模块化开发,实现大数据信息处理的界面交互信息检索和多线程调度,提高检索性能。该方法同样存在检索的查准性不好和抗干扰能力不强的问题。

针对上述问题,本文提出基于大数据处理技术的界面交互设计方法。首先进行界面交互设计的大数据信息处理算法设计和总体模型构建。然后采用模糊聚类方法进行界面检索数据库的信息聚类,在Linux内核源码控制下进行界面的程序调度和交叉编译,实现界面交互系统设计的软件开发。最后进行仿真实验分析,展示了本文方法在提高界面交互性和大数据综合调度能力方面的优越性。

1  界面交互系统总体设计描述

1.1  总体设计构架

在大数据环境下进行界面交互设计,首先采用大数据信息融合和数据调度方法进行界面交互过程中的信息集成处理和调度,采用交叉编译控制方法进行界面交互过程中的信息融合跟踪设计。界面交互设计模型建立在多线程的嵌入式并行处理系统中,结合功能模块化设计方案,进行大数据信息处理和界面交互性设计开发。大数据信息处理的界面交互系统可以安装在Windows系统基础上,采用Linux嵌入式系统进行交叉编译,在交互式的环境中进行关联规则调度,提高界面交互控制中的集成性和稳健性。在界面交互的输出端,采用交叉总线控制方法,实现对大数据总线传输的调度[8],在嵌入式的数据库中进行界面交互的信息读取和编译。根据上述总体设计原理分析,得到本文设计的基于大数据处理技术的界面交互设计的总体模型如图1所示。

1.2  功能模块构成

根据图1所示的大数据信息处理的界面交互系统总体构架,进行系统的软件开发设计和功能模块化分析。界面交互系统为多线程的分布式结构体系设计,在底层中进行大数据信息处理,构建知识规则库和模型数据库,采用关联规则调度和模型数据库检索方法进行原始信息的集成处理,根据数据处理结果进行模型解析和交叉编译控制。设计API接口实现界面交互大数据信息处理和在线调度,在调度程序的交叉编译中采用B/S接口模块进行总线调度和数据传输,构建日志库进行界面交互的传输日志分析,实现界面交互过程中的状态监测和信息管理[9]。根据上述分析,得到本文设计的界面交互系统的功能模块组成如图2所示。

三生教育网
三生教育网
三生教育网

以圖4的界面交互大数据样本集为研究对象,进行界面交互的性能测试,得到召回率测试对比结果如图5所示。分析得知,采用本文方法进行交互设计提高了大数据的召回性能,在界面交互过程中具有很好的大数据信息处理和调度能力。

三生教育网

5  结  语

大数据的界面交互设计采用相关的数据库访问和调度技术,实现大数据的信息交互,提高大数据的集成调度能力。本文提出基于大数据处理技术的界面交互设计方法,进行界面交互设计的大数据信息处理算法设计和总体模型构建。采用大数据信息处理技术进行界面交互的底层算法设计,采用交叉编译进行信息聚类,在嵌入式的Linux内核控制模型下进行大数据信息处理的界面交互系统软件开发,建立MySQL数据库进行大数据信息处理的界面交互数据资源存储,实现大数据信息处理和优化信息调度,实现界面交互系统优化设计。研究得知,利用本文方法进行界面交互设计,提高了大数据的信息处理能力和召回性,具有很好的应用价值。

参考文献

[1] BAE S H, YOON K J. Robust online multiobject tracking with data association and track management [J]. IEEE transactions on image processing, 2014, 23(7): 2820?2833.

[2] JIANG X, HARISHAN K, THAMARASA R, et al. Integrated track initialization and maintenance in heavy clutter using pro?babilistic data association [J]. Signal processing, 2014, 94: 241?250.

[3] LI L, XIE W. Intuitionistic fuzzy joint probabilistic data asso?ciation filter and its application to multitarget tracking [J]. Signal processing, 2014, 96: 433?444.

[4] HUANG X, WANG Z, LI Y, et al. Design of fuzzy state feedback controller for robust stabilization of uncertain fractional?order chaotic systems [J]. Journal of the Franklin Institute, 2015, 351(12): 5480?5493.

[5] AGUILA?CAMACHO N, DUARTE?MERMOUD M A, GALLEGOS J A. Lyapunov functions for fractional order systems [J]. Communications in nonlinear science and numerical simulation, 2014, 19(9): 2951?2957.

[6] ZHANG R, HO C K. MIMO broadcasting for simultaneous wireless information and power transfer [J]. IEEE transactions on wireless communications, 2013, 12(5): 1989?2001.

[7] WANG Y, SUN R, WANG X. Transceiver design to maximize the weighted sum secrecy rate in full?duplex SWIPT systems [J]. IEEE signal processing letters, 2016, 23(6): 883?887.

[8] 王玲娣,徐华. AdaBoost的多样性分析及改进[J].计算机应用,2018,38(3):650?654.

WANG Lingdi, XU Hua. Diversity analysis and improvement of AdaBoost [J]. Journal of computer applications, 2018, 38(3): 650?654.

[9] 李文辉,倪洪印.一种改进的AdaBoost训练算法[J].吉林大学学报(理学版),2011,49(3):498?504.

LI W H, NI H Y. An improved AdaBoost training algorithm [J]. Journal of Jilin University (science edition), 2011, 49(3): 498?504.

[10] 孙博,王建东,陈海燕,等.集成学习中的多样性度量[J].控制与决策,2014,29(3):385?395.

SUN B, WANG J D, CHEN H Y, et al. Diversity measures in ensemble learning [J]. Control and decision, 2014, 29(3): 385?395.

[11] LI N, YU Y, ZHOU Z H. Diversity regularized ensemble pruning [C]// Proceedings of 2012 Joint European Conference on Machine Learning and Knowledge Discovery in Databases. Berlin: Springer, 2012: 330?345.

[12] PARVIN H, MIRNABIBABOLI M, ALINEJAD?ROKNY H. Proposing a classifier ensemble framework based on classifier selection and decision tree [J]. Engineering applications of artificial intelligence, 2015, 37: 34?42.

[13] 曹莹,苗启广,刘家辰,等.AdaBoost算法研究进展与展望[J].自动化学报,2013,39(6):745?758.

CAO Y, MIAO Q G, LIU J C, et al. Advance and prospects of AdaBoost algorithm [J]. Acta automatica Sinica, 2013, 39(6): 745?758.

[14] 陆兴华,陈平华.基于定量递归联合熵特征重构的缓冲区流量预测算法[J].计算机科学,2015,42(4):68?71.

LU Xinghua, CHEN Pinghua. Traffic prediction algorithm in buffer based on recurrence quantification union entropy feature reconstruction [J]. Computer science, 2015, 42(4): 68?71.

[15] OKANDEJI A A, KHANDAKER M R A, WONG K K, et al. Joint transmit power and relay two?way beamforming optimization for energy?harvesting full?duplex communications [C]// 2016 IEEE Globecom Workshops. Washington, DC: IEEE, 2016: 1?6.

上一篇:soe-878:基于无人机的区域环境监测物联网系统
下一篇:没有了

相关阅读