基于模糊聚類(lèi)的電子信息資源整合方法

摘要：由于進(jìn)行電子信息資源整合的過(guò)程中，沒(méi)有進(jìn)行資源轉換降維處理，導致資源整合效率低，為此提出基于模糊聚類(lèi)的電子信息資源整合方法。通過(guò)模糊ORM技術(shù)抽取電子信息資源，采用等效轉換降維的方法對抽取的電子信息資源進(jìn)行轉換降維處理，根據處理結果，結合模糊聚類(lèi)分析，構建EAD電子信息資源整合模型，采用模糊聚類(lèi)分析的方式，將所屬的信息資源依據特征或者屬性劃分為不同額定整合區域，計算整合隸屬度，布設信息資源的整合層級。最終的測試結果表明：與傳統的LAM信息資源整合測試組及傳統改進(jìn)ORM信息資源整合測試組相對比，所設計的模糊聚類(lèi)信息資源整合測試組最終得出的響應時(shí)間相對較短，電子信息資源整合效率較高，所提方法具有實(shí)際的應用價(jià)值。

關(guān)鍵詞：模糊聚類(lèi)；電子信息；信息匯總；資源整合；數據控制

電子信息資源是以數字化形式( 即二進(jìn)制代碼0,1)把文字、圖象、聲音、動(dòng)畫(huà)等多種形式的信息存儲在光、磁等非印刷型介質(zhì)上，并以光信號、電信號的形式傳輸，通過(guò)響應的計算機和其他外部設備再現出來(lái)的信息資源。電子信息資源整合主要是針對于龐大的數據信息群，構建的一種特殊的數據匯總方法^[1]。近年來(lái)，隨著(zhù)計算機以及網(wǎng)絡(luò )技術(shù)的成熟普及，數據資源急劇增長(cháng)，逐漸成為資源處理的主流。通常情況下，數字資源自身具有復雜性、異構性、海量性以及多元性等特征，這在一定程度上也增加了信息資源整合的速度以及效率，增加元數據的可靠性，給未來(lái)信息發(fā)展奠定更為堅實(shí)的基礎^[2]。

模糊聚類(lèi)，實(shí)際上指的是一種按模糊界限以及基本要求對事物進(jìn)行分類(lèi)的數學(xué)方法^[3]。本質(zhì)上是客觀(guān)的劃分，并采用數理統計的方式，獲取最終處理結果。模糊聚類(lèi)為信息整合處理提供了極大的便利條件，進(jìn)一步確保數據計算的精準度，同時(shí)，關(guān)聯(lián)系統聚類(lèi)法和逐步聚類(lèi)法等方法，形成一個(gè)可無(wú)限延伸與擴展的資源整合體系，優(yōu)化需要整合的信息資源，避免出現信息孤島這一類(lèi)問(wèn)題，推動(dòng)信息整合相關(guān)企業(yè)邁入一個(gè)新的發(fā)展階段。因此，本文提出一種基于模糊聚類(lèi)的電子信息資源整合方法?？紤]到最終測試結果的精準性與可靠性，本文會(huì )在較為真實(shí)的背景下進(jìn)行實(shí)驗測試，并驗證本文方法能夠安全、高效的進(jìn)行信息資源整合。

1 模糊聚類(lèi)下電子信息資源整合方法

1.1 基于模糊ORM技術(shù)的電子信息資源抽取

在對模糊聚類(lèi)下電子信息資源整合方法設計之前，需要先采用模糊ORM 技術(shù)對電子信息資源抽取。通常情況下，針對于不同的整合范圍，所導出的資源以及定向整合目標也是不同的，這也使得內部執行程序存在差異^[4-6]?？梢圆捎秒p向處理模式，在平臺中構建多層級的模糊ORM 資源整合程序，與數據庫相關(guān)聯(lián)的同時(shí)，獲取數據集，在聚類(lèi)中心，對信息劃歸分類(lèi)，計算出聚類(lèi)質(zhì)心數，具體如式(1)所示。

   (1)

式（1）中： B 表示聚類(lèi)質(zhì)心數； p 表示聚類(lèi)范圍； Z 表示質(zhì)心集合；f 表示映射系數。通過(guò)上述計算，最終可以得出實(shí)際的聚類(lèi)質(zhì)心數^[7]。根據得出的聚類(lèi)質(zhì)心數，核定不同層級數值資源的占比，以此為基礎，在特定的電子信息資源庫中，利用雙向信息集成法來(lái)代替傳統的單一信息集成方式，結合模糊ORM 技術(shù)，電子信息資源抽取，具體如式（2）所示。

   (2)

式（2）中：H表示數據定向抽取結果；a 表示疊合距離；d 表示集成次數； s 表示允許出現的極限差值。此時(shí)，完成對信息的抽取，隨后，在標定的資源整合范圍之內，依據實(shí)際的處理標準，更改調整ORM 模糊引導指令，在確保數據唯一性、準確性、及時(shí)性、完整性的同時(shí)，實(shí)現整合目標的更改調整，為后續的匯總處理奠定基礎^[8]。

1.2 電子信息資源轉換降維處理

在通過(guò)模糊ORM 技術(shù)對信息資源進(jìn)行抽取后，對電子信息資源進(jìn)行轉換降維處理。所謂轉換降維處理，主要指的是在對信息資源抽取的過(guò)程中，信息資源通常處于集合的狀態(tài)，資源維數也存在較大的差異，而維數的存在并不利于數據的整合、匯總，嚴重的甚至會(huì )造成數據誤差等，因此，需將高維信息資源轉換為低維信息資源?？梢圆捎玫刃мD換降維的方法，按照統一的元數據標準或者降維格式進(jìn)行周期性轉換，計算出轉換降維比率，具體如式（3）所示。

   (3)

式（3）中：A 表示轉換降維比率；n 表示中心整合距離；c表示聚類(lèi)差值。通過(guò)上述計算，最終可以得出實(shí)際的轉換降維比率。根據信息資源的屬性與特征，結合轉換降維比率，實(shí)現定向轉換。

接下來(lái)，在實(shí)現標定信息資源的轉換降維后，結合定向集成信息資源整合現狀，計算出信息資源處理的單元速度，具體如式（4）所示。

   (4)

式（4）中： U 表示信息資源處理單元速度； x 表示縱向整合距離； q 表示傳輸路徑； t 表示動(dòng)態(tài)平均值。通過(guò)上述計算，最終可以得出實(shí)際的信息資源處理單元速度。在中心元數據庫中，依據降維映射規則將統一元數據標準分化為幾個(gè)轉換降維層級。不同降維層級的轉換格式也是不同的，可以根據所設定的整合目標，作出更改調整，舉例來(lái)說(shuō)：可以賦予定義XML、RDF 等輸出格式，一定程度上擴大整體的信息整合降維范圍，以此來(lái)適應用戶(hù)的不同需求。

1.3 EAD模糊聚類(lèi)整合模型構建

在完成電子信息資源轉換降維處理后，構建EAD模糊聚類(lèi)整合模型。將上述轉換降維處理后的電子信息資源輸入到模型之中，將模型調整為可共享的形式化概念模型，關(guān)聯(lián)局域網(wǎng)以及聚類(lèi)數據中心，調整數據組織形式為單向。將不同元數據指令應用到本體集成框架中，設定具體的集成速度和資源整合映射比，具體如表1所示。

表1 集成速度、資源整合映射比測定表

根據表1，可以完成對集成速度、資源整合映射比的測定。隨后，遵循標定的整合目標，結合模糊聚類(lèi)分析，構建EAD 信息資源整合結構，具體如圖1所示。

圖1 EAD信息資源整合模型結構圖示

根據圖1，可以完成對EAD 信息資源整合模型結構的建立。此時(shí)以本體為中心的，調整定向映射標準，使用多層級的映射描述框架，綜合EAD 模型執行基準，完成對EAD 模糊聚類(lèi)整合模型的構建，細化信息資源的整合效果。

1.4 分布式自適應處理實(shí)現信息資源整合

在完成對EAD 模糊聚類(lèi)整合模型的構建之后，接下來(lái)，需要采用分布式自適應處理，實(shí)現信息資源整合。首先，采用模糊聚類(lèi)分析的方式，將所屬的信息資源依據特征或者屬性劃分為不同額定整合區域，設定整合目標為動(dòng)態(tài)，依據虛擬整合的范圍，對定向目標作出更改和調整，計算出信息資源整合的隸屬度，具體如式（5）所示。

K=3.5T+(7y?1)   (5)

式（5）中： K表示隸屬度； T表示質(zhì)心聚類(lèi)系數； y表示歐氏距離。通過(guò)上述計算，最終可以得出實(shí)際的隸屬度。與此同時(shí)，利用所得的隸屬度，布設自適應模糊整合區域，細化引導的指令，采用EAD 模糊聚類(lèi)整合模型測定出此時(shí)電子信息的自適應程度，具體如式（6）所示。

F=5W?1.5+6G   (6)

式（6）中： F 表示自適應程度； W表示定向資源分析速度； G 表示特征向量。通過(guò)上述計算，最終可以得出實(shí)際的自適應程度，依據得出的自適應程度，布設信息資源的整合層級，采用分布式的整合方式，對信息資源定向分類(lèi)，結合模糊聚類(lèi)法實(shí)現最終的整合分析。構建對應的信息資源整合環(huán)節，具體如圖2所示。

圖2 信息資源整合環(huán)節

2 方法測試

為了驗證本文提出的基于模糊聚類(lèi)的電子信息資源整合方法在實(shí)際應用中的效果，選取A 數據庫作為測試的主要目標，通過(guò)在Matlab 軟件進(jìn)行測試分析。分別設定傳統LAM 信息資源整合測試組、傳統改進(jìn)ORM信息資源整合測試組以及本文所設計的模糊聚類(lèi)信息資源整合測試組。采用對比的方式，確保3 種方法在相同的環(huán)境之下同時(shí)測試，最終得出的結果以對比的方式展開(kāi)分析，接下來(lái)，進(jìn)行測試環(huán)境的搭建。

2.1 測試準備

在對模糊聚類(lèi)下電子信息資源整合方法的實(shí)際應用效果進(jìn)行分析與研究，需要先搭建相關(guān)的測試環(huán)境。根據測定的實(shí)際需求以及執行標準，先對測試基礎指標參數進(jìn)行預設，具體如下表2所示。

表2 基礎指標參數預設表

根據表2，可以完成對基礎指標參數的預設。實(shí)驗數據主要針對RBI、AWS、UCI、KDD Cup、MovieLens相關(guān)數據。

表3 數據集

隨后，利用測定的設備，營(yíng)造相應的信息整合環(huán)境。為進(jìn)一步確保信息資源整合的穩定性，采用無(wú)線(xiàn)局域網(wǎng)的通信模式，結合模糊聚類(lèi)框架，對數據資源的基礎整合情況作出分析，具體如圖3所示。

圖3 信息資源整合程度對比分析圖示

根據圖3，可以完成對信息資源整合程度的對比分析。調整信息資源的單元處理速度，調整整合處理標準，完成對測試環(huán)境的搭建。核定測試的設備與網(wǎng)絡(luò )是否處于穩定的運行狀態(tài)，同時(shí)確保不存在影響最終測試結果的外部因素，核定無(wú)誤后，開(kāi)始具體的測定分析。

2.2 測試過(guò)程及結果分析

在完成對上述測試環(huán)境的搭建之后，接下來(lái)，需要進(jìn)行具體的測試。首先，為了提升信息資源整合的速度，本文選擇使用指令引導的方式，關(guān)聯(lián)對應的局域網(wǎng)和數據庫，在網(wǎng)絡(luò )中尋找所需要的信息資源，并采用特殊的格式，按照指令的歸納順序，分批次導入數據庫的對應位置中，結合數據的種類(lèi)，劃定對應的處理階層，獲取基礎指標數值。計算信息資源的整合定向范圍，具體如式（7）所示。

   (7)

式7中： Y表示整合定向范圍； V表示單向引導距離。通過(guò)上述計算，最終可以得出實(shí)際的整合定向范圍。在標定的范圍之內，結合模糊聚類(lèi)方式，將所屬的信息資源整合，劃歸至對應的整合層級之中。在模糊聚類(lèi)分析背景下，構建批量信息資源的整合環(huán)節，具體如圖4所示。

圖4 信息資源模糊聚類(lèi)整合環(huán)節設計圖示

根據圖4，可以完成對信息資源模糊聚類(lèi)整合環(huán)節的設計。與此同時(shí)，關(guān)聯(lián)無(wú)線(xiàn)局域網(wǎng)絡(luò )，構建定向的信息整合程序，賦予每一個(gè)層級對應的聚類(lèi)指令，營(yíng)造穩定的信息處理整合環(huán)境。隨后，將測試數據庫與XML數據中心相關(guān)聯(lián)，可以更好地完成局部數據模式向全局數據模式的定向轉化，實(shí)現信息資源的適配處理之后，對數據庫中的元數據定義，將所選擇的數據劃定為4 個(gè)小組，每一個(gè)小組的數據量均不同，利用模糊聚類(lèi)分析法，對電子信息資源整合的響應時(shí)間計算，具體如式（8）所示。

M=3b-0.2+   (8)

式8中:M 表示響應時(shí)間; b 表示定向測定距離;g表示虛擬迭代次數。通過(guò)上述計算，最終可以得出實(shí)際的響應時(shí)間。對得出的結果對比分析，如表3 所示。

表3 測試結果對比分析表

根據表3，可以完成對測試結果的對比分析：與傳統的LAM 信息資源整合測試組及傳統改進(jìn)ORM 信息資源整合測試組相對比，本文所設計的模糊聚類(lèi)信息資源整合測試組最終得出的響應時(shí)間相對較為迅速，表明在對電子信息資源整合的處理上，效率較高，誤差較小，整合環(huán)節得到了更好地處理，具有實(shí)際的應用價(jià)值。

3 結束語(yǔ)

綜上所述，便是對基于模糊聚類(lèi)的電子信息資源整合方法的分析和研究。對比于傳統的信息資源整合方法，本文在模糊聚類(lèi)分析的輔助之下，構建更為靈活、多變的信息整合模式，在復雜的背景環(huán)境之下，可以更為迅速、清晰地完成目標任務(wù)的處理，最大程度降低信息整合誤差的發(fā)生概率，與網(wǎng)絡(luò )相關(guān)聯(lián)，形成動(dòng)態(tài)的信息處理程序，通過(guò)指令引導，營(yíng)造一個(gè)穩定、安全的處理環(huán)境，更加符合現代化發(fā)展的需求，促使信息資源整合配置更為高效，通信效率大幅提升，發(fā)展前景廣闊。

參考文獻：

[1]朱智斌. 大數據背景下不動(dòng)產(chǎn)登記檔案信息資源整合方法研究[J]. 城建檔案,2020,14(12):109-110.

[2]孟學(xué)堯,郭倩倩,郭海儒. 一種改進(jìn)螢火蟲(chóng)算法的模糊聚類(lèi)方法[J]. 小型微型計算機系統,2021,42(6):1165-1170.

[3]王慧,王海江,高攀,等. 新疆生產(chǎn)建設兵團農業(yè)資源數據采集與整合方法研究[J].農業(yè)大數據學(xué)報, 2021,3(2):31-41.

[4]顧羽. 基于FCM模糊聚類(lèi)方法以變電站為單元的電力系統負荷分類(lèi)研究[J]. 機電信息,2020, 25(33):22-23+25.

[5]熊學(xué)鋒,彭小慶,曹鑫. 基于改進(jìn)ORM的Oracle數據庫異構資源整合方法研究[J]. 電子設計工程,2020,28(21):38-41 +46.

[6]張小靜,楊曉靈,劉青松. 數字轉型背景下科研檔案資源整合實(shí)踐路徑和方法研究[J]. 城建檔案,2021, 34(12):44-45.

[7]馮國禮,李蓉,吳雙. 基于人工智能技術(shù)的電力信息系統運維數據整合方法[J]. 電力信息與通信技術(shù), 2022, 20(1): 68-73.

[8]賈君枝. LAM館藏資源的元數據整合方法比較分析[J]. 檔案學(xué)研究,2022, 21(1):79-84.

（本文來(lái)源于《電子產(chǎn)品世界》雜志2023年7月期）