基于大數據分析技術的網絡自動編程系統研究

續 蕾

（遼寧對外經貿學院，遼寧 大連 116052）

0 引言

隨著軟件技術的發展，通過網絡自動編程系統的優化設計進行軟件設計，構建嵌入式的網絡自動編程系統，提高軟件設計的自動化水平和兼容性，采用軟件交叉編譯控制方法進行軟件開發和自動編程，以集成電路和軟件技術為基礎的網絡自動編程系統成為加快軟件開發的基礎性系統，通過對網絡自動編程系統的優化設計，提高軟件進行指令程序加載和編譯的能力［1］.研究網絡自動編程系統的優化設計方法，在促進網絡編程的優化以及軟件的自主開發方面具有重要意義，相關的網絡自動編程系統設計方法研究受到人們的極大關注.

對網絡自動編程系統的設計是建立在對網絡自動編程指令集的大數據分析基礎上，結合對網絡自動編程大數據集的自適應調度和特征信息融合，提取網絡自動編程指令數據的相關性特征量，實現網絡自動編程設計［2］，對此，本文提出一種基于大數據分析技術的網絡自動編程方法.構建網絡自動編程的大數據分析模型，采用分布式信息融合方法進行網絡自動編程的大數據特征提取，構建網絡自動編程的多級指標評價體系，實現網絡自動編程優化.在總線集成模型中進行網絡自動編程系統的嵌入式設計，最后進行仿真實驗分析，展示了本文方法在提高網絡自動編程能力方面的優越性能.

1 網絡自動編程的大數據信息采樣和特征提取

1.1 總體構架及網絡自動編程的大數據信息采樣

網絡自動編程系統的設計是整個軟件設計的基礎，為了實現網絡自動編程的優化設計，結合網絡自動編程的質量指標體系構建，進行網絡自動編程系統可靠性設計，建立網絡自動編程系統的模糊度量指標量化集［3］，得到網絡自動編程系統設計的總體結構模型如圖1所示.

分析圖1得知，對網絡自動編程系統的設計是通過過程質量控制和內部質量屬性控制的，結合外部度量、過程度量和應用質量度量結合的方式，進行網絡自動編程系統的指標設計總體模型構建，分析網絡自動編程系統的評價性指標量化集［4］，得到網絡自動編程系統的指標評價分布如圖2所示.

根據上述總體設計構架，構建網絡自動編程的大數據分析模型，采用分布式信息融合方法進行網絡自動編程的大數據特征提取，進行網絡自動編程大數據調度和采樣的物聯網節點部署，采用數據封裝技術，進行網絡自動編程的程序加載和量度，其計算公式為：

式中，TC為網絡自動編程大數據的模糊數據集總數目，Md(Ci)表示網絡自動編程大數據特征屬性集Ci中的種類數，提取網絡自動編程大數據的規則性特征量，采用自適應交叉編譯控制方法，進行網絡自動編程大數據的耦合性控制，得到網絡自動編程大數據采集的關聯特征分布計算公式為：

式中，TC2-TC為網絡自動編程系統的最大耦合度.根據對網絡自動編程系統的大數據采集結果進行特征分析和自適應數據聚類處理，提高網絡自動編程系統的模糊調度和自適應控制能力［5］.

1.2 網絡自動編程大數據的特征提取

為了實現網絡自動編程系統優化設計，采用大數據分析方法，進行網絡自動編程大數據的特征集優化提取，首先構建云服務組合模式下網絡自動編程大數據的分布式數據結構模型，結合數據分布結構模型進行多態因子（POF）調度，得到網絡自動編程大數據的多態因子分布如下：

式中，Mo(Ci)為Ci(i= 1，2，...，n)中的網絡自動編程大數據的特征加載鏈路集，DC(Ci)為Ci(i=1，2，...，n)的網絡自動編程大數據的所有子類數，Mn(Ci)為Ci(i= 1，2，...，n)的網絡自動編程大數據的量化分布集.設有m個網絡自動編程大數據Sink節點A1，A2，…，An，對于一組連續的網絡自動編程大數據，采用連續模板匹配技術進行網絡自動編程大數據的分布式結構重組，公式為：

式中，Ad(Ci)為Ci的網絡自動編程大數據的特征分布屬性數目.簇中的所有成員節點將網絡自動編程大數據傳輸到CH的次數為：

結合相關性樣本特征檢測方法，得到網絡自動編程大數據的優化特征提取輸出：

其中，D的取值與M具有關聯性，綜上分析，進行網絡自動編程大數據的特征提取，根據特征提取結果進行大數據的融合聚類分析［6］.

2 網絡自動編程技術優化

2.1 合成運算和模糊綜合評價決策

在上述構建網絡自動編程的大數據分析模型，采用分布式信息融合方法進行網絡自動編程的大數據特征提取的基礎上，進行網絡自動編程方法的優化設計，本文提出一種基于大數據分析技術的網絡自動編程方法.采用主從式訓練控制方法，得到整個網絡自動編程的大數據采樣的模糊分布聚簇模型的總數為，則M輪的簇間調度過程中，網絡自動編程的大數據調度的關聯特征量M小于時，需要計算h- 1跳網絡自動編程的大數據聚類的聚類中心，得到網絡自動編程的大數據優化聚類分布式：

結合模糊隸屬度分析方法進行網絡自動編程的合成運算和模糊綜合評價決策，結合統計檢測和模糊決策方法進行網絡自動編程大數據的動態特征分布式調度［7］，得到網絡自動編程大數據調度的最優簇分布N*c為：

假設i為網絡自動編程大數據交互的相空間嵌入維數，用關聯規則項約束方法，得到網絡自動編程大數據合成運算輸出為：

其中，an表示網絡自動編程大數據合成運算的線性規劃模型，構造網絡自動編程大數據模糊綜合評價決策模型［8］，表達如下：

假定當前網絡自動編程大數據分布節點的數目為n，N1，…，Nn，結合模糊綜合評價決策結果進行信息融合處理，提高模糊綜合評價決策和大數據指令加載能力.

2.2 網絡自動編程的過程優化

基于狀態空間模型參數的遞推辨識方法，得到網絡自動編程大數據分布的原點矩oi的坐標為(xi，t+1，yi，t+1)，在融合中心進行自動編程過程中的語義特征分析，構建網絡自動編程的多級指標評價體系為：

采用統計平均方法，構建網絡自動編程大數據分布的時態結構模型，結合特征重建的方法，得到分布概率特征為0 ≤p(ai)≤1(i= 0，1，2，…，m)且表示網絡自動編程大數據的自回歸統計特征參量，得到網絡自動編程大數據分類的屬性集滿足：

綜上分析，結合模糊隸屬度分析方法進行網絡自動編程的優化決策，得到優化決策輸出為：

式中，Ps(si)表示網絡自動編程大數據的語義概念集si出現在程序質量分布區域S的概率.綜上分析，實現網絡自動編程的大數據分析及算法設計.

3 系統開發設計與實現

在上述進行了網絡自動編程系統的軟法開發設計和大數據指令集分析的基礎上，進行網絡自動編程系統的軟件開發設計，結合集成的信息處理器和PLC邏輯可編程芯片，進行對網絡自動編程的硬件模塊化設計，本文設計的網絡自動編程系統的上位機模塊主要有信息處理模、指令加載模塊和總線傳輸控制模塊，在總線集成模型中進行網絡自動編程系統的嵌入式設計，采用程序自動編譯和指令自適應加載方法，進行網絡的自動編程和大數據分析，在ZigBee組網協議中進行網絡自動編程的組網設計和連通性測試，采用模糊控制方法，進行網絡自動編程的指令加載和智能控制，采用32位嵌入式設計方法進行網絡自動編程系統的輸出信息采樣，結合交叉編譯控制技術，進行網絡自動編程系統的編譯控制和人工智能設計［9］，在Micro Channel擴充總線中進行網絡自動編程的指令加載，綜上分析，得到系統的軟件集成開發設計如圖3所示.

4 仿真實驗與結果分析

為了測試本文方法在實現網絡自動編程中的應用性能，進行仿真實驗分析，實驗中對網絡自動編程的軟件設計采用Matlab設計，在嵌入式的Linux內核中進行網絡自動編程系統的開發設計，在A/D和D/A中實現上位機通信和總線控制，采用16位的196.608KSa/Sec/Chan 數字化總線控制方法進行網絡自動編程的人機交互及總線開發，對網絡自動編程的指令數據采樣的樣本數為120，循環迭代次數為2 000，并與Boehm模型和ISO/IEC 9126模型進行對比，得到網絡自動編程的大數據融合輸出如圖4所示.

根據圖4的融合結果，構建網絡自動編程的多級指標評價體系，實現網絡自動編程優化，得到編程控制誤差對比結果如圖5所示.

分析圖5得知，采用本文方法能有效提高網絡自動編程的準確性，降低輸出誤差，提高了編程效率.

5 結語

通過對網絡自動編程系統的優化設計，提高軟件進行指令程序加載和編譯的能力，研究網絡自動編程系統的優化設計方法，在促進網絡編程的優化以及軟件的自主開發方面具有重要意義.本文提出一種基于大數據分析技術的網絡自動編程方法.構建網絡自動編程的大數據分析模型，采用分布式信息融合方法進行網絡自動編程的大數據特征提取，提取網絡自動編程大數據的關聯特征量，構建網絡自動編程的多級指標評價體系，實現網絡自動編程優化.在ZigBee組網協議中進行網絡自動編程的組網設計和連通性測試，采用模糊控制方法，進行網絡自動編程的指令加載和智能控制，實現網絡的自動編程和大數據分析，本文系統進行網絡自動編程的效率較高，數據融合性較好，輸出誤差較小.