基于大數(shù)據(jù)處理技術(shù)的界面交互設(shè)計(jì)研究

李慧真

關(guān)鍵詞： 大數(shù)據(jù)處理; 界面交互設(shè)計(jì); 過程約束; 數(shù)據(jù)庫; 模糊聚類; 交叉編譯

中圖分類號(hào)： TN911.2?34; TP391 ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ?文章編號(hào)： 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(shù)據(jù)環(huán)境下，通過界面交互設(shè)計(jì)，可提高大數(shù)據(jù)的運(yùn)行和管理調(diào)度能力。大數(shù)據(jù)的界面交互設(shè)計(jì)通過GUI和人機(jī)交互接口進(jìn)行大數(shù)據(jù)信息庫構(gòu)建，采用相關(guān)的數(shù)據(jù)庫訪問和調(diào)度技術(shù)，實(shí)現(xiàn)大數(shù)據(jù)的信息交互，并通過異構(gòu)、層次化的分布式界面實(shí)現(xiàn)信息管理和數(shù)據(jù)交互。在界面交互設(shè)計(jì)中需要在嵌入式的Linux內(nèi)核控制模型下進(jìn)行大數(shù)據(jù)信息處理，結(jié)合TCP/IP服務(wù)器進(jìn)行大數(shù)據(jù)的集成信息收發(fā)轉(zhuǎn)換控制[1]。

研究界面交互設(shè)計(jì)方法建立在對(duì)大數(shù)據(jù)的信息處理基礎(chǔ)上，需構(gòu)建界面交互系統(tǒng)的數(shù)據(jù)庫，采用過程約束的層次式結(jié)構(gòu)設(shè)計(jì)方法進(jìn)行界面信息交互和大數(shù)據(jù)融合處理。傳統(tǒng)方法中，對(duì)界面的交互設(shè)計(jì)方法主要有基于界面交互層管理的界面交互設(shè)計(jì)方法、基于集成MySQL調(diào)度的界面交互設(shè)計(jì)方法、基于多源信息資源服務(wù)（Multi?source Information Resource as a Service，MIRaaS）模式的界面交互設(shè)計(jì)方法等[2?4]。構(gòu)建界面交互的層次式管理數(shù)據(jù)庫時(shí)，采用關(guān)聯(lián)信息融合方法進(jìn)行大數(shù)據(jù)處理，可獲得很好的界面交互性能。根據(jù)上述設(shè)計(jì)原理，相關(guān)文獻(xiàn)進(jìn)行了界面交互設(shè)計(jì)研究，取得了一定的研究成果。文獻(xiàn)[5]提出一種基于數(shù)據(jù)挖掘技術(shù)的大數(shù)據(jù)信息處理界面交互系統(tǒng)開發(fā)技術(shù)。該方法構(gòu)建大數(shù)據(jù)信息處理的界面交互信息管理的大數(shù)據(jù)特征信息流，采用邊緣融合和特征分解方法進(jìn)行大數(shù)據(jù)信息處理，采用MySQL進(jìn)行數(shù)據(jù)緩存設(shè)計(jì)，提高界面交互設(shè)計(jì)的綜合調(diào)度能力;但該方法存在大數(shù)據(jù)信息檢索的失真較大和計(jì)算復(fù)雜度較高的問題。文獻(xiàn)[6]提出一種基于語義特征分析的大數(shù)據(jù)信息處理及界面交互設(shè)計(jì)方法，采用云資源調(diào)度技術(shù)進(jìn)行界面交互性的系統(tǒng)開發(fā)設(shè)計(jì)，提高大數(shù)據(jù)的綜合融合能力。該方法在進(jìn)行交互信息管理中容易出現(xiàn)相關(guān)性偏移和信息輸出融合度不高的問題。文獻(xiàn)[7]提出一種基于UML和嵌入式多線程技術(shù)的界面交互設(shè)計(jì)方法，實(shí)現(xiàn)對(duì)大數(shù)據(jù)信息處理的界面交互的綜合調(diào)度和模塊化開發(fā)，實(shí)現(xiàn)大數(shù)據(jù)信息處理的界面交互信息檢索和多線程調(diào)度，提高檢索性能。該方法同樣存在檢索的查準(zhǔn)性不好和抗干擾能力不強(qiáng)的問題。

針對(duì)上述問題，本文提出基于大數(shù)據(jù)處理技術(shù)的界面交互設(shè)計(jì)方法。首先進(jìn)行界面交互設(shè)計(jì)的大數(shù)據(jù)信息處理算法設(shè)計(jì)和總體模型構(gòu)建。然后采用模糊聚類方法進(jìn)行界面檢索數(shù)據(jù)庫的信息聚類，在Linux內(nèi)核源碼控制下進(jìn)行界面的程序調(diào)度和交叉編譯，實(shí)現(xiàn)界面交互系統(tǒng)設(shè)計(jì)的軟件開發(fā)。最后進(jìn)行仿真實(shí)驗(yàn)分析，展示了本文方法在提高界面交互性和大數(shù)據(jù)綜合調(diào)度能力方面的優(yōu)越性。

1 ?界面交互系統(tǒng)總體設(shè)計(jì)描述

1.1 ?總體設(shè)計(jì)構(gòu)架

在大數(shù)據(jù)環(huán)境下進(jìn)行界面交互設(shè)計(jì)，首先采用大數(shù)據(jù)信息融合和數(shù)據(jù)調(diào)度方法進(jìn)行界面交互過程中的信息集成處理和調(diào)度，采用交叉編譯控制方法進(jìn)行界面交互過程中的信息融合跟蹤設(shè)計(jì)。界面交互設(shè)計(jì)模型建立在多線程的嵌入式并行處理系統(tǒng)中，結(jié)合功能模塊化設(shè)計(jì)方案，進(jìn)行大數(shù)據(jù)信息處理和界面交互性設(shè)計(jì)開發(fā)。大數(shù)據(jù)信息處理的界面交互系統(tǒng)可以安裝在Windows系統(tǒng)基礎(chǔ)上，采用Linux嵌入式系統(tǒng)進(jìn)行交叉編譯，在交互式的環(huán)境中進(jìn)行關(guān)聯(lián)規(guī)則調(diào)度，提高界面交互控制中的集成性和穩(wěn)健性。在界面交互的輸出端，采用交叉總線控制方法，實(shí)現(xiàn)對(duì)大數(shù)據(jù)總線傳輸?shù)恼{(diào)度[8]，在嵌入式的數(shù)據(jù)庫中進(jìn)行界面交互的信息讀取和編譯。根據(jù)上述總體設(shè)計(jì)原理分析，得到本文設(shè)計(jì)的基于大數(shù)據(jù)處理技術(shù)的界面交互設(shè)計(jì)的總體模型如圖1所示。

1.2 ?功能模塊構(gòu)成

根據(jù)圖1所示的大數(shù)據(jù)信息處理的界面交互系統(tǒng)總體構(gòu)架，進(jìn)行系統(tǒng)的軟件開發(fā)設(shè)計(jì)和功能模塊化分析。界面交互系統(tǒng)為多線程的分布式結(jié)構(gòu)體系設(shè)計(jì)，在底層中進(jìn)行大數(shù)據(jù)信息處理，構(gòu)建知識(shí)規(guī)則庫和模型數(shù)據(jù)庫，采用關(guān)聯(lián)規(guī)則調(diào)度和模型數(shù)據(jù)庫檢索方法進(jìn)行原始信息的集成處理，根據(jù)數(shù)據(jù)處理結(jié)果進(jìn)行模型解析和交叉編譯控制。設(shè)計(jì)API接口實(shí)現(xiàn)界面交互大數(shù)據(jù)信息處理和在線調(diào)度，在調(diào)度程序的交叉編譯中采用B/S接口模塊進(jìn)行總線調(diào)度和數(shù)據(jù)傳輸，構(gòu)建日志庫進(jìn)行界面交互的傳輸日志分析，實(shí)現(xiàn)界面交互過程中的狀態(tài)監(jiān)測(cè)和信息管理[9]。根據(jù)上述分析，得到本文設(shè)計(jì)的界面交互系統(tǒng)的功能模塊組成如圖2所示。

以圖4的界面交互大數(shù)據(jù)樣本集為研究對(duì)象，進(jìn)行界面交互的性能測(cè)試，得到召回率測(cè)試對(duì)比結(jié)果如圖5所示。分析得知，采用本文方法進(jìn)行交互設(shè)計(jì)提高了大數(shù)據(jù)的召回性能，在界面交互過程中具有很好的大數(shù)據(jù)信息處理和調(diào)度能力。

5 ?結(jié) ?語

大數(shù)據(jù)的界面交互設(shè)計(jì)采用相關(guān)的數(shù)據(jù)庫訪問和調(diào)度技術(shù)，實(shí)現(xiàn)大數(shù)據(jù)的信息交互，提高大數(shù)據(jù)的集成調(diào)度能力。本文提出基于大數(shù)據(jù)處理技術(shù)的界面交互設(shè)計(jì)方法，進(jìn)行界面交互設(shè)計(jì)的大數(shù)據(jù)信息處理算法設(shè)計(jì)和總體模型構(gòu)建。采用大數(shù)據(jù)信息處理技術(shù)進(jìn)行界面交互的底層算法設(shè)計(jì)，采用交叉編譯進(jìn)行信息聚類，在嵌入式的Linux內(nèi)核控制模型下進(jìn)行大數(shù)據(jù)信息處理的界面交互系統(tǒng)軟件開發(fā)，建立MySQL數(shù)據(jù)庫進(jìn)行大數(shù)據(jù)信息處理的界面交互數(shù)據(jù)資源存儲(chǔ)，實(shí)現(xiàn)大數(shù)據(jù)信息處理和優(yōu)化信息調(diào)度，實(shí)現(xiàn)界面交互系統(tǒng)優(yōu)化設(shè)計(jì)。研究得知，利用本文方法進(jìn)行界面交互設(shè)計(jì)，提高了大數(shù)據(jù)的信息處理能力和召回性，具有很好的應(yīng)用價(jià)值。

參考文獻(xiàn)

[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，徐華. AdaBoost的多樣性分析及改進(jìn)[J].計(jì)算機(jī)應(yīng)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] 李文輝，倪洪印.一種改進(jìn)的AdaBoost訓(xùn)練算法[J].吉林大學(xué)學(xué)報(bào)（理學(xué)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] 孫博，王建東，陳海燕，等.集成學(xué)習(xí)中的多樣性度量[J].控制與決策，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] 曹瑩，苗啟廣，劉家辰，等.AdaBoost算法研究進(jìn)展與展望[J].自動(dòng)化學(xué)報(bào)，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] 陸興華，陳平華.基于定量遞歸聯(lián)合熵特征重構(gòu)的緩沖區(qū)流量預(yù)測(cè)算法[J].計(jì)算機(jī)科學(xué)，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.