基于大數(shù)據(jù)技術(shù)的高職院校管理信息數(shù)據(jù)整合系統(tǒng)設(shè)計(jì)

摘要：傳統(tǒng)高職院校管理信息數(shù)據(jù)整合系統(tǒng)整合能力不足。文章基于大數(shù)據(jù)技術(shù)，設(shè)計(jì)新的整合系統(tǒng)。文章選用數(shù)字信號(hào)處理器與量化整合芯片作為關(guān)鍵硬件，抽取數(shù)據(jù)表征信息，利用大數(shù)據(jù)技術(shù)分類處理；對(duì)管理信息進(jìn)行編碼，通過(guò)模式映射實(shí)現(xiàn)整合。測(cè)試表明，新系統(tǒng)整合能力強(qiáng)，更貼近理想值，提升了信息管理質(zhì)量和整合效率。

關(guān)鍵詞：大數(shù)據(jù)技術(shù)；高職院校；管理信息數(shù)據(jù)；數(shù)據(jù)整合；系統(tǒng)設(shè)計(jì)

中圖分類號(hào)：TP311文獻(xiàn)標(biāo)志碼：A

0 引言

大數(shù)據(jù)技術(shù)能挖掘分析海量數(shù)據(jù)，洞察學(xué)生學(xué)習(xí)行為及需求，為高職院校信息管理提供精準(zhǔn)指導(dǎo)［1］。本文探討基于大數(shù)據(jù)技術(shù)的高職院校管理信息數(shù)據(jù)整合系統(tǒng)設(shè)計(jì)，構(gòu)建高效安全系統(tǒng)，全面匯聚、深度分析數(shù)據(jù)，為高職改革提供數(shù)據(jù)支撐和決策依據(jù)。文章聚焦系統(tǒng)硬件設(shè)計(jì)，特別是處理器和整合芯片，確保數(shù)據(jù)被高效處理。文章通過(guò)數(shù)據(jù)抽取、分類、編碼及模式映射實(shí)現(xiàn)整合，形成完整的管理信息數(shù)據(jù)整合方案。

1 高職院校管理信息數(shù)據(jù)整合系統(tǒng)硬件設(shè)計(jì)

為加強(qiáng)高職院校信息數(shù)據(jù)整合與存儲(chǔ)，文章采用增強(qiáng)型CPU-C67x數(shù)字信號(hào)處理器。該處理器出色的數(shù)據(jù)處理和運(yùn)算能力能夠確保數(shù)據(jù)穩(wěn)定準(zhǔn)確。同時(shí)，系統(tǒng)配備INSPUR NF5466M5服務(wù)器，其網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)促進(jìn)數(shù)據(jù)高效流通，實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)處理。

量化整合芯片由ARM、PCM、FCM、HCM和管控開(kāi)關(guān)構(gòu)成。ARM連接上級(jí)硬件，PCM和FCM重新規(guī)劃數(shù)據(jù)傳輸路徑以滿足整合需求。HCM受管控開(kāi)關(guān)控制，閉合時(shí)連接進(jìn)行二次整合，斷開(kāi)時(shí)非響應(yīng)并反饋數(shù)據(jù)至系統(tǒng)環(huán)境。

2 信息數(shù)據(jù)整合系統(tǒng)軟件設(shè)計(jì)

2.1 高職院校管理信息數(shù)據(jù)表征信息抽取

本文利用機(jī)器學(xué)習(xí)算法對(duì)其中的高緯度數(shù)據(jù)進(jìn)行訓(xùn)練，對(duì)其進(jìn)行降維處理，得到的總低維數(shù)據(jù)共同構(gòu)成高職院校管理過(guò)程中產(chǎn)生的信息數(shù)據(jù)庫(kù)，從中獲取高職院校管理過(guò)程的信息數(shù)據(jù)的信息特征子向量。根據(jù)低維特征的子向量［2］，可以得到高職院校管理信息數(shù)據(jù)的散度矩陣，其表達(dá)式為：

其中，Am為高職院校管理信息數(shù)據(jù)的散度矩陣，cm為高職院校管理信息數(shù)據(jù)的維特征向量，m為數(shù)值，n為高職院校管理信息數(shù)據(jù)特征的維度。為確保所得數(shù)據(jù)更加精準(zhǔn)，本文按照前述方法再次對(duì)數(shù)據(jù)進(jìn)行降維處理。在降維過(guò)程中，本文處理散度矩陣中各數(shù)據(jù)的比值；通過(guò)分析訓(xùn)練子集的均值向量數(shù)值，得到訓(xùn)練子集的矩陣計(jì)算式，從而更精確地描述高職院校管理信息數(shù)據(jù)的特征。該過(guò)程的表達(dá)式為：

其中，Bm為高職院校管理信息數(shù)據(jù)的樣本集矩陣，g為特征均值向量，l為樣本個(gè)數(shù)。根據(jù)訓(xùn)練子集的矩陣計(jì)算式，可以得到評(píng)價(jià)特征子集辨別力的標(biāo)注函數(shù)，其表達(dá)式為：

其中，d為高職院校管理信息數(shù)據(jù)的評(píng)價(jià)特征子集類特征辨別力。本文通過(guò)評(píng)估特征子集的辨別力，判斷高職院校管理信息數(shù)據(jù)特征子向量的有效性。當(dāng)特征子向量的樣本方差較小且樣本間相似性較低時(shí)，這些特征子向量具有較強(qiáng)的辨別力，反之則代表具有較低的辨別力。

2.2 基于大數(shù)據(jù)技術(shù)的高職院校管理信息數(shù)據(jù)分類

整合系統(tǒng)中數(shù)據(jù)繁多，且存在損壞及重復(fù)數(shù)據(jù)［3］，影響信息數(shù)據(jù)的分類效果。因此，需根據(jù)分類原則處理數(shù)據(jù)，剔除格式不一致及重復(fù)數(shù)據(jù)，即：

其中，v為數(shù)據(jù)識(shí)別參數(shù)，k為數(shù)據(jù)分類參數(shù)，w為共性數(shù)據(jù)。根據(jù)上述公式完成高職院校管理信息數(shù)據(jù)整合系統(tǒng)中重復(fù)數(shù)據(jù)剔除，在此基礎(chǔ)上按照數(shù)據(jù)分類原則對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步分類，其公式為：

其中，A為分類后的數(shù)據(jù)種類，f為各類數(shù)據(jù)的具體信息，pi為某類數(shù)據(jù)的父類信息，i為父類信息的替代子類，c為數(shù)據(jù)的基本單元。

2.3 高職院校管理信息數(shù)據(jù)編碼

在高職院校管理信息數(shù)據(jù)整合系統(tǒng)中存在大量數(shù)據(jù)，本文通過(guò)制定統(tǒng)一的編碼標(biāo)準(zhǔn)對(duì)高職院校管理信息數(shù)據(jù)進(jìn)行編碼，以進(jìn)一步提升數(shù)據(jù)整合的效率。編碼過(guò)程如圖1所示。

2.4 通過(guò)模式映射實(shí)現(xiàn)數(shù)據(jù)整合

通過(guò)建立匹配映象關(guān)系，本文可以整合不同來(lái)源和格式的數(shù)據(jù)，形成完整、統(tǒng)一的數(shù)據(jù)視圖［4］。根據(jù)數(shù)據(jù)編碼標(biāo)準(zhǔn)，本文確定了不同數(shù)據(jù)之間的映射關(guān)系，從而確保數(shù)據(jù)的準(zhǔn)確性和一致性。本文計(jì)算數(shù)據(jù)整合映射的最大值，其表達(dá)式為：

3 系統(tǒng)測(cè)試

3.1 測(cè)試準(zhǔn)備

本文將對(duì)比方法設(shè)為傳統(tǒng)高職院校管理信息數(shù)據(jù)整合測(cè)試組1和測(cè)試組2進(jìn)行對(duì)比分析，選取學(xué)生、教學(xué)、行政和科研管理信息數(shù)據(jù)作為整合資源，選用JavaScript平臺(tái)采集數(shù)據(jù)。其中，網(wǎng)絡(luò)環(huán)境配置搭配Intel core i5的處理器、8 GB內(nèi)存、256 GB硬盤、Google Chrome v71的搜索環(huán)境、macOS High Sierra x64的操作環(huán)境，Java SE v1.1.8.0-151的平臺(tái)版本。

本文以基于SuperMap的信息數(shù)據(jù)整合系統(tǒng)為傳統(tǒng)系統(tǒng)1，以基于云計(jì)算的數(shù)據(jù)整合系統(tǒng)為傳統(tǒng)系統(tǒng)2。在實(shí)驗(yàn)中，本文將系統(tǒng)的整合特征值作為主要的測(cè)試指標(biāo)，整合特征值越高，說(shuō)明系統(tǒng)對(duì)于數(shù)據(jù)的整合效果越好。

3.2 系統(tǒng)測(cè)試結(jié)果分析

本文根據(jù)本實(shí)驗(yàn)設(shè)置的實(shí)驗(yàn)環(huán)境，對(duì)不同數(shù)據(jù)集上的數(shù)據(jù)進(jìn)行整合，得到了系統(tǒng)整合特征值的檢測(cè)結(jié)果，如圖2所示。

由圖2可知：特征值隨時(shí)間非線性波動(dòng)，在固定范圍內(nèi)變化。設(shè)定理想整合值為3.3。本整合系統(tǒng)特征值波動(dòng)范圍為2.9～3.8，平均值為3.5，整合能力強(qiáng)。傳統(tǒng)系統(tǒng)1特征值波動(dòng)范圍為2.2～3.1，平均值為2.8，整合能力較弱。傳統(tǒng)系統(tǒng)2特征值波動(dòng)范圍為0.9～1.7，平均值為1.4，整合能力更弱。本文系統(tǒng)更貼近理想值，整合能力更強(qiáng)，為高職數(shù)據(jù)整合改革和創(chuàng)新提供有力支持，提高數(shù)據(jù)管理和整合效率。

4 結(jié)語(yǔ)

在當(dāng)今的高職院校中，大數(shù)據(jù)技術(shù)的運(yùn)用已經(jīng)成為教育改革的重要趨勢(shì)。本文設(shè)計(jì)基于大數(shù)據(jù)技術(shù)的高職院校管理信息數(shù)據(jù)整合系統(tǒng)，將其應(yīng)用于高職院校管理過(guò)程中，不僅提高了所獲得的信息數(shù)據(jù)的質(zhì)量，還提升了對(duì)相關(guān)數(shù)據(jù)的整合效率。總之，本文設(shè)計(jì)的基于大數(shù)據(jù)技術(shù)的高職院校管理信息數(shù)據(jù)整合系統(tǒng)能夠推進(jìn)高職院校教育信息化和現(xiàn)代化，對(duì)于提升高職院校管理質(zhì)量、促進(jìn)管理信息數(shù)據(jù)的整合與應(yīng)用等方面都具有重要的意義。

參考文獻(xiàn)

［1］劉國(guó)徽，曹夢(mèng)北，李燕.基于SuperMap的國(guó)土空間基礎(chǔ)信息平臺(tái)數(shù)據(jù)整合方法［J］.地礦測(cè)繪，2022（3）：57-59.

［2］李彩玲，李文軍，翟淑琴.基于云計(jì)算的艦船跨區(qū)域數(shù)據(jù)整合平臺(tái)構(gòu)建［J］.艦船科學(xué)技術(shù)，2021（22）：157-159.

［3］張露成，夏建華，吳美琪.溪洛渡水電站數(shù)據(jù)整合平臺(tái)設(shè)計(jì)及應(yīng)用［J］.水電與新能源，2021（9）：56-59.

［4］鄭史青，魏紅洲，李國(guó)洋，等.東莞市不動(dòng)產(chǎn)登記數(shù)據(jù)整合建庫(kù)平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)［J］.測(cè)繪與空間地理信息，2021（2）：168-171.

［5］張喆，湯永利.基于集成學(xué)習(xí)的全云化健康大數(shù)據(jù)整合系統(tǒng)設(shè)計(jì)［J］.現(xiàn)代電子技術(shù)，2020（22）：173-176，180.

Design of management information data integration system in higher vocational colleges

based on big data technology

Abstract：The integration ability of management information data integration system in traditional higher vocational colleges is insufficient. This paper designs a new integration system based on big data technology. The digital signal processor and quantitative integration chip are selected as the key hardware， the data characterization information is extracted， and the classification is processed by big data technology. The management information is encoded and integrated by pattern mapping. The test shows that the new system has strong integration ability， is closer to the ideal value， and improves the quality of information management and integration efficiency.

Key words： big data technology; higher vocational colleges; management information data; data integration; system design