基于大数据分析的学生最优选课方案模型的设计与实现
史金梅+夏伟
摘 要： 为了提高学生选课的优化配置性能，提高课程资源的利用效能，提出一种基于大数据分析的学生最优选课方案模型的设计方法。首先构建学生优选课方案模型的总体结构模型，采用大数据分析方法进行学生选课资源数据库的信息融合和优化访问设计，结合自适应均衡博弈和灰色关联度分析，得到学生选课的综合决策模型。在Linux内核进行程序开发，基于X86架构建立学生选课系统的交叉编译环境，在虚拟文件系统配置脚本菜单，网络模块集成了HTTP服务器和Telnet服务器功能，实现课程信息的数据共享和远程传输。最后进行系统软件开发和调试分析，结果表明，该选课方案模型具有较好的大数据分析能力，实现课程最优化配置和选取，模型的可靠性较强。
关键词： 大数据分析； 选课； 模型设计； 信息融合
中图分类号： TN911?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）14?0030?03
Abstract： In order to improve the optimal allocation performance in students′course selection and utilization efficiency of curriculum resources， a design method of a course selection model based on large data analysis is proposed. The overall structure model of student optimal course selection model is constructed firstly. A large data analysis method is used to conduct information fusion and optimal access design of student course resource database to get comprehensive decision model of student course selection by combining adaptive equilibrium with grey correlation analysis. The program development is performed in Linux kernel. The cross compile environment for student elective system is established based on X86 architecture. A script menu is collocated in the virtual file system. HTTP server and telnet server functions are integrated in the network module to realize data sharing and remote transmission of the curriculum information. The system software development and debugging analysis results show that the course selection scheme model has good data analysis ability and strong reliability， and can realize the optimization configuration and selection of courses.
Keywords： big data analysis； course selection； model design； information fusion
隨着高等教育深化改革和发展，为了更好地发挥高等院校的教学资源优势，结合学生的课程和专业的差异性，采用选课制进行课程搭配设计。这样既尊重了学生的个性化学习需求，也更科学地搭配高校的教学资源。选课制，也称课程选修制，允许学生对学校所开设的课程有一定的选择自由，对任课教师、上课时间以及进度仅有一定组合的选课机制，采用选课制教学，更有利于扩充学生的知识面，更好地整合高等教育的教学资源。然而，学生在进行选课中具有一定的盲目性和自发性，需要有效的信息系统进行指导，设学生选课方案优化信息管理系统，在大数据信息时代，对更好地利用高校的教学资源具有积极重要的意义。
1 学生最优选课方案设计总体构架
为了实现对大数据处理环境下的学生最优选课方案模型的优化设计，首先分析软件系统的总体结构模型，基于大数据分析的学生最优选课方案模型是建立在学生选课资源数据库的信息融合和优化访问设计基础上的，结合数据信息处理模型进行学生最优选课方案模型设计，采用LabWindows/CVI进行大数据处理环境的选课方案分析[1?2]，结合均衡博弈思想进行选课资源的优化配置。学生最优选课方案模型系统建立在嵌入式操作系统Linux基础上，本文设计基于大数据分析的学生最优选课方案模型主要元件包括如下几个方面：
（1） 最优选课方案的特征采集计算元件（CE）。选课方案中对教育资源信息的采样频率大于200 Hz，寄存器基器件采用IEEE?488协议进行课程信息缓存和多线程输出，在集成控制中枢单元对课程信息进行特征提取和网格计算[3]。
（2） 副本管理器（RM）。采用二元语义信息属性决策方法，用8 个32位Maibox寄存器寄存学生选课的特征信息，在每个站点控制副本管理的传输，实现学生选课信息的输入和耦合[4?5]。
根据上述总体设计构架，得到基于大数据分析的学生最优选课方案模型的设计框图如图1所示。
由图1可见，先构建学生优选课方案模型的总体结构模型，采用大数据分析方法进行数据访问和资源调度，构建用户应用程序（Application），采用开源Linux系统提供层次模型构架。在MVB总线控制过程中，利用大数据处理算法进行存储控制和选课过程中的资源调度和数据共享。采用PCI桥接模块进行中断控制，避免在课程选择过程中的异常冲突。在信息传输的终端，通过网口、串口、USB口的控制读写功能，实现对选课结果的打印和输出。
2 基于大数据分析的学生选课综合决策设计
在上述进行了学生最优选课方案设计总体构架的基础上，进行大数据分析和学生选课资源信息处理。采用大数据分析方法进行学生选课资源数据库的信息融合和优化访问设计，进行选课的综合决策。采用二元语义决策分析方法构建学生最优选课的综合决策方案。学生最优选课二元决策控制的元素sk和ak的含义描述如下：
（1） sk为语义块的n个课程设计，使得选课的优化配置评价集S中的第k个元素根据学生最优选课过程中的语义单元的语义特征，把决策方案评价集S分为十分可行、很可行、可行、一般、不可行、不可选择等等级，来评价学生选课搭配的准确性，确定最优方案。描述为S={s6=FZ（十分可行），s5=HZ（很可行），s4=Z（可行），s3=YB（一般），s2=C（不可行），s1=HC（不可选择）}。根据上述集合，建立决策矩阵，进行学生选课的语义模糊匹配度不同界限划分，得到语义单元分析方案。
（2） 称为最佳语义相关度值。决策过程中，权重确定包括学生进行选课的合理、客觀、稳定性描述。设评价学生选课搭配的决策向量集，对选课的可行性评价方案关于评价指标的方案优劣判断采用图2所示的几何示意图分析，得到Pi关于各评价对象与最优方案Ij的评价值，且满足 ，定义表示评价学生选课方案Pi对选课合理性评价指标的综合评价值结合上述给出选课方案优劣判断的评价集合，给出学生最优选课方案的评价矩阵和指标权重矩阵分别为：
学生选课的标准化综合评价矩阵和选课合理性的指标权重控制约束下，根据选课的经验知识评价，结合自适应均衡博弈和灰色关联度分析，得到学生选课的决策权重为，学生选课综合决策参考模型选择为：
基于大数据分析的学生选课综合决策参数组合策略表见表1。
根据上述组合决策模型，作为嵌入式程序内核，进行学生最优选课方案模型的软件开发和设计。
3 系统软件开发设计
基于大数据分析技术，进行学生选课方案模型的软件模块化设计，采用存储器映像控制，间接访问底层寄存器，结合嵌入式Linux内核进行程序开发，在大数据信息处理分析环境下进行最优选课方案模型优化设计。在学生选课的大数据信息处理中，寄存器地址范围为00H～17H，在虚拟文件系统配置脚本菜单，控制和状态查询均通过读/写寄存器实现，学生选课方案模型的控制总线设计中，由主机端发送CMD信号，设计系统寄存器、键值寄存器和计数器进行总线控制，分别为：
（1） 系统寄存器（SystemReg）。写32位命令到SDICmdArg，地址00H，复位值F0H，清除SDICmdSta寄存器的ZLG7290位，进行学生最优选课的决策配置。
（2） 键值寄存器（Key）。地址01H，设定标志为RspFin，复位值00H，Key表示被按下键的键值，执行基于大数据分析的学生最优选课方案的决策模型的键值寄存操作。
（3） 计数器（RepeatCnt）。地址02H，最优选课二元决策控制的复位值00H，RepeatCnt=0时表示标志为CmdSent，RepeatCnt大于0时通过连续计数，设置timeout周期，判断选课方案的合理性。
最后在虚拟文件系统配置脚本菜单，网络模块集成了HTTP服务器和Telnet服务器功能，实现系统的网络通信和数据共享。
4 实验测试分析
为了测试本文设计的大数据处理环境下学生最优选课方案模型的应用性能，进行仿真测试分析，实验中，采用嵌入式开发环境Qt C++ API，API，Qt/Embedded，利用FrameBuffe函数库作为底层开发软件，通过发送WREN指令，进行选课方案的初始化参数配置，发送写入的128个数据的首地址，连续写入E2PROM稳定传输数据，从机配置SPI接口，要调节的数字量，配置F端口的外设功能，启动数据发送实现学生的最优选课方案配置。为了定量测试选课的合理性，采用选课课程搭配的不合理性权重系数为测试指标，得到结果如图3所示。从图3可见，采用本文设计模型进行选课的不合理性权重趋于零，能实现最优选课方案控制，具有一定的应用可行性。
5 结 语
为了提高高校学生进行课程选配的合理性设计，本文提出一种基于大数据分析的学生最优选课方案模型的设计方法。实验测试结果表明，本文设计的选课方案模型具有较好的大数据分析能力，实现可课程最优化配置和选取，模型的可靠性较强，具有优越性。
参考文献
[1] MAHBOUBI H， MOEZZI K， AGHDAM A G， et al. Distributed deployment algorithms for improved coverage in a network of wireless mobile sensors [J]. IEEE transactions on industrial informatics， 2014， 10（1）： 163?174.
[2] 谢洪安，李栋，苏旸，等.基于聚类分析的可信网络管理模型[J].计算机应用，2016，36（9）：2447?2451.
[3] GUBBI J， BUYYA R， MARUSIC S， et al. Internet of Things （IoT）： a vision， architectural elements， and future directions [J]. Future generation computer systems， 2013， 29（7）： 1645?1660.
[4] 张沙清.基于本体语义的制造网格构建机理研究[J].计算机应用研究，2008，25（8）：2289?2292.
[5] 石倩，陈荣，鲁明羽.基于规则归纳的信息抽取系统实现[J].计算机工程与应用，2008，44（21）：166?170.
[6] 朱芙菁.基于3G无线网络和信息融合的火灾检测系统[J].现代电子技术，2016，39（1）：31?34.
摘 要： 为了提高学生选课的优化配置性能，提高课程资源的利用效能，提出一种基于大数据分析的学生最优选课方案模型的设计方法。首先构建学生优选课方案模型的总体结构模型，采用大数据分析方法进行学生选课资源数据库的信息融合和优化访问设计，结合自适应均衡博弈和灰色关联度分析，得到学生选课的综合决策模型。在Linux内核进行程序开发，基于X86架构建立学生选课系统的交叉编译环境，在虚拟文件系统配置脚本菜单，网络模块集成了HTTP服务器和Telnet服务器功能，实现课程信息的数据共享和远程传输。最后进行系统软件开发和调试分析，结果表明，该选课方案模型具有较好的大数据分析能力，实现课程最优化配置和选取，模型的可靠性较强。
关键词： 大数据分析； 选课； 模型设计； 信息融合
中图分类号： TN911?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）14?0030?03
Abstract： In order to improve the optimal allocation performance in students′course selection and utilization efficiency of curriculum resources， a design method of a course selection model based on large data analysis is proposed. The overall structure model of student optimal course selection model is constructed firstly. A large data analysis method is used to conduct information fusion and optimal access design of student course resource database to get comprehensive decision model of student course selection by combining adaptive equilibrium with grey correlation analysis. The program development is performed in Linux kernel. The cross compile environment for student elective system is established based on X86 architecture. A script menu is collocated in the virtual file system. HTTP server and telnet server functions are integrated in the network module to realize data sharing and remote transmission of the curriculum information. The system software development and debugging analysis results show that the course selection scheme model has good data analysis ability and strong reliability， and can realize the optimization configuration and selection of courses.
Keywords： big data analysis； course selection； model design； information fusion
隨着高等教育深化改革和发展，为了更好地发挥高等院校的教学资源优势，结合学生的课程和专业的差异性，采用选课制进行课程搭配设计。这样既尊重了学生的个性化学习需求，也更科学地搭配高校的教学资源。选课制，也称课程选修制，允许学生对学校所开设的课程有一定的选择自由，对任课教师、上课时间以及进度仅有一定组合的选课机制，采用选课制教学，更有利于扩充学生的知识面，更好地整合高等教育的教学资源。然而，学生在进行选课中具有一定的盲目性和自发性，需要有效的信息系统进行指导，设学生选课方案优化信息管理系统，在大数据信息时代，对更好地利用高校的教学资源具有积极重要的意义。
1 学生最优选课方案设计总体构架
为了实现对大数据处理环境下的学生最优选课方案模型的优化设计，首先分析软件系统的总体结构模型，基于大数据分析的学生最优选课方案模型是建立在学生选课资源数据库的信息融合和优化访问设计基础上的，结合数据信息处理模型进行学生最优选课方案模型设计，采用LabWindows/CVI进行大数据处理环境的选课方案分析[1?2]，结合均衡博弈思想进行选课资源的优化配置。学生最优选课方案模型系统建立在嵌入式操作系统Linux基础上，本文设计基于大数据分析的学生最优选课方案模型主要元件包括如下几个方面：
（1） 最优选课方案的特征采集计算元件（CE）。选课方案中对教育资源信息的采样频率大于200 Hz，寄存器基器件采用IEEE?488协议进行课程信息缓存和多线程输出，在集成控制中枢单元对课程信息进行特征提取和网格计算[3]。
（2） 副本管理器（RM）。采用二元语义信息属性决策方法，用8 个32位Maibox寄存器寄存学生选课的特征信息，在每个站点控制副本管理的传输，实现学生选课信息的输入和耦合[4?5]。
根据上述总体设计构架，得到基于大数据分析的学生最优选课方案模型的设计框图如图1所示。
由图1可见，先构建学生优选课方案模型的总体结构模型，采用大数据分析方法进行数据访问和资源调度，构建用户应用程序（Application），采用开源Linux系统提供层次模型构架。在MVB总线控制过程中，利用大数据处理算法进行存储控制和选课过程中的资源调度和数据共享。采用PCI桥接模块进行中断控制，避免在课程选择过程中的异常冲突。在信息传输的终端，通过网口、串口、USB口的控制读写功能，实现对选课结果的打印和输出。
2 基于大数据分析的学生选课综合决策设计
在上述进行了学生最优选课方案设计总体构架的基础上，进行大数据分析和学生选课资源信息处理。采用大数据分析方法进行学生选课资源数据库的信息融合和优化访问设计，进行选课的综合决策。采用二元语义决策分析方法构建学生最优选课的综合决策方案。学生最优选课二元决策控制的元素sk和ak的含义描述如下：
（1） sk为语义块的n个课程设计，使得选课的优化配置评价集S中的第k个元素根据学生最优选课过程中的语义单元的语义特征，把决策方案评价集S分为十分可行、很可行、可行、一般、不可行、不可选择等等级，来评价学生选课搭配的准确性，确定最优方案。描述为S={s6=FZ（十分可行），s5=HZ（很可行），s4=Z（可行），s3=YB（一般），s2=C（不可行），s1=HC（不可选择）}。根据上述集合，建立决策矩阵，进行学生选课的语义模糊匹配度不同界限划分，得到语义单元分析方案。
（2） 称为最佳语义相关度值。决策过程中，权重确定包括学生进行选课的合理、客觀、稳定性描述。设评价学生选课搭配的决策向量集，对选课的可行性评价方案关于评价指标的方案优劣判断采用图2所示的几何示意图分析，得到Pi关于各评价对象与最优方案Ij的评价值，且满足 ，定义表示评价学生选课方案Pi对选课合理性评价指标的综合评价值结合上述给出选课方案优劣判断的评价集合，给出学生最优选课方案的评价矩阵和指标权重矩阵分别为：
学生选课的标准化综合评价矩阵和选课合理性的指标权重控制约束下，根据选课的经验知识评价，结合自适应均衡博弈和灰色关联度分析，得到学生选课的决策权重为，学生选课综合决策参考模型选择为：
基于大数据分析的学生选课综合决策参数组合策略表见表1。
根据上述组合决策模型，作为嵌入式程序内核，进行学生最优选课方案模型的软件开发和设计。
3 系统软件开发设计
基于大数据分析技术，进行学生选课方案模型的软件模块化设计，采用存储器映像控制，间接访问底层寄存器，结合嵌入式Linux内核进行程序开发，在大数据信息处理分析环境下进行最优选课方案模型优化设计。在学生选课的大数据信息处理中，寄存器地址范围为00H～17H，在虚拟文件系统配置脚本菜单，控制和状态查询均通过读/写寄存器实现，学生选课方案模型的控制总线设计中，由主机端发送CMD信号，设计系统寄存器、键值寄存器和计数器进行总线控制，分别为：
（1） 系统寄存器（SystemReg）。写32位命令到SDICmdArg，地址00H，复位值F0H，清除SDICmdSta寄存器的ZLG7290位，进行学生最优选课的决策配置。
（2） 键值寄存器（Key）。地址01H，设定标志为RspFin，复位值00H，Key表示被按下键的键值，执行基于大数据分析的学生最优选课方案的决策模型的键值寄存操作。
（3） 计数器（RepeatCnt）。地址02H，最优选课二元决策控制的复位值00H，RepeatCnt=0时表示标志为CmdSent，RepeatCnt大于0时通过连续计数，设置timeout周期，判断选课方案的合理性。
最后在虚拟文件系统配置脚本菜单，网络模块集成了HTTP服务器和Telnet服务器功能，实现系统的网络通信和数据共享。
4 实验测试分析
为了测试本文设计的大数据处理环境下学生最优选课方案模型的应用性能，进行仿真测试分析，实验中，采用嵌入式开发环境Qt C++ API，API，Qt/Embedded，利用FrameBuffe函数库作为底层开发软件，通过发送WREN指令，进行选课方案的初始化参数配置，发送写入的128个数据的首地址，连续写入E2PROM稳定传输数据，从机配置SPI接口，要调节的数字量，配置F端口的外设功能，启动数据发送实现学生的最优选课方案配置。为了定量测试选课的合理性，采用选课课程搭配的不合理性权重系数为测试指标，得到结果如图3所示。从图3可见，采用本文设计模型进行选课的不合理性权重趋于零，能实现最优选课方案控制，具有一定的应用可行性。
5 结 语
为了提高高校学生进行课程选配的合理性设计，本文提出一种基于大数据分析的学生最优选课方案模型的设计方法。实验测试结果表明，本文设计的选课方案模型具有较好的大数据分析能力，实现可课程最优化配置和选取，模型的可靠性较强，具有优越性。
参考文献
[1] MAHBOUBI H， MOEZZI K， AGHDAM A G， et al. Distributed deployment algorithms for improved coverage in a network of wireless mobile sensors [J]. IEEE transactions on industrial informatics， 2014， 10（1）： 163?174.
[2] 谢洪安，李栋，苏旸，等.基于聚类分析的可信网络管理模型[J].计算机应用，2016，36（9）：2447?2451.
[3] GUBBI J， BUYYA R， MARUSIC S， et al. Internet of Things （IoT）： a vision， architectural elements， and future directions [J]. Future generation computer systems， 2013， 29（7）： 1645?1660.
[4] 张沙清.基于本体语义的制造网格构建机理研究[J].计算机应用研究，2008，25（8）：2289?2292.
[5] 石倩，陈荣，鲁明羽.基于规则归纳的信息抽取系统实现[J].计算机工程与应用，2008，44（21）：166?170.
[6] 朱芙菁.基于3G无线网络和信息融合的火灾检测系统[J].现代电子技术，2016，39（1）：31?34.
