盖昊宇

(安徽工商职业学院 应用工程学院，安徽 合肥 231131)

随着无线传感器网络技术的发展，需要对网络通信系统跨层资源进行优化调度和分配，能够提高网络通信系统跨层资源分配和信息融合能力，且在无线传感器网络的均衡部署控制中具有重要意义，对网络通信系统跨层资源分配方法的相关研究受到人们的极大关注[1]。

网络通信系统跨层资源的分配是建立在资源大数据扩展和特征分析的基础上，根据采集到的网络通信系统跨层资源的特征信息进行信息融合，提高信息检索和资源优化分配能力。传统网络通信系统跨层资源分配方法主要有模糊PID方法和空间聚类分析方法等[2-3]，但传统方法进行网络通信系统跨层资源分配的均衡性不好。因此，提出基于多目标全局约束的网络通信系统跨层资源分配方法，采用层次化演化聚类方法进行网络通信系统跨层资源的自适应分块匹配，结合多目标全局约束方法，实现网络通信系统跨层资源分配，最后进行仿真测试分析，得出有效性结论。

1 网络通信系统跨层资源大数据分析

1.1 网络通信系统跨层资源大数据挖掘

为了实现网络通信系统跨层资源分配，采用多目标全局约束技术进行网络通信系统跨层资源分配的自适应寻优和信息增强[4]。给出如下定义：

定义2 在有限论域内，网络通信系统跨层资源的辨识统计域S=(U,A,V,f)中，如果A=C∪D，D={d}，且C∩D=Φ，网络通信系统跨层资源分配的特征属性C和D分别表示跨层资源的元数据特征量，由此组成网络通信系统跨层资源的模糊向量集和规则向量集，那么在网络通信系统跨层资源分配的有限域S内，构建网络通信系统跨层资源大数据挖掘模型，得到特征统计决策表，简记为S=(U,A)或S=(U,C∪D)。

在决策表S=(U,A)中，当满足a∈A，存在IND(A-{a})=IND(A)，表示网络通信系统跨层资源的多目标全局约束统计特征属性，网络通信系统跨层资源属性a在闭合区间A中具有线性特征，对于网络通信系统跨层资源的特征属性a，得到边缘特征分布集A，采用模糊约束控制方法，进行网络通信系统跨层资源优化分配[5]。

1.2 网络通信系统跨层资源特征提取

在网络通信系统跨层资源属性的同源特征统计决策表S=(U,A)中，对A=C∪D，C∩D=Φ，C中所有对角线元素集合称为网络通信系统跨层资源组成属性集A的核，记作Core(A)。网络通信系统跨层资源大数据分布集为：

(1)

其中FT(t)=(F1(t),F2(t),…,FN(t))，根据网络通信系统跨层资源大数据采样结果，进行跨层资源的特征提取。

进行网络通信系统跨层资源属性特征分类，得到网络通信系统跨层资源的特征重构矩阵为：

(2)

其中，网络通信系统跨层资源的嵌入维数为m，网络通信系统跨层资源重构的时间间隔为τ。

根据上述多目标全局约束结果，采用决策属性辨识方法进行网络通信系统跨层资源分配的规则向量特征提取[9]。

2 网络通信系统跨层资源分配优化

2.1 系统跨层资源的自适应分块匹配

采用模糊特征检测方法进行网络通信系统跨层资源的特征挖掘，提取网络通信系统跨层资源的关联规则特征量，进而进行数据模糊度匹配，得到网络通信系统跨层资源的关联规则集定义为：

(3)

其中：dm+1(m)为网络通信系统跨层资源集在第m点的预测值；dk+1(m)为采用第m点处采集的网络通信系统跨层资源的模糊特征量。

根据上述分析，实现网络通信系统跨层资源数据存储结构的优化重组。

通过挖掘网络通信系统跨层资源集的属性特征[10]，采用统计分析方法，建立网络通信系统跨层资源关联规则分布矩阵的计算式定义为：

(4)

其中：wij为第i个采样节点挖掘到的网络通信系统跨层资源的模糊隶属度函数，结合全局加权分析的方法，构建网络通信系统跨层资源的特征提取模型。在运维管理节点i处，采集到的网络通信系统跨层资源数码元序列表示为(w1,j,w2,j,…,wtj，其中t表示网络通信系统跨层资源的编号数目；wtj为网络通信系统跨层资源挖掘的加权系数，结合语义特征分析方法，建立网络通信系统跨层资源挖掘的模糊语义特征规则分析模型，进行系统跨层资源的自适应分块匹配处理。

2.2 网络通信系统跨层资源分配

构建网络通信系统跨层资源的存储结构模型，得到网络通信系统跨层资源的自适应加权系数为：

(5)

maxlFreqi,j为在运维管理节点i、j之间检测到的网络通信系统跨层资源的模糊度，模糊度辨识特征量为：

(6)

式中，

wi,j=tfi,j×Idfi

(7)

di和dj为网络通信系统跨层资源分配的相似度属性，采用模糊聚类方法，进行网络通信系统跨层资源挖掘，采用特征分解方法进行模糊隶属度分析，结合网络通信系统跨层资源分配的统计决策模型S，得到特征提取的多分辨矩阵M(S)=(mij)n×n，其中，多目标全局约束结果为：

(8)

根据上述模糊辨识模型定义，在网络通信系统跨层资源分配的统计决策表S=(U,A)中进行模糊自适应寻优，得到网络通信系统跨层资源分配的自反性条件映射A↔A，由此得到网络通信系统跨层资源分配的属性集为：

3 仿真实验与结果分析

为了验证本文方法实现网络通信系统跨层资源分配中的应用性能，采用Matlab进行仿真实验，网络通信系统跨层资源数据的初始采样频率为60KHz，信息采样的特征分辨率为2.5Kbps，网络通信系统跨层资源的熵特征分布见表1。

表1 网络通信系统跨层资源熵特征分布

根据上述参数设定，进行网络通信系统跨层资源分配，得到原始的网络通信系统跨层资源如图1所示。

图1 原始的网络通信系统跨层资源

采用本文方法对网络通信系统跨层资源进行优化分配，分配结果如图2所示。

(a)样本1

(b)样本2图2 网络通信系统跨层资源分配结果

测试网络通信系统跨层资源均衡度水平，得到结果如图3所示。

图3 网络通信系统跨层资源分配的均衡度水平比较

分析图3得知，本文方法进行网络通信系统跨层资源分配的均衡度水平较高。

结语

为解决传统方法存在的网络通信系统跨层资源分配均衡度较低的问题，提出基于多目标全局约束的网络通信系统跨层资源分配方法。构建网络通信系统跨层资源的大数据挖掘模型，采用模糊特征检测方法进行网络通信系统跨层资源的特征挖掘，提取网络通信系统跨层资源的关联规则集，通过模糊关联规则分配方法进行网络通信系统跨层资源的特征分解和优化提取，提取资源数据的递归熵特征量，采用层次化演化聚类方法进行网络通信系统跨层资源的自适应分块匹配，结合多目标全局约束方法，实现网络通信系统跨层资源分配。分析得知，采用本文方法进行网络通信系统跨层资源分配的均衡性较好，提高了资源的利用效率和分配的均衡度水平。