心理健康教学信息资源整合平台的开发与应用

陈晓明

【摘 要】 心理健康教学信息资源涉及面广、信息量大，现有的部分教学信息资源整合平台软硬件配置相对简单，造成教学信息查询耗时费力。本文设计了一种基于HDFS技术的心理健康教学信息资源整合平台，由处理器、采集器和存储器构建硬件部分框架，基于非线性映射算法和离线混沌系统映射算法进行平台软件部分设计，实现了对信息资源的采集、筛选与整合。经过实验证明，基于HDFS技术的心理健康教学信息资源整合平台性能优异，较之同类平台具有更高的运行效率。

【关键词】 HDFS;心理健康信息;资源整合平台

【中图分类号】 TP311.52 【文献标识码】 A 【文章编号】 2096-4102（2021）01-0057-03

教学实践信息资源对于高校的教学工作具有十分重要的意义，其集中和共享的程度直接影响高校学科教学水平的提升。在信息化技术高速发展的当前时期，充分利用信息化技术手段进行教学实践信息资源整合能够明显提升高校的学科教学质量。但是，现有的信息整合平台大多存在信息实效性低、执行查询慢的问题。本文提出并设计了一种基于HDFS（Hadoop分布式文件系统）技术的心理健康教学信息资源整合平台，目的是为了解决现有平台的技术缺陷，提升教学信息整合效率。

一、平台硬件部分设计

由于高校思政教学涉及的内容繁多，所以平台在硬件结构上必须能够实现新建、维护与管理的同时进行。本平台中基于HDFS搭建整体框架，以此来整合心理健康信息的全部资源。基于HDFS的平台硬件架构如图1所示。

本平台的整体业务进行流程为：移动客户端向系统发送访问申请，处理器基于HDFS的标准协议通过数据库完成用户所需信息的读取和处理。主要硬件的选取与设计围绕系统功能进行。

（一）采集器

系统运行的过程中，若采集的信号有所差异，则采集器内部会出现电势差，由此会产生网络阻抗，由此可见采集器的阻抗输入能力与运放极集成能力两项指标十分重要。本平台选取集成TYSA226芯片的采集器，用以应对大量信息的采集工作。该采集器结构及其元件工作流程如图2所示。

CAN总线通信是采集器的技术核心，为了保证系统的稳定运行，每个采集器都通过两根CAN总线与其他元件进行连接，系统在MCU内部单独设置了CAN控制器，若CAN与其他元件的通道中的一条发生故障，则另外一条会立即启动，因此通信不会中止，正常运行中的系统只有一条通道运行即可。总线通信收发元件每发生一次故障，计数值会逐渐累积，一旦计数值升高到上限，系统会立即关闭该通道，CAN控制器脱离通信，处理器发现CAN控制器脱离时，会立即启动其备份通道，同时中止信号发送。双通道通信的设计在物理结构上保证了两条总线和通道都发生故障时系统的正常运行。

（二）处理器

本平台选取当前运行性能最好的ARM10处理器，此型号处理器在通信方面表现十分优异。由于引入了FGPA技术，该处理器能够进行并行信号的处理，相较于其他处理器在通信方面具有十分明显的优势。本平台选取的ARM10处理器集成了多个寄存器，在流水线的结构形式下能够同时处理多条线路的数据，以此大幅提高了运算效率，同时明显降低了芯片的资源占用率。

本平台处理器运行频率峰值可达650MHz，处理性能极强。当存储在寄存器中的数据发送出去之后，寄存器存储空间变大，若有两路以上的数据同时进入处理器，处理器就会按照蝶算程序进行处理，处理后的数据存储在寄存器内，等待进入下一个处理程序，在此“乒乓结构”的处理模式下，待处理数据会持续不断地发送过来，运算的效率就会相应的大为提高。本平台所选取的处理器在新式RAM系统的基础上具备多项开放式功能，与多种其他系统互相兼容，为未来开放式RAM的研发打下了坚实的基础。

（三）存储器

本文所设计的信息资源整合平台通过三种存储器来进行通信过程中的数据存储：虚拟存储器、高速存储器和主存储器，具体结构如图3所示。

设计三种存储器并行的结构主要目的是提高系统的缓存速度。当系统缓存中没有数据时，会延长对存储器的访问时间，此时缓存主动访问相对存储能力较强的主存储器;若主存储器中仍不存在其所需要的数据，则会分批量搜索虚拟存储器中的数据，在这种数据读取模式下，存储器的空间需求问题得以解决。相较于传统处理器的存储器结构，本系统所设计的结构具有性能更好、性价比更高的优势。

二、平台软件部分设计

高校心理健康教学信息资源的整合过程，包括教学实践信息的采集、筛选、整合，以此来保证信息资源的完整性和实用性。通过系统的软件能够实现信息整合的三个环节。

（一）高校心理健康信息采集

本平台对心理健康信息的采集通过在粗糙集基础上总结的信息提取法来实现，其进行信息提取的基本思路是：程序中制定一个非线性映射规则，通过该规则将系统所接收的所有向量映射到指定的高维空间。对于本平台，信息的提取过程为：

{m，n}为教学信息的设定集合，在这里，m∈R，n∈{0，∞}，通过非线性映射规则将{m，n}映射至对应的高维空间，此空间的最优数据由下式计算：

在粗糙集规则中，A能够按需进行调整，因此，随A取值的变化，与之对应信息的泛化能力也发生变化。

在信息采集的过程中，粗糙集基于波段型网络的每个节点都存在差异的特性进行数据分类优化处理。

（二）心理健康信息的筛选与整合

信息筛选的目的是选取有效的数据来创建信息资源库，以实现最优资源的有效整合，具体筛选过程为：

如果用B来代表Logistic（离散混沌系统）的映射规则，那么

其中，ρ為随机的混沌数据，Q为目标信息数据的集合，Q（n）为混沌数据参数的反应速度，mi为混沌信号（本系统中mi取最大周期运行时的混沌信号值），β为随机变量。

若β从一个固定的范围内选取，那么筛选完成后所得的信息集合为：

其中，P（π）为伪随机序列，为混沌序列各数据点的平均值，φ和θ分别为目标函数和量化函数。

在以上算法的基础上完成本平台软件部分的设计，实现平台对教学实践信息的收集、筛选与整合，平台功能的實现流程如图4所示。

三、系统应用对比

在平台框架搭建完成之后，进行平台功能验证实验，通过与其他同类平台的性能对比来验证本平台的功能完整性与先进性。

（一）参数设置

按照表1的内容进行本次实验的参数设置。

（二）对比结果与分析

选取某高校的一组教学信息为整合目标，选取文献[4]～[6]同类平台作为实验的参照平台，与本平台的运行情况及教学实践信息资源整合结果进行对比。实验结果如图5所示。

由图5可见，随着用户查询信息量的递增，参照平台所消耗的时间以高斜率形式增长，而本平台的运行时间远低于参照平台且变化很小，说明本平台的信息整合效率比参照系统高出很多。

四、结论

为了解决现有信息整合平台存在的信息实效性低、执行查询慢的问题，本文提出并设计了基于HDFS技术的心理健康教学信息资源整合平台，通过处理器、采集器和存储器构建了硬件部分框架，基于非线性映射算法和离线混沌系统映射算法进行平台软件部分的设计，实现了对信息资源的采集、筛选与整合。经过实验证明，基于HDFS技术的心理健康教学信息资源整合性能更好、效率更高，具有很强的实用性。

【参考文献】

[1]廖惠芳.办公自动化在档案资源优化整合中的应用[J].兰台内外，2020（4）：56-57.

[2]胡荣星.网络教学资源整合系统设计：以南京开放大学为例[J].南京广播电视大学学报，2017（1）：91-93.

[3]王丽萍.基于Sakai系统的物流网络教学资源整合研究[J].物流科技，2017，40（3）：141-143.

[4]周唯，邹东升，牛宝君.基于移动云计算的高校教学资源整合系统[J].计算机应用，2016，36（S1）：33-36.

[5]郭超，汪一江.论高校思政课校内实践教学资源的系统整合[J].江汉大学学报（社会科学版），2015，32（4）：109-112，127.

[6]杜远坤，周丽.基于手持设备的教学资源整合系统的设计与实现[J].电脑知识与技术，2015，11（11）：78-79.