基于实训云平台的开发及算法研究

刘赟

摘要：随着教育体制的改革，国家对职业教育的发展更加重视。为了满足社会上对职业技能人才的需求，职业院校与社会企业之间建立的共同教育的模式，通过校企合作来为学生提供更多的实训机会。基于云技术开发的实训云平台，能够为职业教育提供新的教学方式，通过实训云平台的开发与设计，优化数据挖掘算法，提高实训管理水平。

关键词：职业教育;实训云平台;开发;算法

在职业教育的实训管理中，需要综合考虑到院校方面、学生方面以及企业方面的需求，在设计开发实训云平台时，要坚持校企教育的实践性，强化实训信息的统一管理，并以实训云平台为纽带，增强职业院校、学生以及企业的沟通，也让职业院校能够更加全面准确地评估实训效果。

1基于实训云平台系统开发设计

1.1院系管理模块设计

基于实训云平台的开发，需要在职业学校统一管理下，构建起有效的运行模式。由于现代职业教育发展中，校企合作发挥着重要的作用，在安排学生开展实训时，学校教务负责人，要对整个实训过程进行全面的了解和掌握，才能够更加深入地评价整个实训过程的效果，以便职业院校可以积累实训经验，提高实训管理水平，完善实训管理机制，为学生提供积极有效的实训指导[1]。在院系管理模块设计中，需要从学生实训的目标以及流程的角度，去安排实训方案，如学生实训的条件、环境、压力以及后续的合同签订等，这些都是院系管理模块所必须包括的内容。

1.2学生实训模块设计

1.2.1学生实训云报名

实训云平台的主要服务对象是职业院校的学生，因此在学生实训模块设计中，应当以学生需求为核心，从学生报名到学生参与实训，以及最后的学生实训成绩等方面，要通过详细的实训业务流程来进行说明和指导，如让学生在实训云平台上先详细查询并了解企业的相关信息，在选择适当的实训企业后，再选择实训岗位，最后进行实训报名及确认[2]。

1.2.2 学生实训的云平台管理

学生实训模块设计，还要综合考虑到实训报告管理、实训质量评估、实训问题交流等内容。在实训报告的管理中，应当能够为学生提供实训报告模块，学生根据自身的实训情况，对实训环节进行阐述，并对实训结论进行总结。学生实训模块中的实训报告，可以在云平台上进行录入和提交，而实训老师则可以在云平台上浏览学生的实训报告，并进行评价打分，学生的实训报告以及评分会统一存储于云平台中，以便后期对学生进行数据分析实现综合评定[3]。

1.3信息云公告模块设计

实训云平台的信息云公告模块设计，需要具备及时性，能够将职业院校以及企业需要发布的信息，及时准确地呈现在实训云平台上，使学生能够了解最新的实训信息。在信息云公告发布前，需要提前创建好信息模板[5]。信息云公告模块设计中，应当能够提高信息发布时间的选择功能，在系统中设定发布日期、公告性质等，并面向所有的实训参与者。

2校企合作模式下的实训云平台功能实现

2.1实训云平台服务器环境

校企合作模式下的实训云平台，需要有一个基于互联网的服务器集群，能够完成平台上的逻辑处理指令。根据实训云平台服务器类型，可以分为集群化云服务器和数据库服务器。云服务器作为主要的实训信息处理核心，应能具有操作系统以及数据库的信息调用能力，并通过代码解析来完成数据处理。

2.2实训云平台各功能实现

2.2.1实训云平台登录功能实现

在实训平台管理中，拥有登录权限的使用者，需要向平台系统提出登录申请。登录申请转化为指令形式后，传输至服务器。服务器会根据预先设置的参数，对申请进行判断。如果申请信息包含了参数中没有的内容，那么请求会被拒绝，反之申请会被接受，用户即可进入实训平台系统。

2.2.2 实训云平台信息功能实现

职业院校在校企合作中，主要是将企业所提供的实训岗位信息等，录入到平台上以供学生进行选择，并将学生的实训信息反映在平台上。实训云平台功能实现，将建立数据信息之间的连接，通过将操作代码附加在动态数据之上。在实训信息构建中，通过系统参数和查询对象的对应关系，可以对学生实训的信息进行编辑和存储。

3实训云平台数据挖掘的算法优化

3.1实训云平台数据挖掘的作用

3.1.1 概念描述

并非对数据进行简单枚举，而是泛化数据的一种形式。通过采用准确的、汇总的及精炼的模式对数据进行描述。

3.1.2关联分析

通常情况下，数据仓库中各种数据都存在一定的关联关系，这些管理常常错综复杂，乃至蕴藏在表层信息之下。通过关联分析发掘各数据间各类隐含的信息，就能够有效提升数据的利用价值。对事务数据库实施关联规则挖掘时，用户合理设置挖掘参数，就可从大量数据中挖掘出有价值的数据项之间的相关关系，從而分析出一些蕴藏的有用信息。

3.1.3 分类与预测

分类目标就是建立具有区分数据库且给予描述的模型，以此对未知对象类进行区分与标记。通过分析或者使用训练集建立一个描述，对数据或概念进行预先定义，然后采用分类器对未知数据类进行分析。

3.2 K-means算法的优化

数据挖掘有多种算法方式，主要有K-means、KNN、EM及Naive Bayes等各种算法，在这些算法中，K-means属于最经典更是使用最广泛的方法。因此，本文选用K-means算法的优化进行研究具有代表性。

传统K-means算法运行过程中，用户要提前提供出聚类数目K，通常情况下，需要针对相关数据的分析结果及经验，确定一个比较合适的k值，如果先验经验缺失，可以交叉验证的方式确定k值。

待k值个数确定之后，应当选择k个初始化质心。考虑到本研究中用到的是启发式的方法，因此运行时间及最后的聚类结果将会受到相关数量初始化质心具体位置的影响。因此，要对质心数量k的合理性进行评估，并且确保相关质心不能过近。

以传统的K-Means算法流程来看：

首先输入样本集D={x1，x2，...，xm}D={x1，x2，...，xm}，其中最大迭代次数为N，聚类的簇树为k，再输出簇划分C={C1，C2，...，Ck}C={C1，C2，...，Ck}

1）在数据集D当中，随机选择k个样本，并以其作为初始的k个质心向量：{μ1，μ2，...，μk}

2）对于n=1，2，...，N

a）将簇划分C初始化为Ct=φt=1，2，...，k

b）针对i=1，2，...，m，计算样本xi与各个质心向量μj（j=1，2，...，k）的距离：dij=∥xi?μj∥2/2;将xi标记最小的为dij所对应的类别λi，此时更新Cλi=Cλi∪{xi}

c）针对j=1，2，...，m，对Cj当中全部样本点，重新计算新質心μj=1/∣cj∣∑x∈cj

d）在研究当中，若发现所有k个质心向量都保持不变，则可以进行下一计算环节。

3）输出簇划分C={C1，C2，...，Ck}C={C1，C2，...，Ck}

3.3 优化后的elkan K- Means与Mini Batch K-Means算法

在以往的K-Means算法当中，在每个环节迭代时，需要对所有样本点到质心间的距离进行计算，往往会花费较多的时间和精力。为此，专业人士致力于寻求更简便的计算方法，而elkan K-Means算法则是实践证明比较好用的方法之一，有助于减少冗余的距离计算流程。

具体来讲，elkan K-Means在减少距离计算方面，冲利用了以下两点三角形性质：其一，两边之和大于等于第三边;其二，两边之差小于第三边。该性质的应用，可以有效减少距离的计算流程，达到简化计算的目的。其主要规律及原理如下。

规律一，主要是针对一个样本点x以及两个质心μj1，μj2。在计算研究之前，可以先计算出两个质心的距离：D（j1，j2），在计算期间若发现2D（x，j1）≤D（j1，j2），便可以分析出以下结论：D（x，j1）≤D（x，j2）。为此，无须再对 D（x，j2）进行计算，减少了计算步骤。

规律二，主要是针对一个样本点x以及两个质心μj1，μj2。通过计算可与得出D（x，j2）≥max{0，D（x，j1）?D（j1，j2）}，而该规律是从三角形任意一边大于等于其他两边之差这一性质中得出的。

根据以上两个重要规律，通过优化后的elkan K-Means迭代速度显然有明显提升。

显然，传统K-Means算法在应用过程当中，计划计算所有的样本点到质心的距离时如果发现样本量过大，尤其是达到10万级以上时，显然传统的K-Means算法费时费力，同时elkan K-Means优化之后也无法保证效率。而在如今大数据时代当中，出现这种情况的概率更大，所以Mini Batch K-Means的应用十分有必要。

Mini Batch K-Means研究并应用了Mini Batch（分批处理）法，来计算数据点之间的距离。Mini Batch的突出优势在于计算过程中不必调用全部的数据样本，可以根据实际情况和需求，从多种样本中抽取一部分，以此作为类型代表，开展进行计算。这样一来，得益于较少的计算样本量，可以有效减少系统运行压力，但是该方法的缺陷在于会降低准确度。

返回x与离得最近的中心的欧式距离，可以运用梯度下降法收敛到局部最优值，同时为了提升计算准确度，通常可以多运行几次Mini Batch K-Means算法，以此来通过多次随机采样得到多种聚类簇，再对其进行研究分析，确定最佳聚类簇。

在实训云平台评测过程中，采用K-means算法主要是应用其聚类分析特征，先确定好初始中心，然后把学生评测数据和初始数据实行核对，通过这种核对来分析教师行为，分析这些行为是否可以提高学生满意度。

4结束语

校企合作的学生实训云平台开发与设计，是依托于云计算技术的一种新型职业教育模式。在实训系统的设计中，需要综合院系管理模块设计、学生实训模块设计、企业信息管理设计、信息云公告模块设计等，以便使实训系统满足职业教育的需要。由于实训云平台的功能复杂，为了更好地实现各种功能，需要对服务器以及数据库的性能进行有效实现，以使实训云平台成为校企合作的职业教育媒介。

参考文献：

[1] 郑阔，李长青，薄志毅，等.结合物联网与云技术的测绘实训管理平台设计与实现[J].测绘通报，2019（1）：132-137.

[2] 王东云.“互联网+”在职业教育教学、实训、管理、服务方面应用的调查研究——以天津市信息工程学校为例[J].天津职业院校联合学报，2018，20（12）：89-94.

[3] 郑义海，冯泽，余思东，等.室内设计信息化过程中虚拟仿真教学实训管理网络软件难点解析[J].文化创新比较研究，2018，2（28）：84-85.

[4] 冀钢.基于Strust2+Hibernate+Spring框架的生产性实训平台的开发与应用[J].科技视界，2017（15）：92-95.

[5] 何理瑞，王建军，桑迎平.基于生命周期的应用型本科院校实训管理平台建设[J].浙江水利水电学院学报，2016，28（5）：88-90.

【通联编辑：光文玲】