基于知识库的多媒体视频信息云存储方法

陆汝梅

（安徽工业职业技术学院 信息工程系，安徽 铜陵 244000）

对大数据库进行存储空间优化设计和特征压缩设计，能够提高多媒体视频信息的云存储能力，因此受到研究者的极大关注［1］。

过往研究者提出的方法主要有基于网格区域特征匹配的多媒体视频信息云存储设计方法、BP神经网络模型的多媒体视频信息云存储结构设计方法以及支持向量机学习算法等［2-4］。这些方法通过建立多媒体视频信息云存储空间结构特征分析模型，采用网格分块匹配，实现多媒体视频信息云存储设计。但传统方法对多媒体视频信息云存储设计的自相关特征匹配能力不佳，存储开销较大。

针对上述问题，本文提出基于知识库的多媒体视频信息云存储方法。首先，构建多媒体视频信息的大数据挖掘模型，采用知识库本体特征构建的方法实现对多媒体视频信息的融合挖掘和信息聚类；然后，采用分块特征匹配的方法，建立多媒体视频信息的云存储分布式融合模型，实现对多媒体视频信息的云存储结构优化设计；最后，进行仿真测试分析，展示本文方法在提高多媒体视频信息云存储能力方面的优越性能。

1 多媒体视频信息采集和特征提取

1.1 信息采集

构建多媒体视频信息的大数据挖掘模型，采用知识库本体特征构建的方法实现对多媒体视频信息的融合挖掘和信息聚类。

结合知识库构建方法和日志文件分析方法，在Hadoop 云平台中，建立多媒体视频信息的日志文件和事务性数据云存储结构模型［5］，如图1所示。

图1 多媒体视频信息云存储结构模型

在图1中，采用模糊信息融合方法，进行多媒体视频信息结构融合特征分析［6］。将多媒体视频信息云存储的结构优化问题转化为信息融合优化问题：

首先，采用模糊聚类分析方法提取模糊信息参数集［7］，得到多媒体视频信息融合的最优寻优参数Q；然后，利用不同项目之间的关系分析多媒体视频信息云存储的差异度函数，得到结构空间分布函数；最后，利用空间分布函数，获得动态分布集的最优解。

在多媒体视频信息云存储的特征空间中，参数寻优问题可以表示为

由此构建大数据挖掘模型，根据数据存储结构优化和特征匹配结果，实现信息存储优化聚类分析［8］。

1.2 特征提取

结合模糊C 均值聚类分析方法建立多媒体视频信息的属性归并模型，在语义本体的知识库模型中实现对多媒体视频信息的云存储空间优化控制［9］，得到多媒体视频信息云存储的稳定条件。

采用回归分析和线性规划的方法解决知识本体库分布特征解S(a)优化问题［10］。对知识库模型进行构造，得到归一化的特征提取模型为

式中，σ2为多媒体信息归一化方差。

结合局部信息拟合方法与模糊度特征优化匹配方法，实现多媒体视频信息状态融合相似度特征解析控制，提高云存储容量。

2 多媒体视频信息云存储优化设计

2.1 知识库构造

在采用局部信息拟合方法，实现多媒体视频信息状态融合相似度特征解析控制的基础上，得到信息融合的语义知识库本体结构特征分解学习函数为

式中，α为多媒体视频信息融合相似度。

在聚类数据集中，计算多媒体视频信息状态分解的学习因子为ω，对数据集进行网格化聚类分析，得到网格聚类函数为

式中，b(k)为多媒体视频信息数据集；μ为数据对象映射到网格的最优聚类约束条件。

基于残差和密度网格簇心分布式挖掘方法［11］，构建多媒体视频信息云存储结构函数：

根据多媒体视频信息的知识库构造结果，采用语义本体融合的方法求得最优值，从而求得非边缘数据对象的残差分量，再根据模糊参数约束分析，实现对多媒体视频信息的云存储设计。

2.2 云存储优化配置

采用分块特征匹配的方法，建立多媒体视频信息的云存储分布式融合模型，所得的云存储优化问题可描述为

式中，f(x)=f1(x),f2(x),…,fm(x)为云存储分布式融合模型。

采用随机博弈和网格分区块调度的方法，建立云存储结构优化的对象函数，可描述为

式中，c(t)为网格分区调度函数。

通过人工设定阈值，得到每个云存储簇心网格设定存储容量z，在网格对象集的聚类中心，采用模糊C均值聚类方法，实现对多媒体视频信息的压缩处理，特征压缩表达式为

构建多媒体视频信息存储空间压缩的子空间模型，将存储空间里边界网格对象中的容量最大值作为特征压缩的阈值，所得存储空间优化配置函数为

式中，ξi为云存储分布设计的约束指标参量集。

根据上述分析，建立云存储分布式融合模型，实现对云存储结构的优化设计［12］，优化的存储结构配置模型如图2所示。

图2 多媒体视频信息优化的存储结构配置模型

3 仿真测试分析

为了验证本文方法在实现多媒体视频信息的云存储设计优化的应用性能，进行试验测试分析。设定云存储的配置节点数为60，网格空间分布节点数为25，对多媒体视频信息采样的时间长度为1 024，测试序列的样本长度为20，自适应学习的模糊迭代次数为50，模糊调制宽度B=0.35 kHz。根据上述设定的参数，进行云存储设计，得到云存储网格分布，如图3所示。在图3 所示的云存储网格分布区域中，实现多媒体视频信息的特征压缩和存储结构的优化设计，所得到优化的存储结构模型如图4所示。

图3 多媒体视频信息的云存储网格分布

图4 优化的多媒体视频信息存储结构模型

分析图4 可知，采用本文方法实现多媒体视频信息存储设计，降低了存储空间，聚类性较好。

测试优化存储后的多媒体视频信息的访问延迟率，所得对比结果如图5所示。

图5 多媒体视频信息的访问延迟率

分析图5 可知，采用本文方法实现多媒体视频信息的云存储设计，访问延迟率均在0.7%以下，提高了存储性能。

4 结语

为了提高多媒体视频信息云存储能力，本文提出了基于知识库的多媒体视频信息云存储方法。建立多媒体视频信息的日志文件和事务性数据库处理模型；采用模糊信息融合方法，提取多媒体视频信息结构融合特征；采用随机博弈和网格分区块调度的方法，建立云存储结构优化的对象函数，实现云存储优化设计。由实验结果可知，本文方法能降低云存储模型设计开销，提高数据的聚类存储能力，从而提高数据的访问能力。