一种绿色云服务提供中的最小能耗计算方法技术

为了克服移动终端的资源瓶颈问题，本发明专利技术提供了一种绿色云服务提供中的最小能耗计算方法，包括以下步骤：A.构建关键词词库L的过程；B.词频分类过程；C.对移动用户进行移动微学习而发送的新的用户请求进行资源部署；D.对于新的用户请求，构建最小能耗函数。本发明专利技术采用动态TF‑IDF进行文本分类，将高正确率的资源放置在本地云，将低正确率的资源放置在公共云上，构建两层云架构模型，完成移动微学习资源的部署，并立足于网络环境和设备状态实时变化的特性，利用灰狼优化算法，预估当前环境状态下，系统处理每字节的能耗，最后，通过分析用户请求与两层云架构服务提供之间的关系，构建绿色、高效的总能耗函数。

The calculation method of minimum energy consumption of a green cloud service provided in the

In order to overcome the bottleneck problems of the mobile terminal, the invention provides a green cloud service method to calculate the minimum energy consumption in the process of A., which comprises the following steps: constructing L keyword thesaurus; classification process of B. C. on the frequency; the user micro mobile learning and send the new user request resource deployment for mobile D.; the new user request, construction of minimum energy function. The invention adopts dynamic TF IDF text classification, the accuracy of resources placed in the local cloud, the low accuracy of the resources placed on the public cloud, build two cloud structure model, mobile micro learning resources deployment, and based on the characteristics of the network environment and equipment condition in real time changes, using the gray wolf optimization algorithm, prediction of current environmental conditions, energy consumption, processing per byte at last, by analyzing the relationship between user requests and services provided by the two cloud structure, construction of the total energy consumption of green and efficient function.

【技术实现步骤摘要】
一种绿色云服务提供中的最小能耗计算方法
本专利技术涉及移动微学习领域，具体涉及一种绿色云服务提供中的最小能耗计算方法。
技术介绍
绿色云服务是指在服务提供的过程中，综合考虑能量和性能因素，在满足用户性能的前提下，寻求能耗代价最小的方案。本文立足于本地云和公共云协同服务提供过程，研究服务提供过程中的最小能耗问题。移动微学习是随着云计算、移动互联网的不断发展与融合而产生的一种新型学习模式，可被定义为一种通过移动网络以按需、易扩展的方式从云端获得所需的学习资源或(信息)服务，并借助移动终端设备呈现学习内容的学习模式。移动微学习的核心目标是保证学习者不受时间和空间的限制方便快捷地访问/获取云服务平台所提供的各种在线学习资源。移动微学习的提供与完成需要能量、存储和计算资源之间的持续性支持，但移动终端的移动性很大程度上限制了其尺寸和重量，导致它的处理能力、内存容量、网络连接和电池容量等方面的问题日益突出。现有对移动微学习的研究主要集中在移动微学习学习者的学习风格和偏好的挖掘，移动微学习学习轨迹的挖掘，移动微学习学习资源的组织和管理，移动微学习学习平台的搭建，移动微学习学习框架的研究等，但针对移动微学习服务提供过程中能耗问题的研究屈指可数。所以，如何在当前移动微学习资源多样化，移动终端用户需求呈动态性、个性化、爆炸式增长趋势的背景下，立足移动终端的固有缺陷(资源局限)，向合法用户提供低耗、连续的服务，对于促进移动微学习的推广和发展显得尤为重要。
技术实现思路
为了克服移动终端的资源瓶颈问题，本专利技术提供了一种绿色云服务提供中的最小能耗计算方法，保证移动微学习服务提供过程中的最小能耗。所述的一种绿色云服务提供中的最小能耗计算方法，其技术方案是：包括以下步骤：A.构建关键词词库L的过程：A101.收集移动微学习中的历史资源，组成样本集合；A102.将A101步骤中的样本集合分为训练集和测试集，其中训练集为测试集为在U和V中，u1，u2，...，uφ和v1，v2，...，vφ为字节数较多的大样本类，和为字节数较少的小样本类；A103.利用类别均化方法对A102步骤中的训练集U中的小样本类进行重组，形成与大样本字节数量相对均匀的新的训练集U′＝{u1，u2，...，uφ，u′φ+1，u′φ+2}，其中u′φ+1＝{uφ+1，uφ+2}，A104.利用ICTCLAS2013分词系统对A103步骤获得的训练集U′进行分词处理，得到训练集分词结果；A105.利用现有技术中的停用词表，对A104步骤中的训练集分词结果进行去噪处理，得到训练集低噪分词结果；A106.将步骤A105中得到的训练集低噪分词结果与ICTCLAS2013分词系统中的各个类别进行对比，统计训练集低噪分词结果中的每个词在ICTCLAS2013分词系统各个类别中出现的频率，得到训练集频率统计；A107.统计A106步骤中的训练集频率出现频次最高的个词称为训练集关键词；A108.重复A103步骤～A107步骤，直至训练集U′的样本全部处理完成，得到训练集U′的样本的全部关键词，得到关键词词库L；B.词频分类过程：B101.利用ICTCLAS2013分词系统对A102步骤的测试集V进行分词处理，得到测试集分词结果；B102.利用现有技术中的停用词表，对B101步骤中的分词结果进行去噪处理，得到测试集低噪分词结果；B103.将测试集低噪分词结果与ICTCLAS2013分词系统中的各个类别进行对比，统计测试集低噪分词结果中的每个词在ICTCLAS2013分词系统各个类别中出现的频率，得到测试集频率统计；B104.将B103步骤中的测试集频率统计，将出现频次最高的个词称为测试集关键词；B105.将B104步骤得到的测试集关键词与A108步骤得到的关键词词库L进行匹对，对于匹对成功的关键词，将该测试集关键词在对应的ICTCLAS2013分词系统的类别中出现的频率加1，得到匹对后的频率统计；B106.采用动态TF-IDF方法，根据公式得到B105步骤中的匹对后的频率统计中的各个关键词分别相对于全部关键词的权重d-tf-idfi：v；其中，wi是关键词；vj是ICTCLAS2013分词系统的类别中的某一个文件；ni，j是关键词wi在文件vj中出现的次数，∑knk，j是文件vj中所有关键词出现的次数之和，|V|是语料库中文件总数，|{j：wi∈vj}|是包含关键词wi的文件数目，ε和θ是用于缓和样本大小对分类正确率的影响所引进的缓和系数；B107.令ε＝θ，在[0，10]区间内调节ε和θ，并以0.2的步长对分类正确率进行测试；B108.重复执行B107步骤，直到ε＞10且θ＞10成立；B109.重复B101～B108步骤，直至测试集V中样本处理完成；B1010.根据公式得到测试集V相对于ICTCLAS2013分词系统中的各个类别的分类正确率Wj；其中，是ICTCLAS2013分词系统中的某个类别中关键词的个数；B1011.根据公式得到测试集V中所有样本的平均分类正确率，并利用B107步骤得到分类正确率最高时ε和θ的值以及最高分类正确率C.对移动用户进行移动微学习而发送的新的用户请求，采用以下处理步骤：C101.将云平台划分为本地云平台和公共云平台；C102.针对任意的用户请求，利用ICTCLAS2013提取关键词；C103.将C102步骤中得到的关键词与A步骤得到的关键词词库L进行匹配，得到匹配正确率C104.若则将该资源部署在本地云平台上，反之，则将该资源部署在公共云平台上；D.对于新的用户请求，构建最小能耗函数：D1.利用灰狼寻优算法，得到最优能耗值：D101.设定云平台随机产生Q个单字节的请求，且云平台将该请求按照灰狼的层次结构分为α、β、δ和ω，并设置最大迭代次数T；随机初始化t时，云平台提供服务的能耗为Et，用户能够忍受服务的最大能耗为Emax，云平台完成请求的最优能耗Eq；如果当前执行次数t＜T，继续灰狼寻优过程；否则，结束本次优化过程，开始下一次迭代；以Et＞Emax作为本次迭代结束的条件，如果成立，结束本次迭代过程，开始下一次迭代；D102根据公式：Dt＝|C*Et-Eq|；A＝2*a*r1-a；C＝2*r2和Et＝Eq-A*Dt得到下一个时刻t云平台完成请求所需要的能耗，直到t＝T；其中，其中a是从2到0的线性下降过程，r1是0到1之间的随机数，r2为0到1的随机数；其中，A为灰狼算法中的用于随机发散或收缩的第一指引系数；C为灰狼算法中的用于随机发散或收缩的第二指引系数；D103.根据公式计算D102步骤中得到的所有能耗Et的平均值，Pt是提供本次请求服务的理想最小能耗值Eq的接近值；D2.构建总能耗函数：D201.利用公式得到B步骤的能量消耗Rloc；其中，Sdoc表示A101步骤中的用户历史资源总的字节数；Sk表示对Sdoc进行C102步骤所得到的关键词的总字节数；Stask表示当前系统待处理的字节数；Tloc表示完成A101步骤中的历史资源的分类所花费的时间；N表示系统中的任务分配给了N个处理机进行处理；D202.如果该用户请求能够在本地云平台找到，则提供服务的过程中消耗的时间为：其中，Scdoc表示在当前用户请求的字节数；Sck表示对Scdoc通过C1本文档来自技高网...

【技术保护点】
一种绿色云服务提供中的最小能耗计算方法，其特征是：包括以下步骤：A.构建关键词词库L的过程：A101.收集移动微学习中的历史资源，组成样本集合；A102.将A101步骤中的样本集合分为训练集和测试集，其中训练集为

【技术特征摘要】
1.一种绿色云服务提供中的最小能耗计算方法，其特征是：包括以下步骤：A.构建关键词词库L的过程：A101.收集移动微学习中的历史资源，组成样本集合；A102.将A101步骤中的样本集合分为训练集和测试集，其中训练集为测试集为在U和V中，u1，u2，...，uφ和v1，v2，...，vφ为字节数较多的大样本类，和为字节数较少的小样本类；A103.利用类别均化方法对A102步骤中的训练集U中的小样本类进行重组，形成与大样本字节数量相对均匀的新的训练集U′＝{u1，u2，...，uφ，u′φ+1，u′φ+2}，其中u′φ+1＝{uφ+1，uφ+2}，A104.利用ICTCLAS2013分词系统对A103步骤获得的训练集U′进行分词处理，得到训练集分词结果；A105.利用现有技术中的停用词表，对A104步骤中的训练集分词结果进行去噪处理，得到训练集低噪分词结果；A106.将步骤A105中得到的训练集低噪分词结果与ICTCLAS2013分词系统中的各个类别进行对比，统计训练集低噪分词结果中的每个词在ICTCLAS2013分词系统各个类别中出现的频率，得到训练集频率统计；A107.统计A106步骤中的训练集频率出现频次最高的个词称为训练集关键词；A108.重复A103步骤～A107步骤，直至训练集U′的样本全部处理完成，得到训练集U′的样本的全部关键词，得到关键词词库L；B.词频分类过程：B101.利用ICTCLAS2013分词系统对A102步骤的测试集V进行分词处理，得到测试集分词结果；B102.利用现有技术中的停用词表，对B101步骤中的分词结果进行去噪处理，得到测试集低噪分词结果；B103.将测试集低噪分词结果与ICTCLAS2013分词系统中的各个类别进行对比，统计测试集低噪分词结果中的每个词在ICTCLAS2013分词系统各个类别中出现的频率，得到测试集频率统计；B104.将B103步骤中的测试集频率统计，将出现频次最高的个词称为测试集关键词；B105.将B104步骤得到的测试集关键词与A108步骤得到的关键词词库L进行匹对，对于匹对成功的关键词，将该测试集关键词在对应的ICTCLAS2013分词系统的类别中出现的频率加1，得到匹对后的频率统计；B106.采用动态TF-IDF方法，根据公式得到B105步骤中的匹对后的频率统计中的各个关键词分别相对于全部关键词的权重d-tf-idfi，v；其中，wi是关键词；vj是ICTCLAS2013分词系统的类别中的某一个文件；ni，j是关键词wi在文件vj中出现的次数，∑knk，j是文件vj中所有关键词出现的次数之和，|V|是语料库中文件总数，|{j：wi∈vj}|是包含关键词wi的文件数目，ε和θ是用于缓和样本大小对分类正确率的影响所引进的缓和系数；B107.令ε＝θ，在[0，10]区间内调节ε和θ，并以0.2的步长对分类正确率进行测试；B108.重复执行B107步骤，直到ε＞10且θ＞10成立；B109.重复B101～B108步骤，直至测试集V中样本处理完成；B1010.根据公式得到测试集V相对于ICTCLAS2013分词系统中的各个类别的分类正确率Wj；其中，是ICTCLAS2013分词系统中的某个类别中关键词的个数；B1011.根据公式得到测试集V中所有样本的平均分类正确率，并利用B107步骤得到分类正确率最高时ε和θ的值以及最高分类正确率C.对移动用户进行移动微学习而发送的新的用户请求，采用以下处理步骤：C101.将云平台划分为本地云平台和公共云平台；C102.针对任意的用户请求，利用ICTCLAS2013提取关键词；C103.将C10...

【专利技术属性】
技术研发人员：郑瑞娟，张明川，吴庆涛，朱军龙，张茉莉，白秀玲，魏汪洋，杨丽，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：河南,41