试论基于分布式数据仓库的远程教学系统模型研究论文

试论基于分布式数据仓库的远程教学系统模型研究论文（通用4篇）

试论基于分布式数据仓库的远程教学系统模型研究论文 篇1

摘要：分析了基于结构化覆盖网的分布式查询处理模型，支持大量数据流的分布式存储，连续查询间、查询内的并行处理操作，能够在很大程度上消除资源约束问题(主要是内存)，提高了查询性能、服务质量，并且该查询模型具有很好的扩展性。

关键词：分布式数据流管理系统; 结构化覆盖网; 分布式散列表; 滑动窗口

近年来，数据流查询处理是数据库研究领域的一个热点方向。数据流的特征可概括为无限性、瞬时性、流速不定性、语义不定性(数据模式随时可能改变)等。针对数据流的以上特征，不考虑将数据流存储在传统的关系数据库中，数据流上的查询是近似查询、连续查询(continuous query)。 目前，数据流管理系统中所采用的近似查询的方法主要有以下几种：随机抽样(random sampling)、数据写生(sketching)、直方图(histograms)、小波变换(wavelets)、窗口(windows)等。如何保证查询的服务质量成为上述各种近似查询方法必须考虑的问题。数据流上的查询处理给人们提出了一个很大的难题——对处理器、内存等系统资源非常苛刻的需求。到目前已经出现了许多数据流的原型系统：单节点(单CPU)上的数据流管理系统，如Stanford 大学的Stream[1] 系统、布朗大学的Aurora[2,3] 系统等;有分布式数据流处理系统，如MIT的Medusa[4,5] 项目，Brandeis、Brown、MIT 的合作项目Borealis[6,7]等。这些项目在数据流处理的查询语言、近似查询算法、保证服务质量的策略，以及系统的负载均衡等方面做了大量的工作，但同时也揭示出在分布式数据流处理系统中更多值得研究的问题。本文将对基于structured overlay network的分布式数据流系统的近似、自适应查询处理进行研究，给出查询处理模型。

集中式数据流查询处理及分布式散列表、Chord路由协议的相关说明

数据流查询处理相关的概念定义以及假设说明

集中式数据流查询处理的体系结构由两部分构成，即查询计划生成子系统(FRONT-end)以及查询执行子系统(BACK)。其中两部分与关系数据库系统相比均有较大的区别。查询执行子系统如图1所示。

通过这种散列，将系统当前的所有查询映射到节点空间，然后由该节点上的查询处理器完成到达的查询。

b)查询内并行处理方式。在系统的范围内，由操作符、输入均输出记录队列、维持操作符状态的大纲信息构成网状结构。

c)命名发现机制。参与查询处理的节点有全局惟一命名participant(如IP地址等)。当在一个节点上面定义一个新的流模式、数据流、操作符，这些实体均隶属于其命名空间。该实体可以采用下面的命名方式：(participant，entity-name) 。为了了解系统中数据流模式的定义、系统中的数据流、数据流的到达(存放)位置、系统中哪一部分查询执行，就要考虑在?catalog中存放必要的数据。其中catalog信息是通过在DHT下分布式存储的，前面已经分析了catalog信息的存储问题。

系统中对每一个数据流、每一个查询、查询中的算子、算子大纲、节点间输出队列均有惟一的命名。查询处理器位于DHT之上。同查询相关的数据粒度限定为数据流、输入数据源(记录集)、节点间传输数据队列、算子大纲，而不是针对单个记录而言。对于这些粒度的数据可以通过在DHT中通过put(namespace，object)、get(namespace)、multicast(namespace)消息得到。

试论基于分布式数据仓库的远程教学系统模型研究论文 篇2

多式联运系统[1]的成败很大程度上取决于物流决策是否正确,因此要实现整个物流系统协调运作以及多式联运的信息化,必须建立高效的多式联运决策支持系统。传统的物流决策支持系统[2]没有统一、优质、高效的数据作为决策分析的基础,使用常规数据库技术远远满足不了海量和多源的多式联运空间数据融合、集成、交互和信息提取的要求,而且查询时间很长。为此作者提出了一种基于分布式缓存机制与数据仓库的多式联运物流决策支持系统的体系结构。

2 系统体系结构

基于分布式缓存机制与数据仓库的多式联运物流决策支持系统结构如图1所示。它包含3个层次:基础层由多数据源组成,包括仓储、海关、生产企业、配送中心、物流企业、合作伙伴等信息,是多式联运决策支持的数据源;处理层由模型库、数据仓库与分布式缓存机制组成,主要是通过数据仓库集成多式联运企业信息孤岛的数据,然后从数据仓库中提取综合数据和信息,这些数据和信息反映了大量数据的内在本质;应用层包括分析处理、专家系统和数据挖掘等,数据挖掘使用分布式缓存机制从数据仓库中挖掘知识,并将其放入知识库,由进行知识推理的专家系统进行定性与定量相结合的分析来完成辅助决策。

3 系统各功能模块分析

3.1 模型库

多式联运物流决策系统模型库[4]主要包含预测模型、统计模型、仿真模型、网络模型、运输模型、库存模型、仓库模型以及多式联运综合物流模型,如图2所示。多式联运物流模型库为物流决策提供依据,主要解决路径选择、方式选择、库存选择、流程选择、统计分析等问题,在确认和评价物流行为时起重要作用,达成复杂的管理目标,成功地联结相关的物流活动与整合整个多式联运物流系统。物流模型在该物流决策系统中起着至关重要的作用。

3.2 数据仓库

数据仓库是多式联运决策支持系统的核心,是整个系统信息挖掘的基础。数据仓库分析以多维数据的分析工具、数据挖掘工具为代表,使数据仓库发挥支持决策分析作用。

多式联运数据仓库中按主题集成的数据为多式联运决策支持系统提供了有效的数据平台,而且为访问和综合数据提供了集成基础,增强了决策分析的速度。多式联运数据仓库多维数据组织方式采用星型雪花模式(图3),表示出基于事实表和维表的多式联运货运多维模型,包括多式联运货运事实表和6个维表:时间维、货物维、经营人维、联运信息维、收货人维、发货人维。其中时间、货物、经营人、联运信息维度采用星型架构;收货人、发货人维度采用雪花架构。

3.3 分布式缓存机制

具有分布式缓存机制的DSS结构分为3层:数据仓库层,OLAP缓存服务器层(即数据缓存放在OLAP服务器上)和客户端(图4)。其中的每个Cache代表一个OLAP缓存服务器,称为一个节点,其中Cache1、Cache2、Cache3称为本地OLAP缓存服务器,Cache4、Cache5称为远程OLAP缓存服务器。缓存服务器的增多,降低了缓存的负载;缓存服务器间可以相互通信,提高了资源的利用率。在实际情况下,也有可能会有多个数据仓库,那么在这种结构下,只需扩充数据仓库层。

3.3.1 工作流程

当client1发送一个query查询请求时,通过Cache和DW中存储的视图得到结果,工作流程包括用户请求、缓存检测、协同工作、服务响应。工作流程如下:

(1)把query按照文献[3]中提出的split算法分解成若干个相同粒度的子查询Qi,设Qall为子查询的集合。

(2)Client 1首先检查本地缓存Cache1,设Qlocal为能在本地缓存中回答的子查询的集合,Qmiss为本地缓存中不能回答的子查询的集合。

(3)Cache1向所有的下一级邻居节点发送查询请求,如果邻居Cachei可以回答某个子查询或其集合,那么这个邻居Cachei即给出答案,而不再向它的邻居发送请求;如果不能,则继续向它的邻居发送请求,直到算法所要求的递进层数。

(4)Cache1在指定的一段时间内接受邻居的响应,直到不会再有响应。设Qcache为可以在邻居缓存中回答的子查询的集合。

(5)如果在邻居Cachei的缓存中的视图虽然可以回答子查询,但这些视图已标有移除的标志或者其中的数据已不是最新,那么Cachei同时要把这种子查询的集合返回Cache1中,这些被移除的视图记作Qevicted。

(6)设QDW为未回答的子查询的集合:QDW=Qmiss-(Qcache-Qevicted)。Cache1要通过访问数据仓库得到答案。

(7)Cache1合成这些子查询的答案,返回用户。同时Qall被送到缓存控制模块,执行缓存替换算法。

3.3.2 缓存替换算法

Cache中缓存的视图对查询的响应时间起着重要的作用,本文缓存替换算法的思想:系统先检查缓存中是否已存在相应视图。如果不存在,检查在缓存中是否有足够的空间去存储新的视图。如果没有足够的空间,要移去内容中权重小的内容,用新的查询结果去代替它们。具体算法伪码如下:

3.4 多式联运联机分析处理(MTOLAP)、数据挖掘与专家系统

针对特定的多式联运物流问题,MTOLAP能够对不同数据集合从不同角度切割后进行分析。MTOLAP采用切片、切块、钻取、旋转等基本动作分析处理多维数据[5]。通过与模型库中的模型、方法有效地结合,将会极大地提高MTOLAP的分析能力。

MTOLAP侧重于与用户的交互、快速响应及提供数据的多维视图,而数据挖掘则注重自动发现隐藏在数据中的模式和有用信息,从数据仓库中挖掘知识,并将其放入知识库,其分析结果可以为数据挖掘提供分析信息作为挖掘的依据,数据挖掘可以拓展分析的深度,可以发现MTOLAP不能发现的更为复杂细致的物流决策信息。我们采取了3.3节中的分布式缓存机制与算法来提高响应速度,减少挖掘时间。

专家系统以知识推理形式解决定性问题,充分做到定性分析与定量分析的有机结合,使得解决多式联运实际问题的能力有较大提高,能解决的实际范围扩大很多,明显体现出整个多式联运物流决策支持系统智能的特性。由于模型仅仅是在某种假定下对多式联运实物流问题进行抽象描述,使得模型与实际问题产生“实用性的差距”。而知识库是为物流决策者提供解决动态和复杂物流问题的智能工具,有解释、学习、精炼解决问题的方法的特性,可提高决策支持系统的灵活性和交互性。集中管理决策问题领域的知识(规则和事实),包括知识的获取、表达、管理等[5],通过对模型库和知识库连接,消除了差距的存在有机地结合了定性与定量的决策支持,使多式联运物流管理者能应付不断变化的物流环境。

4 多式联运决策支持系统的实现

我们将多式联运货运站数据集市作为联机分析的对象,首先利用MS SQL2000建立多维数据集,通过ODBC数据元管理器为创建多维数据集建立相应的数据源,并在Microsoft analysis设置其与所建数据源间的连接。然后利用多维数据集向导创建多维数据集,采用星型模式。其中事实表为多式联运货运事实表和4个维表:时间维表、货物维表、经营人维表、联运信息维表。

利用建立的多维数据集进行OLAP分析,从不同维度、不同级别层次上对数据作相应的切片分析,表1描述了2005年与2006年前3个月的物流公司配送量。通过对数据的挖掘进行各种统计和分析,利用货主、货物、时间分布图分析货主的货运需求周期;通过分析公司配送量比例(图5),可以确定重点合作联运企业,从而针对制定相应的合作决策方案。

5 结论与展望

本文提出的多式联运物流决策支持系统结构集成了分布式缓存机制、模型库、数据仓库、数据挖掘等信息技术,强化了系统的智能性,通过数据仓库集成相互分离、甚至全异的系统数据,可提供更可靠的决策信息。当然提出的基于分布式缓存机制与数据仓库的多式联运物流决策支持系统的体系结构只是对此类系统的一种探索,在实践中还需要更多的理论支持和实践经验。

参考文献

[1]杨志刚.国际集装箱多式联运实务与法规[M].北京:人民交通出版社,2001.

[2]王志海.数据仓库(第二版)[M].北京:机械工业出版社,2000.

[3]Junho S,Peter S,Radek V.Dynamic Caching of Query Results for Decision Support Systems.In:Proc.of the11th International Conference on Scientific and Statistical Database Management,IEEE Computer Society:1999-07:254-263.

[4]Min hokey,EOM B Seam.an integrated decision support system for global logistics[j],international journal of physical distribution&logistics management,1994,24,(1):29-39.

试论基于分布式数据仓库的远程教学系统模型研究论文 篇3

随着云计算、移动互联网以及物联网等新技术的不断成熟，信息技术在教育教学过程中发挥着越来越重要的作用。根据《教育信息化十年发展规划（2011—2020年）》[1]的文件精神，各工科院校的计算机专业纷纷利用最新的信息技术，建立以学生自主学习为主，教师辅助学习的教学模式，通过使用启发式、讨论式、探究式等教学手段，开展发展性评价体系，从而提高教学质量的方式方法。翻转课堂的教学模式恰到好处的将信息技术与传统授课融合成一体，实现了发展规划的要求。

网络数据库系统是一门面向实际应用的课程，它具有很强的理论性和技术实践性。将“翻转课堂”的教学模式应用到传统的网络数据库系统教学过程中，不仅可以提高教学效率，而且还可以提高学生的自学能力。通过这种教学方式，学生可在授课前自主学习相关理论，在课中教师的指导下研讨并实现真实的网络数据库开发项目，这将大幅度提高他们的技能水平和创新能力，从而无缝的实现工科院校培养适合社会需求的网络数据库方向人才的目标。

一 翻转课堂

1 翻转课堂的内涵

翻转课堂（Flipped Classroom）就是教师借助网络平台上传教学视频等学习资源，学生需在课前自行下载并观看该教学资源，通过查找相关资料完成并提交对知识点的理解，在课堂上教师将通过启发式、讨论式和探究式等教学活动，完成与学生的互动交流和协作探究从而强化知识和技能的训练，部分文献[2]又将该教学模式称为“颠倒课堂”。翻转课堂通过将知识，传授与知识内化的颠倒，将知识传授移到课前完成，知识内化则安排在课堂中完成。[3]

翻转课堂具有学生自主学习且为教学主体、教师成为导师、师生互动交流、学生不会因为缺席而导致知识点遗漏、教学资源及知识点永久保留、学生全部参与教学且可获得活动个性化训练等主要特点[4]。

2 翻转课堂的研究现状

翻转课堂最早是由美国“林地公园”高中的化学教师Aaron Sams和Jon Bergmann提出[5]并应用的，随后他们发现该教学模式比传统授课效果要好很多。这种教学模式很快在美国甚至各发达国家的教育界中流行起来，并于2011年被加拿大《环球邮报》杂志评为影响课堂教学的重大技术变革[6]。

目前，我国教育界学者在这种教学模式方面的研究也越来越多。2012年杨刚等人详细阐述了十大“翻转课堂”精彩案例[7];张金磊等人在研究国外教学案例的基础上，提出了翻转课堂常见的几种教学模型[8];曾贞等人讨论了翻转课堂的特征和常见的问题，给出了个别教学成功的典型案例[9];马秀麟等人将翻转课堂应用到大学信息技术公共课的教学过程中，得出该教学模式对知识点的内化和提高学生技能水平确有帮助的结论[10];2014年周霞、金鑫、申华等人[11-13]将翻转课堂应用到各自院校的数据库课程的教学活动中，初步完成了教学案例和架构的设计工作，但他们仍存在翻转课堂进一步应用和教学案例不够细化等具体问题，需要更为细致的研究。总之，从目前的文献表明，我国翻转课堂的研究和应用主要集中在中小学教育，而在工科院校尤其是针对计算机专业具体课程的教育教学活动中应用的成果较少，需要广大教育工作者的研究和教学方法的补充。

二传统网络数据库系统教学的现状

1 教学方式的问题

网络数据库技术是计算机编程人员所具备的一项基本技能。目前，我国各工科院校的计算机专业均普遍开设了网络数据库系统课程[14]。通过走访和问卷调查发现，传统“网络数据库系统”教学主要存在以下几方面的问题。

（1）教学内容不够新颖，缺乏对实际动手能力方面的培养。

（2）教学手段和形式不够生动、过于陈旧，不能激发学生主动参与学习的兴趣。

（3）教学实践和实验学时不够，无法对每个学生进行个性化教育。

（4）现有教学资源的利用不够彻底，新的信息技术没有应用到教学中来。

2 学生学习的特点

由于网络数据库系统是专业基础课程，因此选修这门课程的学生通常为大二学生。通过问卷调查及谈话等方法发现，这一时期的学生在学习网络数据库系统课程时存在如下特点[15]。

（1）计算机专业技能水平差异巨大。大二的学生在计算机专业技能方面有了一定的基础，但在总体上还存在技能水平的巨大差异。少数学生可以熟练使用计算机的办公软件、网络环境甚至进行软件开发;绝大多数学生计算机技能水平只局限于网络操作，不能进行更深一步的软件开发;少数学生由于家庭等经济方面的原因，很少或从未操作过计算机。

（2）技能知识学习兴趣参差不齐。与其他专业的学生相比，计算机专业的学生对计算机技能水平的学习兴趣差异较为明显。有些学生已经意识到了计算机技术尤其是数据库技术对他们的专业、生活和未来的就业所起到的作用。因此，他们具有很浓厚的学习兴趣，能够做到积极主动且举一反三最终达到融会贯通。

三 翻转课堂的网络数据库系统教学模型

1 模型设计

当前，支持翻转课堂的模型众多，笔者根据文献[15]所提供的模型并结合网络数据库系统课程及本专业学生的特点，确定了本门课程改革的教学模型如图1所示。

图1网络数据库系统教学模型

图1将课程的教学活动分为课前、课中和课后三个部分。课前，师生各自具有不同的教学任务，教师主要负责归纳教学资料，重点录制教学视频，通过网络教学平台上传至网络环境中，学生则登录网络教学平台，下载并自学相关的学习资料，总结汇总问题，及时与教师在线交流，消化理解网络数据库技术的相关理论知识;课中，教师辅导学生完成具体网络数据库系统开发案例的创建过程，为每个学生确定具体问题并创建独立探究、交流学习和程序展示的机会，方便学生更加深入的理解和掌握网络数据库开发的相关技术;课后，教师利用网络教学平台完成对学生的评价点拨，学生则及时给出意见反馈，教师进一步督促学生复习，巩固知识点的掌握。

2 网络平台构建

网络数据库系统课程教学改革所采用的网络教学平台结构如图2所示。该结构是一个B/S模式下的三层结构，分别对应着表示层、功能层和数据层。其中功能层是由教师功能界面和学生功能界面组成，是教学平台的核心，也是翻转课堂得以成功实施的技术保障，用于完成师生信息传递的功能;数据层为功能层服务，是存放翻转课堂所用到各类教学资源的所在地，包括学生基本信息、学生学习记录、师生在线交流记录、教学资源视频信息和习题答案等;表示层则是师生登录教学平台的方式，主要是通过WEB浏览器进行登录。

图2网络教学平台结构

3 教学过程设计

从图1可知，网络数据库系统课程实施“翻转课堂”的授课方式，其过程设计主要分成三个方面，分别是课前设计、课中设计和课后设计。

（1）课前设计。课前设计是本课程教学改革实施的前提保障，因此这一阶段要求教师和学生都利用业余时间进行必要的课前预备。教师应提前归纳下次课所需要的教学资料，提供一些视频资料、PPT课件、知识点明细表和必要的参考书等资源，通过网络教学平台上传至网络环境中，并给出必要的自学说明。教师为学生提供的教学资源一般分为两个级别，分别是基础类级别和扩展类级别，以满足不同素质学生的学习要求。在上传的教学资料中，视频资料为核心，要求教师根据每次课的教学目标制定1至3个视频资料，每个视频资料介绍一个网络数据库开发技术的知识点或介绍一个数据库开发案例，并配置一个关键点说明文档，以方便学生自学。笔者使用的视频资料制作软件为“屏幕录制专家”，因为该软件具有免费、制作简单、录制的图像声音清晰等优点。当教学资源上传完毕后，教师利用QQ群向学生发布通知，让他们及时登录网络教学平台下载自学。学生根据视频资料所配置的关键点说明文档，结合教师发布的其它辅助的学习资料进行自学。学生总结学习到的知识点，记录发现的问题，并将这些自学记录及时汇总至小组长。小组长于开课前一天将这些记录反馈给教师，接受教师的考核和分析，以便确定课程讲授中的案例和重点。

（2）课中设计。课中设计是本课程教学改革实施的关键，要求学生和教师密切配合，充分发挥“学生主导、教师辅助”的新型教学思想。因此，该阶段分成以下四个步骤进行，本文假设每次课程进行90分钟。

教师先用15分钟归纳总结本次课程的教学重点和难点，对学生自学情况的考核分进行通报，展示评分细则，布置本次课程的教学案例，给出案例实现的最终目标。

学生自主完成教师布置好的案例任务，预计需要50分钟。期间，学生可向教师提出某些数据库开发的具体问题，由教师指导学生独立完成。

学生展示程序作品，预计需要15分钟。由学生主讲，全面展示其开发的程序作品，介绍关键命令或技术的实现过程，教师和其他学生参与评价和讨论相关技术，确定作品是否可进行优化以及如何优化等问题，从而更进一步让学生理解网络数据库开发技术和其自身所存在的不足，课下加以完善。

教师总结本次课程的开展情况，预计需要10分钟。教师根据课程的开展和学生的表现情况对课程进行全面总结，进一步提升本次课程的授课重点，对优秀学生进行表扬，对怠课学生进行批评，给出本次课程的考核结果和下次课程的时间规划。

（3）课后设计

课后设计阶段是学生在理解和掌握网络数据库开发相关技术后的一个固化过程，也是十分重要的一个环节。因此，该阶段的设计主要分为意见反馈、评价点拨和巩固练习三个方面。

意见反馈。由学生完成对本次课程的意见评价，给出优点和不足以及改进建议，将这些意见通过网络教学平台上传给教师，教师汇总后进行分析，完成对今后课程开展的优化工作。

评价点拨。学生将课中未完成或需优化的程序作品课下完成，上传至网络环境中。教师下载点评，将评价上传给学生，学生在教师的点拨下进一步理解网络数据库开发的相关技术和知识点。

巩固练习。由教师上传本次课程全部知识点的习题，由学生下载练习，进一步加强和巩固所理解的知识点。

四 教学模型实施效果分析

1 实验过程

本课程的教学改革是采用传统班和实验班同步进行的授课方式，其对象是计算机专业大二学生，每班学生人数为30人。在授课前分别对学生进行了问卷调查，其调查结果如表1所示。

表1学生计算机基本素质统计表

表1的内容显示，传统班和实验班的学生在网络数据库系统的相关理论和技能水平方面基本相同，几乎都刚刚接触网络数据库。

在近四个月的教学过程中，笔者对传统班采用“教师授课为主，学生练习为辅”的教学方法，对实验班则采用本文所用的“翻转课堂”教学方法。期末考试成绩、问卷调查和教师自身感受等方面显示，采用“翻转课堂”的授课方式，其学生在掌握理论知识、技能技术及学习兴趣等方面都明显优于传统的授课方式。

2 成绩对比分析

将传统班和实验班的学生期末考试成绩由高至低进行比较，得出成绩对比图如图3所示。经计算，传统班的平均成绩为71.6，实验班的平均成绩为75.23。实验班的平均成绩比传统班的平均成绩高出3.63分。

图3 传统班与实验班成绩对比图

若将传统班与实验班学生期末成绩按分数段人数百分比进行统计对比，则其对比图如图4所示。由图可知，传统班五个分数段人数百分比分别为：0%、36.67%、23.33%、30%、10%;实验班五个分数段人数百分比分别为：10%、33.33%、36.67%、10%、10%。实验班的优秀率高于传统班10%，良好率几乎相当，中等率高于传统班13.34%，而及格率降低20%，实验班的总体成绩明显优于传统班。

图4 成绩分数段人数百分比对比图

成绩对比分析结果显示，基于翻转课堂的授课方式更有利于学生掌握网络数据库系统的理论知识和提高其解决具体问题的技能水平。

3 问卷调查分析

期末考试结束后，笔者分别向传统班和实验班发放了30份问卷调查，其目的是想通过调查了解学生学习本门课程的满意度及意见建议。通过汇总调查表，发现传统班的学生大多数希望采用“翻转课堂”的授课方式，而实验班的学生则几乎完全认可了这种授课方式。实验班的学生普遍认为，采用这种授课方式可以充分调动他们的学习积极性，增加了与教师交流的机会，学到了许多网络数据库开发的实用技术，增强了开发程序的信心，体会到了技术交流的快乐。在调查问卷中，部分学生也对“翻转课堂”的授课方式提出了三点建议。其一是希望教师及时上传教学资料，以便学生能更早的安排业余时间进行自学。其二是希望教师延长学生程序作品的展示时间，增加学生之间的课堂交流，教师多给予学生程序作品正面的点评和鼓励。其三是进一步改进网络教学平台，增大其带宽，减少网络延长。

参考文献

[1]教育部. 教育信息化十年发展规划（2011-2020年）[EB/OI.].[2012-05-06].http：//www.edu.cn/zong_he_870/20120330/

t20120330_760603_3.shtml.

[2]林青松.基于翻转课堂的“现代教育技术”实验课程设计[J].实验室研究与探索，2014（1）：194-198.

[3]朱敏.教师教育“翻转”模式的构建研究[J].继续教育研究，2014（2）.

[4]曾明星，周清平，王晓波，等.软件开发类课程翻转课堂教学模式研究[J].实验室研究与探索，2014（2）：203-209.

[5][6][16]张金磊，王颖，张宝辉. 翻转课堂教学模式研究[J].远程教育杂志，2012（4）：46-51.

[7]杨刚，杨文正，陈立. 十大“翻转课堂”精彩案例[J]. 中小学信息技术教育，2012（3）：12-14.

[8]张金磊，王颖，张宝辉. 翻转课堂教学模式研究[J]. 远程教育杂志，2012（4）：46-51.

[9]曾贞.反转教学的特征、实践及问题[J]. 中国电化教育，2012（7）：114-117.

[10]马秀麟，赵国庆，邬彤. 大学信息技术公共课翻转课堂教学的实证研究[J]. 远程教育杂志，2013（1）：79-85.

[11]周霞.《数据库技术》翻转课堂实践[J]. 电脑知识与技术，2014（9）：6642-6643.

[12]金鑫.基于“翻转课堂”的《数据库应用技术》课程教学方法研究[J].长沙民政职业技术学院学报，2014（6）：98-99.

[13]申华.翻转课堂在项目驱动式教学中的应用——以

《数据库原理与应用》教学为例[J]. 计算机光盘软件与应用，2014（9）：197-199.

[14]罗智勇，乔佩利，秦兆伟. 工科大学网络数据库教学体系改革研究[J]. 科技与管理， 2011（1）： 127-129，135.

试论基于分布式数据仓库的远程教学系统模型研究论文 篇4

近年来，我国的网络安全受到各行各业人士 的 普遍关注。许多相关学者致力于维护网络安全的研究当中，导致我国网络安全技术得到普遍提升。但是有关网络攻击的情况还是不断出现。其中有一个很重要的原因就是，网络攻击也在以同样的速度，甚至更快的速度向前发展。对实际情况进行分析，主要包括以下几个方面：攻击攻击向自动化的方向发展。前些年，我国出现的主要网络攻击都是通过手工的方式进行的，但是通过近几年的发展，自动化攻击几乎成了网络攻击的新常态。通过分析，入侵检测技术面临的挑战主要包括以下几个方面。

1.1如何提升入侵检测技术的检测速度

在网络信息技术的飞速发展和多元化变化 之 下，网络的发展已经渐渐超出了摩尔定律的规律。尤其是在网络带宽的快速增长条件下，入侵检测技术的发展已经无法满足新时期网络发展的要求。如果检测技术渐渐跟不上网络数据传输速度的要求，就会导致其中的数据包的遗漏。

1.2如何提高入侵检测系统的准确性

通过对新的入侵检测手段的运用进行分析 发 现，误用检测系统的特征库不能及时得到更新是导致信息漏报的主要原因。在异常的检测系统当中，如何快速分辨哪些 行 为 属 于 异 常 的，是 一 个 急 需 解 决 的 问 题。从目前的入侵检测技术系统来看，很多情况下无法判断该组可疑的数据是由于错误操作行为导致的，还是由于入侵攻击导致的。

1.3如何提升入侵检测系统的安全性能

入侵检测系统也是电脑高手常常要攻击的对象。由于新时期，电脑高手技能的增长，对入侵检测系统的安全性提出了新的要求。在以前，电脑高手想要入侵计算机网络，都要讲防火墙作为最主要的攻击对象。随着入侵检测系统对计算机网络信息保护机能的增强，其也渐渐成为电脑高手进行攻击的重要目标。因此，对提升入侵检测系统安全性能提供了较大的挑战。

1.4如何提高入侵检测系统的自主学习能力

我国传统的入侵检测规则，主要依赖的是手 工 进行添加。手工与自动化相比必然存在较大的劣势，不仅更新速度较慢，实时性能也较差。往往是当不安全状况发生之后，才开始采取相应的措施进行补救。基于数据流SFCM挖掘的入侵检测系统模型

2.1数据流采集模块

数据采集 模 块 的 主 要 任 务 就 是 无 损 捕 获 网 络 报文。而且，还要进行一些较为简单的报文检测，对一些错误的报文进行排查。在之前进行数据采集时，其网络上的数据流是网络正常使用时一段时间的数据流，即使没有受到任何的攻击，也有可能存在一定的干扰噪声。由于这些数据能作为训练数据，数据采集模块的主要任务就是进行网络报文的无损捕获，与此同时，还需要去完成一些简单断为正常模型提供就有效的数据。

2.2数据流整理模块

该模块主要负责的就是训练数据整理、数 据 除 去噪音等工作，数据流的整理模块在进行数据采集的过程中，信息在没有入侵攻击的信息侵入时，都是一些常用的系统处理操作。数据的采集主要的任务就是对报文进行无损捕获，对于采集到的数据能不能成为训练数据，那就要取决于所采集到时段的数据质量。

2.3 SFCM算法模块

聚类分析是当前我国运用的十分重要的数据挖掘技术，在实际运用当中发挥了十分重要的作用。聚类分析首先将数据集中的数据对象根据性质进行分组，这样每个组内部数据大致类似。但是各组之间，数据的相似性却较低。然后运用SFCM算法从各组中计算出与网络安全相关的系统特征属性。然后按照提取出的属性，设计出导致出现安全事件的分类模型。从而大大降低了由于人为因素导致的在入侵模式分析时的失误，达到对安全事件进行识别的自动化程度。结语

随着计算机网络技术的快速发展，人们在 享 受 网络带来的利益之后，更加担心的是网络使用的安全性。入侵检测是一种具有高度积极性质的网络安全防护技术，数据挖掘流失一种能够有效地对高维的、动态变化的大量流式数据进行挖掘的方法。将入侵检测与数据挖掘与识别相结合，一定能够为我国的网络安全打造一个坚固的防护网。

参考文献

[1]毛伊敏，杨路明，陈志刚等。基于数据流挖掘技术的入侵检测模型与算法[J].中南大学学报（自然科学版），2011,（09）。

[2]张净，孙志挥，宋余庆等。基于信息论的高维海量数据离群点挖掘[J].计算机科学，2011,（07）。