胡启实，余卫星
（江汉大学，湖北 武汉 430056）
0 引 言
随着多媒体设备与网络的普及应用，多媒体设备产生大量的数据，为了对此类数据进行统一管理，通过研究，设计出专门为其服务的多媒体数据库[1-2]。此数据库中，数据较为复杂，对其整理需要采用特定的系统，由此，产生了多媒体数据库在线整合系统。此系统可对繁杂的多媒体数据进行有序化的处理，且整合效果极佳[3]。但随着现代科技的不断进步，多媒体设备的种类不断增加，数据量也随着增加。在数据库整合的过程中，数据清洗模块中使用的技术已无法满足庞大的运算量，造成系统查询交互性出现较大的问题。因而，在此次设计中，采用人工智能技术对其展开优化，并设计基于人工智能的多媒体数据库在线整合系统。
1 多媒体数据库在线整合系统硬件设计
针对日常使用中，多媒体数据库在线整合系统的不足，引用人工智能技术对其展开优化。现对系统硬件部分展开优化，优化后硬件框架如图1 所示。
在此次设计中采用高速数据传输接口，以CYPRESS EZ-USBFX 芯片作为接口控制芯片[4-5]。此芯片中包含USB 2.0 接口协议，并设有USB 控制器，其接口引擎包含SIE、32 KB RAM、16 KB FIFO 端口，并内嵌微型控制器。在其内部设定16 位I/O 端口以及多个通用接口。将此端口安装至系统硬件框架后，设定系统电源为3.75 V，以此保证端口与系统中其他设定的正常运行。
图1 系统硬件框架优化结果
通过上述设计，将其安装至系统中央控制器中，优化结果如表1 所示。
表1 中央控制主机优化参数
通过上述技术参数，完成对中央控制主机的优化，并将优化后的系统硬件作为软件开发的基础。
2 多媒体数据库在线整合系统软件设计
采用上述部分设计的系统硬件作为此次多媒体数据库在线整合系统软件开发的基础[6-7]，具体过程如下。
2.1 数据库构建
在此次设计中，对原有数据库进行整合，采用MySQL[7]作为数据库设计的技术支持软件，针对多媒体数据的相关特征，设定数据库构架如图2 所示。
通过上述构架完成数据库的设计部分，并将采集到的多媒体数据依据上述数据库形式进行存储。此数据库为逻辑性整体[8-9]。常用的分布式数据处理技术为集中性处理、重复性处理、分割性处理以及分段性处理[10]。
图2 多媒体数据库构架
2.2 引用人工智能数据清洗
在此次设计中，采用人工智能技术对多媒体数据中的数据进行清洗[11]，数据清洗的过程如图3 所示。
图3 数据清洗过程
此次设计主要采用人工智能中的贝叶斯学习方法[12-13]，对数据分析展开优化。在多媒体数据库中，每一数据库内的信息都可用A 属性表示，则数据类别目标函数f (a)为某类别集合中c 的取值，数据库内数据以及新采集得到的数据可表示为(b1,b2,…,bn)，采用贝叶斯学习方法对其分类目标进行提取，贝叶斯公式为：
目标值cmap为：
式中：D 为选定数据种类；h 为此数据出现的时间；P 为数据出现的概率。采用式（1）对cmap展开处理，得出cmap为种类ci与数据集合b1,b2,…,bn中出现的频率。将式（1）和式（2）与数据种类属性概率am相结合，则有数据分类公式如下：
通过上述公式完成数据分析，并将其应用于数据的清洗中，为数据整合提供基础。
2.3 完成数据整合
通过上述两部分操作过程，完成多媒体数据库的基础设计。在此部分中，将采用C 语言编程的形式[14-15]，完成数据整合过程。通过上述编程对多媒体数据库内数据进行在线整合，以此实现系统软件模块性能。至此，基于人工智能的多媒体数据库在线整合系统设计完成。
图4 数据整合部分编程
3 系统测试
在上述部分中，完成基于人工智能的多媒体数据库在线整合系统设计部分。构建系统测试环节，实现对使用性能的研究。
3.1 测试平台
为将文中设计系统与原有系统，以及采用文献[3]中技术所设计的系统可在同一环境中展开测试，设定测试环境如下。
1）测试平台服务器配置
服务器为My SQL5.0.22；操作系统为Linux 2.6.16.0；内存为16 GB；CUP 为八核，4.0 GHz；硬盘为2 TB。
2）测试平台中心机配置
服 务 器 为GNU / Linux 2.6.16.54；PHP 为5.3.3、Apache 2.2.11、Libevent 1.4.13、Libxml2.6.16.0、MySQL 5.0.22。
3）客户端配置
操作系统为WIN10 专业版；处理器为AMD Phenom 2.80 GHz；内存为16 GB；硬盘容量为300 GB Disk；浏览器为IE8，Chrome 13.0.782.107。
针对此次测试的主要内容，采用上述设定作为此次测试的硬件环境以及软件开发环境。
3.2 测试指标
在此次测试中，对系统的交互性展开测试，为具象化体现，将其设定为文字交互性与语音交互性两种指标进行展示，具体测试过程设定如表2 所示。
采用以上设定，对文中设计系统与其他两种系统展开测试，并获取系统使用性能。
3.3 文字输入测试结果
在此次测试中，首先将计算机在某日的数据信息作为测试样本，得出测试结果如图5 所示。
表2 系统交互性查询测试用例
图5 文字输入测试结果
通过对数据库信息的预设可知，在测试数据内预存计算机数据信息共计5 条，原有系统仅对其中的两条数据进行处理。由此可见，采用文献[3]中技术设计的系统信息查询能力较差。通过对比可知，文中设计系统的文字交互能力较佳。
3.4 语音输入测试结果
为将此测试结果具象化体现，将其拆分为响应时间与信息查询精准度。具体测试结果如图6 所示。
图6 语音输入测试结果
通过上述测试结果可知，文中设计系统无论在语音响应时间或是查询结果的精准度方面，均优于其他两种系统。将此测试结果与上述文字查询结果相结合可知，文中设计系统使用效果最佳。
4 结 语
针对原有多媒体数据库在线整合系统在日常使用中出现的问题，采用人工智能技术对其展开优化。在此次设计中，初步完成了系统的数据分析整理模块设计，提高了系统的工作性能及工作效率。在日后的使用过程中，应将此次设计结果普及使用。
