[摘要] 為了提高傳統村落旅游文化資源的共享化水平，提出一種基于大數據信息融合聚類調度的傳統村落旅游文化資源整合模型，采用大數據處理技術和并行計算方法進行傳統村落旅游文化資源的整合設計。采用SPSS統計軟件進行實證分析，結果表明，采用該方法進行傳統村落旅游文化資源整合的融合度較高，促進了傳統村落旅游經濟的發展。

　　[關鍵詞] 傳統村落;旅游文化資源;大數據

　　一、引言

　　隨著文化旅游產業的快速發展，對傳統村落的旅游文化資源開發成為未來旅游產業發展的重要方向。傳統村落中具有豐富的旅游資源，以傳統村落的旅游文化為基礎，推進傳統村落的生態旅游發展，在旅游文化建設中，結合當地的旅游資源和人文環境，發展符合當地旅游產業特色的旅游經濟，推進傳統村落的旅游文化資源開發，進行美麗鄉村建設，提高當地的經濟收入水平。在對傳統村落旅游開發過程中，需要對傳統村落旅游文化資源進行智能整合設計，提高對傳統村落旅游文化資源的集成管理和調度能力，從而促進旅游文化資源的信息共享化水平的提升，研究傳統村落旅游文化資源智能整合模型具有重要意義。本文提出了一種基于大數據信息融合聚類調度的傳統村落旅游文化資源整合模型。

　　二、傳統村落旅游文化資源信息采樣及特征分析

　　(一)傳統村落旅游文化資源采樣

　　采用統計分析方法進行傳統村落旅游文化資源采集，對采集的傳統村落旅游文化資源進行信息重構，構建傳統村落旅游文化資源的特征信息流，采用線性回歸分析模型和物聯網技術構建傳統村落旅游文化資源的分布式結構模型[1] ，用 xn - j 表示傳統村落旅游文化資源屬性集的模糊分布自相關量，ηn - j 表示傳統村落旅游文化資源屬性特征向量的有限分布集，，則傳統村落旅游文化資源信息流重組模型表示為：

　　xn = a0 +∑i = 1 MAR aixn - i +∑i = 0 MMA bjηn - j (1)

　　其中，a0 為統計數據的采樣幅值，bj 為傳統村落旅游文化資源的最優關聯規則分布屬性。采用分段樣本統計分析方法進行傳統村落旅游文化資源的聯合關聯互信息的特征分析，傳統村落旅游文化資源的標量時間序列為 x(t) ，t = 0,1,…,n - 1，結合模糊信息特征分析方法[2] ，得到旅游文化資源集分布的有限集合為：

　　X ={x1,x2,…,xn}⊂RS (2)

　　結合融合數據聚類模型，得到傳統村落旅游文化資源的關聯相關性特征提取結果為：

　　C(l)=∑i = 1 k ∑k = 1 nj (  x  j k - Aj (L) ) 2

　　在大數據處理環境下，傳統村落旅游文化資源信息管理系統匯聚了大量的多源信息資源，在模糊聚類中心，分析旅游文化資源的統計測量誤差[3] ，當聚類中心的相對距離滿足 C(l)- C(l - 1) < ζ ，得到傳統村落旅游文化資源的聚類迭代式為：

　　Aj (L + 1)= 1 n∑i = 1 k X j i ( j = 1,2,…,k)

　　設 (SK,aK) 和 (S1,a1) 為傳統村落旅游文化資源整合節點之間的模糊貼近度矢量，那么相應的資源分布二元語義特征映射描述為：

　　θ:S → S × [-0.5,0.5

　　θ(si )=(si ,0),si ∈ S

　　設實數 β [0，T]為相似度，傳統村落旅游文化資源調度的描述性統計特征分布評價集為S，{ν1,…νM} 代表傳統村落旅游文化資源信息集合，采用關聯融合方法進行旅游資源調度，得到統計特征量表示為：

　　CΦ(u)= Φ(Φ-1 (ui ),…Φ-1 (un)) u ∈ I n

　　其中，ui 是一個任意的評價指標權重，在信息化條件下進行傳統村落旅游文化資源配置，傳統村落旅游文化資源配置統計面板數據定義為 νm,m ∈ [1,n] ，構建傳統村落旅游文化資源配置集合 G(其元素為 gωm,ω⊆{G,T,W,L},m ∈ [1,n])，由此實現傳統村落旅游文化資源采樣。

　　(二)傳統村落旅游文化資源整合的統計量分析

　　采用云計算模型進行傳統村落旅游文化資源的整合結構分析，提取傳統村落旅游文化資源的交叉頻繁項規則特征量，分析傳統村落旅游文化資源整合主要變量之間的相關程度[4] ，實現對信息化條件下傳統村落旅游文化資源整合的回歸分析和有效性評價，構建傳統村落旅游文化資源整合的解釋變量模型和控制變量模型[5] ，數學模型建立如下：

　　max Z =∑i = 1 m ∑i = 1 m xijcij

　　st =∑i = 1 m xij

　　st =∑i = 1 m xij

　　xij = 1

　　st = 0,or,1

　　其中，xij = 1表示傳統村落旅游文化資源整合的回歸系數，設置為綠色預警;xij = 0 表示信息化條件下傳統村落旅游文化資源得到合理利用的條件概率，設置為橙色預警;xij = -1表示在多元回歸分析模型下傳統村落旅游文化資源沒有得到合理利用，設置為紅色預警。采用相關性分析和Pearson回歸分析方法，根據描述性統計分析結果，將傳統村落旅游文化資源整合分為3個級別[6] ，采用多元線性回歸分析方法，構建傳統村落旅游文化資整合的檢測統計分析模型表達式為：

　　TTD = a1 x1 + a2 x2 + … + ak xk + δ

　　式(13)中 TTD表示旅游管理部門進行傳統村落旅游文化資源整合的相關因子，分別是 a1 ，a2 ，… ak ，在傳統村落旅游文化資源分布結構模型下，以 β 為邊界條件，得到傳統村落旅游文化資源整合的拓展外延 Mβ ：

　　Mβ ={x| x ∈ M,| f (x)∩ Y| /|Y |  β，0  α  β  1}

　　采用 U(t)=∑M ∈ E p[M] 表示傳統村落旅游文化資源整合主體的信任度屬性狀態集合，Ax ⊆P × T ，構建傳統村落旅游文化資源模糊指派調度集合，得到傳統村落旅游文化資源調度信息的粗糙集耦合特性數學模型，基于模糊聚類和粗糙集算法實現對傳統村落旅游文化資源整合的量化回歸模型構建。

　　三、旅游文化資源整合模型的優化設計

　　(一)旅游文化資源整合的模糊聚類模型在進行傳統村落旅游文化資源整合的統計量分析的基礎上，進行旅游文化資源整合模型的優化設計，提出一種基于大數據信息融合聚類調度的傳統村落旅游文化資源整合模型。

　　四、實證分析

　　為了驗證設計的旅游文化資源整合模型的性能，進行實證分析，實證數據分析軟件為 Excel 2007 和 SPSS19.0，相關參數為：Q =200，C1 =30，C2 =10，Cr =2，μ1 = μ2 = 0.01，ρ1 = ρ2 = 0.01，δ = 0.8 ，對旅游文化資源的原始數據采樣來自于網絡數據庫，采用描述性統計分析方法進行原始資源數據特征分析，得到傳統村落旅游文化資源整合的描述性統計分析結果(表1)。

　　以表1的描述性統計分析結果為分析樣本，采用大數據信息融合方法進行資源整合分析，根據SPSS統計分析結果，得到旅游文化資源整合處理后的旅游經濟增長水平、投資收益以及盈余水平結果(表2)。

　　分析表1和表2結果得知，采用方法構建傳統村落旅游文化資源整合模型，各個變量之間的相關性關系較強，旅游經濟收入水平不斷提高。通過傳統村落旅游文化資源整合，提高了旅游經濟的盈余水平，旅游經濟得到穩健性增長。

　　五、結語

　　對傳統村落旅游文化資源進行智能整合設計，提高對傳統村落旅游文化資源的集成管理和調度能力，從而促進旅游文化資源的信息共享化水平，促進旅游經濟發展。提出一種基于大數據信息融合聚類調度的傳統村落旅游文化資源整合模型，采用云計算模型進行傳統村落旅游文化資源的整合結構分析，提取傳統村落旅游文化資源的交叉頻繁項規則特征量，構建傳統村落旅游文化資源整合的模糊聚類模型，計算傳統村落旅游文化資源的模糊關聯度特征，對提取的旅游文化資源的關聯特征量采用C均值聚類方法進行大數據融合處理，采用并行調度技術進行傳統村落旅游文化資源的整合和自適應調度，提高對旅游文化資源的自適應調度能力。推薦閱讀：農村金融發展對農村居民收入的影響研究

　　[參考文獻]

　　[1] Wang Z L，Gao Q，Zhao H Y. CPG-inspired locomotion control for a snake robot basing on nonlinear oscillators[J]. Journal of Intelligent and Robotic Systems，2017，85(2)：209-227.

　　[2] 馬宇，蔡遠利. 基于多LPV 模型的調度離線魯棒預測控制[J].控制與決策，2016，31(8)：1468-1474.

　　[3] 高清，黃治化，陳鵬宇，等. 四川省礦產資源開發與經濟發展的耦合協調關系分析[J].資源與產業，2018，20(4)：69-74.

　　[4] 陳文慶，程雪穎. 云計算環境下的資源調度和優化方法[J].激光雜志，2016 ，37(6)：115-118.

　　[5] 關兆雄，龐維欣. 基于在線遷移的虛擬化資源整合研究[J].自動化與儀器儀表，2018，(3)：59-62.

　　[6] KAMALI S M，ARBABI A，ARBABI E，et al. Decoupling optical function and geometrical form using conformal flexible dielectric metasurfaces[J]. Nature Communications，2016，7(5)：11618.

　　[7] XIONG He，GUO Youqiang，ZHU Honghao，WANG Shuo. Robust Nonnegative Matrix Factorization on Manifold via Projected Gradient Method[J]. Information and control，2018，47(2)：166-175.