新媒体艺术传播结构体感交互建模分析

盛 燕

(安徽扬子职业技术学院 艺术学院，安徽 芜湖 241000)

随着新媒体艺术传播的快速发展，对新媒体艺术传播的准确性和交互性提出了更高的要求，需要构建新媒体艺术传播的体感信息交互模型，结合大数据信息处理方法，进行新媒体艺术传播的大数据融合分析和自适应调度处理[1]，构建新媒体艺术传播的空间信息采样和统计分析模型，提高新媒体艺术传播的体感交互性，研究新媒体艺术传播的体感交互建模方法，在促进新媒体艺术传播的优化和人机交互能力方面具有重要意义[2]，本文提出基于统计分析和量化递归分析模型的新媒体艺术传播结构体感交互模型，构建新媒体艺术传播结构体感交互的大数据信息统计分析模型，采用统计数据分析和大数据特征采样分析方法，进行新媒体艺术传播结构体感交互建模，通过信息融合和虚拟现实仿真方法，实现新媒体艺术传播结构体感交互建模的优化设计，并通过仿真实验进行性能测试，得出有效性结论。

一、新媒体艺术传播结构体感交互大数据分析

1. 统计分析模型

为了实现对新媒体艺术传播结构体感交互最优选择和融合聚类分析，结合对新媒体艺术传播结构体感交互统计大数据分布，进行特征分析，建立融合性的新媒体艺术传播结构体感交互聚类分析模型，采用大数据挖掘技术，构建新媒体艺术传播结构体感交互的最优融合特征参量集[3]，结合模糊寻优方法，进行新媒体艺术传播结构体感交互设计，采用空间分布式结构重组，进行新媒体艺术传播结构体感交互数据的特征重组，提取新媒体艺术传播结构体感交互的关联规则特征集，得到新媒体艺术传播结构体感交互的量化特征分布集[4]，得到新媒体艺术传播结构体感交互的数据挖掘模型。

给出新媒体艺术传播结构体感交互优化选择的大数据的相空间分布W，它是一个n×m的关联规则特征分布信息空间函数，在新媒体艺术传播结构体感交互状态空间中，结合优化选择模式进行新媒体艺术传播结构体感交互结构重组，构建特征分布向量pq，构建新媒体艺术传播结构体感交互的概率分布函数为p(ni)={pk|prkj=1,k=1,2,…,m}，进行新媒体艺术传播结构体感交互的统计分析，得到统计特征分布模型为vi，关联分布样本集合为：

(1)

用C表示新媒体艺术传播结构体感交互的大数据调度的任务集，C(vi,vj)表示新媒体艺术传播结构体感交互选择的链路控制集，在新媒体艺术传播结构体感交互选择策略下，得到约束特征量vi与vj间的计算开销，构建新媒体艺术传播结构体感交互的回归分析模型为：

(2)

其中，p为新媒体艺术传播结构体感交互的重构维数，n(t)为新媒体艺术传播结构体感交互的大数据调度干扰项，si(t)为新媒体艺术传播结构体感交互的大数据统计特征量，a(θi)为新媒体艺术传播结构体感交互的大数据调制成分，根据上述分析，建立了新媒体艺术传播结构体感交互的大数据分析模型，结合大数据融合和特征提取方法，进行新媒体艺术传播结构体感交互建模[5]。

2. 特征提取优化

构建新媒体艺术传播结构体感交互的大数据信息统计分析模型，采用空间信息融合方法进行新媒体艺术传播结构体感交互的三维数据模型[6]，结合衰减向量分析方法进行体感交互最优参数集融合，得到新媒体艺术传播结构体感交互的状态集为mbest(t+1)，结合数据语义关联规则分析进行新媒体艺术传播结构体感交互的本体结构重组，用pj(t+1)表示第t+1个聚类中心的新媒体艺术传播结构体感交互特征量，采用状态空间重构的方法，得到新媒体艺术传播结构体感交互的模糊度函数为a1和a2，在M维随机向量中，得到新媒体艺术传播结构体感交互统计大数据的统计特征量pg(t)定义为：

pg(t)=arg min{f(pj(t))|j=1,2,L,n}

(3)

式中，f(pj(t))为新媒体艺术传播结构体感交互统计大数据在聚类中心j中的最优位置，在最优位置中进行新媒体艺术传播结构体感交互的特征搜索，得到第t代搜索到的最优位置的适应值，对新媒体艺术传播结构体感交互数据进行回归分析，得到相关性的配置特征量a1和a2由下式确定：

a1=c1r1

a2=c2r2

(4)

式中，r1、r2为M维随机向量；c1为新媒体艺术传播结构体感交互统计大数据的关联规则向量集，c2为新媒体艺术传播结构体感交互的模糊特征量。根据上述分析，实现对新媒体艺术传播结构体感交互的特征提取，结合模糊度寻优方法，进行新媒体艺术传播结构体感交互的自适应控制，提高新媒体艺术传播结构体感交互的自适应融合和特征调度能力[7]。

二、新媒体艺术传播结构体感交互建模优化

1.体感交互的递归图模型结构

本文提出基于统计分析和量化递归分析模型的新媒体艺术传播结构体感交互模型，构建新媒体艺术传播结构体感交互的大数据信息统计分析模型，采用空间信息融合方法进行新媒体艺术传播结构体感交互的三维数据模型，建立新媒体艺术传播结构体感交互的统计特征量和模糊决策模型，构建新媒体艺术传播结构体感交互统计大数据时间序列{x(t0+iΔt)}，i=0,1,…,N-1，采用模糊空间融合和状态适应性调度的方法，对新媒体艺术传播结构体感交互模型进行自适应更新控制[8]，得到新媒体艺术传播结构体感交互的模糊更新规则性函数表达如下式：

(5)

其中

(6)

(7)

结合累积方差分析进行新媒体艺术传播结构体感交互模型大数据聚类，采用相关性检测方法进行新媒体艺术传播结构体感交互模型设计[9]，得到大数据信息流的主成分特征：

(8)

其中，xn表示新媒体艺术传播结构体感交互的主成分特征量，得到新媒体艺术传播结构体感交互统计分析的状态均值为：

(9)

结合大数据模糊聚类分析方法，进行新媒体艺术传播结构体感交互控制，进行大数据匹配检测，提高新媒体艺术传播结构体感交互控制能力。

2.语义本体结构特征分析及建模输出

采用语义本体映射方法，得到新媒体艺术传播结构体感交互的同级特征分解式为：

(10)

式中，kμ(t)表示t时刻新媒体艺术传播结构体感交互统计大数据的模糊度函数；ΔTm(t)表示t时刻新媒体艺术传播结构体感交互的空间采样延迟；w为相对权重；Θ为kμ(t)的概率条件。结合限定稳态条件给出新媒体艺术传播结构体感交互的收敛控制函数为：

(11)

上式中，新媒体艺术传播结构体感交互的负荷为Mh，结合语义本体结构特征分析方法进行新媒体艺术传播结构体感交互建模和特征分析[10]，得到融合性调度的特征分布有限数据集：

X={x1,x2,…xn}⊂Rs

(12)

其中，新媒体艺术传播结构体感交互统计大数据集合中含有n个样本，样本xi，i=1,2,…,n，结合SVM学习方法，得到定量递归图为：

(13)

结合空间模糊度状态特征分解方法，得到新媒体艺术传播结构体感交互的特征分布矩阵满足：

(14)

在连续的有限域值空间中构建新媒体艺术传播结构体感交互统计大数据分布状态参数集S={1,2,…,N}，生成元数据Υ=(rij)N*N，结合定量递归分析方法构建新媒体艺术传播结构体感交互的递归图模型结构，为：

(15)

如果其中Δ>0且rij>0，采用 Sigma检验可得新媒体艺术传播结构体感交互统计大数据的判据为：

(1)S≥2.00，新媒体艺术传播结构体感交互统计大数据的识别以95%概率不成立，表示交互能力较强；

(2)S<2.00，新媒体艺术传播结构体感交互统计大数据的识别成立，原数据是不是同类特征，表示交互能力弱。

综上分析，实现新媒体艺术传播结构体感交互模的优化设计。

三、仿真测试分析

为了验证该方法在实现新媒体艺术传播结构体感交互模型选择和控制中的应用性能，进行实证验证，结合SPSS14.0统计分析软件进行新媒体艺术传播结构体感交互模型的实证数据分析，大数据统计信息采样的长度为1024，对新媒体艺术传播结构体感交互特征统计分析的样本带宽为12Bps/Hz，空间分布的维数为12，自适应迭代步数为200，根据上述参数设定，进行新媒体艺术传播结构体感交互模型设计，得到大数据分布如图1所示。

图1 新媒体艺术传播结构体感交互大数据分布

以图1的数据为研究对象，采用空间信息融合方法进行新媒体艺术传播结构体感交互的三维数据模型，建立新媒体艺术传播结构体感交互的统计特征量和模糊决策模型，实现信息结构重组，得到重组结构如图2所示。

图2 新媒体艺术传播结构体感交互结构重组

根据结构重组结果，进行新媒体艺术传播结构体感交互建模，测试建模的准确性，得到对比结果见表1。

表1 新媒体艺术传播结构体感交互准确性测试

分析表1得知，本文方法进行新媒体艺术传播结构体感交互的准确性较高。

结语

构建新媒体艺术传播的空间信息采样和统计分析模型，提高新媒体艺术传播的体感交互性，本文提出基于统计分析和量化递归分析模型的新媒体艺术传播结构体感交互模型，结合模糊寻优方法，进行新媒体艺术传播结构体感交互设计，采用空间分布式结构重组，进行新媒体艺术传播结构体感交互数据的特征重组，结合模糊度寻优方法，进行新媒体艺术传播结构体感交互的自适应控制，提高新媒体艺术传播结构体感交互的自适应融合和特征调度能力。本文方法进行新媒体艺术传播结构体感交互建模的稳定性较好，精度较高，提高了新媒体艺术传播结构体感交互控制能力。