检索结果-内蒙古大学图书馆

计算机仿真 2015年第12期32卷 298-302,353页

作者：马礼蒯亮杨银刚北方工业大学计算机学院北京100144 大规模流数据集成与分析技术北京市重点实验室北京100144 北京信息高技术研究所北京100085

多机器人作业系统是无人系统的一个重要方面,为解决作业工序复杂、任务种类繁多,构建异构多机器人系统是解决问题的重要手段。实际作业系统构建和实施的复杂性,使得建立交互式仿真方法变得十分重要。针对传统交互式多机器人拆解装配序... 详细信息

多机器人作业系统是无人系统的一个重要方面,为解决作业工序复杂、任务种类繁多,构建异构多机器人系统是解决问题的重要手段。实际作业系统构建和实施的复杂性,使得建立交互式仿真方法变得十分重要。针对传统交互式多机器人拆解装配序列仿真的不足,提出一种面向复杂的多零部件、多装配工具、多机器人交互的序列生成方法。采用优先序列图来描述零部件的约束关系,构建优先关系矩阵,确定工具的作用范围,对异构机器人的能力进行设定。通过将APG转化为优先序列矩阵,进行行列式求解,推算出当前可处理的零部件,结合空闲状态的工具,和有能力的机器人相互协同作业,得出合理的装配和拆解序列,为实际操控提供有效的运行辅助。

关键词：多机器人仿真工序拆卸操作装配序列规划

来源：评论

学校读者我要写书评

暂无评论

Conv-WGAIN:面向多元时序数据缺失的卷积生成对抗插补网络模型

引用

计算机工程与科学 2023年第5期45卷 931-939页

作者：刘子建丁维龙邢梦达李寒黄晔北方工业大学信息学院北京100144 大规模流数据集成与分析技术北京市重点实验室北京100144 中央军委国防动员信息中心北京100034

油浸式变压器的油色谱数据是一种多元时序传感数据,设备或网络失误往往会导致数据缺失,通常需要通过插补形成完整数据集,才能用于进一步的业务分析研究。但是,现有的插补模型无法面向多元时序数据同时处理因时间不均匀性和时间双向性带... 详细信息

油浸式变压器的油色谱数据是一种多元时序传感数据,设备或网络失误往往会导致数据缺失,通常需要通过插补形成完整数据集,才能用于进一步的业务分析研究。但是,现有的插补模型无法面向多元时序数据同时处理因时间不均匀性和时间双向性带来的插补效率低和效果难以保障的问题,对此提出一种名为Conv-WGAIN的生成对抗插补网络模型,通过构建的插补特征图,可利用二维卷积从前后2个方向学习时间特征,处理时间间隔不均匀的数据;在判别器中引入Wasserstein距离来判别生成插补数据与真实观测数据,提升了生成器的稳定性。在真实项目中的油色谱数据集和3个公开数据集上的实验表明,该模型在多元时序缺失数据上具有普遍适用性,而且在不同的缺失率下的插补结果要优于其他对比模型的,RMSE降低了20.75%~73.37%。

关键词：生成对抗插补网络多元时序数据卷积神经网络 Wasserstein距离缺失值插补

来源：评论

学校读者我要写书评

暂无评论

基于LSTM的设备故障在线检测方法

引用

计算机工程与应用 2020年第1期56卷 272-278页

作者：周剑飞刘晨北方工业大学大规模流数据集成与分析技术北京市重点实验室北京100144 北方工业大学计算机科学与技术学院北京100144

在工业4.0时代,随着IoT的广泛应用,工业设备的故障检测对于提高设备的可靠性具有重要的意义。在实际的工业场景中,由于设备之间的关系复杂多变,难以用统一的模型来表示设备的运行状态。近年来,随着深度学习技术的不断发展与进步,深度学... 详细信息

在工业4.0时代,随着IoT的广泛应用,工业设备的故障检测对于提高设备的可靠性具有重要的意义。在实际的工业场景中,由于设备之间的关系复杂多变,难以用统一的模型来表示设备的运行状态。近年来,随着深度学习技术的不断发展与进步,深度学习技术成为故障检测的主流解决方案。提出了一种基于长短记忆神经网络的在线故障检测模型,采用曲线排齐方法对传感器数据进行特征提取,基于长短时记忆神经网络(LSTM)开发故障检测模型,最后借助滑动窗口技术实现了设备故障的在线检测以及模型的在线更新。基于真实的发电厂传感数据进行了实验验证,实验结果表明了该方法的有效性。

关键词：故障检测特征提取长短时记忆神经在线更新

来源：评论

学校读者我要写书评

暂无评论

大数据使能的柔性工作流及其应用

引用

计算机集成制造系统 2024年

作者：丁维龙田涵徐进东杨坤峰赵卓峰北方工业大学信息学院大规模流数据集成与分析技术北京市重点实验室中信银行股份有限公司软件开发中心

业务工作流可以提高业务执行的效率，实现业务过程的自动化，在科技服务、物联网机器人等领域得到广泛应用。当前，面向业务领域积累的海量数据，基于工作流的数据预处理，往往需要大数据技术的辅助。但是，业务工作流在处理大数据时，... 详细信息

业务工作流可以提高业务执行的效率，实现业务过程的自动化，在科技服务、物联网机器人等领域得到广泛应用。当前，面向业务领域积累的海量数据，基于工作流的数据预处理，往往需要大数据技术的辅助。但是，业务工作流在处理大数据时，仍存在不支持规范化的大数据抽象，以及流程不能即时调整的局限，无法适应快速变化的业务需求。本文基于现有工作流规范提出了一种工作流技术方案，不仅在构造时支持大数据活动的建模，并且在运行时支持流程的动态变更及柔性保障。所述的柔性工作流，在科技服务领域的实际案例表明，可提升快速响应的能力；在物联网机器人领域的案例表明，低时延的快速响应可明显提升业务运行效率。

关键词：大数据柔性工作流 BPMN 工作流引擎业务流程管理

来源：评论

学校读者我要写书评

暂无评论

基于服务的云边端协同流数据处理体系结构研究

引用

山东农业大学学报（自然科学版） 2024年第3期55卷 385-395页

作者：张守利刘晨山东农业大学信息科学与工程学院山东泰安271018 北方工业大学大规模流数据集成与分析技术北京市重点实验室北京100144

物联网相关技术的快速发展产生了大规模传感流数据和对流数据的高并发处理需求,云边端协同计算正成为低延迟、高可靠的流数据处理的有效途径。为了提升流数据处理系统的灵活性和可扩展性,降低流数据处理延迟,本文提出一种基于服务的分... 详细信息

物联网相关技术的快速发展产生了大规模传感流数据和对流数据的高并发处理需求,云边端协同计算正成为低延迟、高可靠的流数据处理的有效途径。为了提升流数据处理系统的灵活性和可扩展性,降低流数据处理延迟,本文提出一种基于服务的分散式云边端协同流数据处理体系结构,设计了面向大规模流数据的主动式数据服务模型,流数据及流数据处理被抽象为合适粒度、可被独立部署和动态调度的服务,解耦数据与计算。引入事件驱动机制,提出了基于事件驱动的云边端服务动态协作机制,有效提升了系统的灵活性。基于真实的电能质量传感流数据验证了本文所提出架构的正确性和有效性。

关键词：流数据处理云边端协同服务计算事件驱动服务协作

来源：评论

学校读者我要写书评

暂无评论

基于ISE算法的分布式ETL任务调度策略研究

引用

计算机科学 2019年第12期46卷 1-7页

作者：王卓昊杨冬菊徐晨阳中国科学技术信息研究所北京100038 大规模流数据集成与分析技术北京市重点实验室北京100144 北方工业大学数据工程研究院北京100144

随着数据仓库的规模不断扩大,数据集成下的ETL(Extraction-Transformation-Loading)任务也随之增多,单机调度显然已经不能满足当下繁多复杂的ETL任务调度。针对ETL任务调度如何提高效率、缩短关键任务等待时间、提升资源利用率等问题,... 详细信息

随着数据仓库的规模不断扩大,数据集成下的ETL(Extraction-Transformation-Loading)任务也随之增多,单机调度显然已经不能满足当下繁多复杂的ETL任务调度。针对ETL任务调度如何提高效率、缩短关键任务等待时间、提升资源利用率等问题,构建了一套分布式ETL任务调度框架,该框架由调度器和若干执行器组成,通过任务预处理、任务调度分配、任务执行3个阶段来完成ETL任务调度。在任务预处理阶段,对ETL任务建立权重模型,并根据权重确定调度优先级。在任务调度分配阶段,调度器根据各个执行器节点的性能及负载情况来约束执行器节点的选择,并设计贪心平衡(Greedy Balance,GB)算法来进行ETL任务执行请求的分发,使执行器节点的负载相对均衡。在任务执行阶段,通过高响应比优先(Highest Response Ratio Next,HRRN)算法确定执行器节点队列下任务的执行优先级。实验结果表明,分布式ETL任务调度框架及相应的一体化调度执行(Integrated Scheduling Execution,ISE)算法能够有效提高集群资源的利用率,缩短任务调度的执行时间。

关键词：任务调度负载均衡动态分配分布式集群 ETL 数据集成

来源：评论

学校读者我要写书评

暂无评论

基于高速联网数据的多义路径实时精确识别系统

引用

北方工业大学学报 2019年第2期31卷 77-82,91页

作者：赵卓峰路珊丁维龙北方工业大学大规模流数据集成与分析技术北京市重点实验室

随着各类高速公路车辆信息采集手段的出现,如何利用实时采集的大规模数据不间断地进行车辆行驶多义路径的精确识别成为一个重要问题.本文提出一种基于识别点数据和联网收费数据的多义路径实时在线精确识别方法,设计了基于时空关系的路... 详细信息

随着各类高速公路车辆信息采集手段的出现,如何利用实时采集的大规模数据不间断地进行车辆行驶多义路径的精确识别成为一个重要问题.本文提出一种基于识别点数据和联网收费数据的多义路径实时在线精确识别方法,设计了基于时空关系的路径识别流式计算模型,并给出了基于Storm的系统实现.通过基于真实数据的实验表明,相对于传统最短路径识别方法,本文方法可在亚秒级实现多义路径的精确识别.

关键词：流式计算多义路径识别时空关系高速联网数据

来源：评论

学校读者我要写书评

暂无评论

一种基于用户反馈的不确定语义关系发现方法

引用

北方工业大学学报 2015年第3期27卷 49-56,85页

作者：刁玺刘晨北方工业大学大规模流数据集成与分析技术北京市重点实验室

在互联网环境下,不同数据源之间的语义异构问题,是制约来自多个数据源数据有效集成的主要挑战.现有语义匹配方法的不确定性,导致不同数据源之间的数据集成难以有效解决.为此,本文利用本体名称和本体结构信息这2个最重要的特征,在避免为... 详细信息

在互联网环境下,不同数据源之间的语义异构问题,是制约来自多个数据源数据有效集成的主要挑战.现有语义匹配方法的不确定性,导致不同数据源之间的数据集成难以有效解决.为此,本文利用本体名称和本体结构信息这2个最重要的特征,在避免为用户带来过多负担的前提下,将用户引入传统的语义匹配过程,提出了基于用户反馈的语义匹配方法UFMatcher.实验证明,本文的方法可以在不为用户带来过重负担的前提下,有效提升匹配结果的准确率.

关键词：用户反馈不确定性语义匹配

来源：评论

学校读者我要写书评

暂无评论

云边环境下微服务组合系统的动态演化方法

引用

计算机应用 2023年第6期43卷 1696-1704页

作者：叶盛王菁辛建峰王桂玲郭陈虹北方工业大学信息学院北京100144 大规模流数据集成与分析技术北京市重点实验室(北方工业大学) 北京100144 中国网络安全审查技术与认证中心北京100013

针对云边环境下用户需求不确定导致微服务组合逻辑会随着用户需求的变化而动态调整的问题,提出了云边环境下的微服务组合系统的动态演化方法(DE4MC)。首先,自动识别用户的操作并进行相应的算法策略;其次,在部署阶段,用户提交业务流程之... 详细信息

针对云边环境下用户需求不确定导致微服务组合逻辑会随着用户需求的变化而动态调整的问题,提出了云边环境下的微服务组合系统的动态演化方法(DE4MC)。首先,自动识别用户的操作并进行相应的算法策略;其次,在部署阶段,用户提交业务流程之后,系统通过所提方法中的部署算法选择较优的节点进行部署;最后,在动态调整阶段,用户调整业务流程实例后,系统通过所提方法中的动态调整算法进行动态演化。所提方法中的两个算法均综合考虑微服务实例的迁移代价、微服务与用户的数据通信代价和微服务之间的数据流传输代价以选择较优的节点进行部署,从而缩短了运行时间,降低了演化开销。在仿真实验中,在部署阶段,所提方法的部署算法与启发式算法(HA)+二代非支配排序遗传算法(NSGA-Ⅱ)的算法组合相比,各个规模的平均运行时间缩短了9.7%,演化总开销降低了16.8%;在动态调整阶段,所提方法的动态调整算法与HA+NSGA-Ⅱ的算法组合相比,各个规模平均运行时间缩短了6.3%,演化总开销降低了21.7%。实验结果表明,所提方法保证了云边环境下微服务组合系统能在演化开销低和业务流程时间短的条件下及时演化,并且能够提供用户满意的服务质量。

关键词：云边协同业务流程微服务组合微服务调度微服务演化

来源：评论

学校读者我要写书评

暂无评论

面向校园云平台的虚拟机调度机制

引用

计算机应用与软件 2016年第8期33卷 99-104页

作者：马倩王菁王岗北方工业大学大规模流数据集成与分析技术北京市重点实验室北京100144

随着教学信息化的不断深化,校园云平台越来越普及,但是实际应用中资源利用率仍然较低,核心问题在于当前的虚拟机调度机制未考虑校园应用的特征,从而导致负载不均和资源浪费。为了解决这一问题,提出面向校园云平台的虚拟机调度机制,定义... 详细信息

随着教学信息化的不断深化,校园云平台越来越普及,但是实际应用中资源利用率仍然较低,核心问题在于当前的虚拟机调度机制未考虑校园应用的特征,从而导致负载不均和资源浪费。为了解决这一问题,提出面向校园云平台的虚拟机调度机制,定义课程需求模型、物理机负载模型,并在此基础上提出虚拟机部署方法。该机制可适应教学应用周期性、可预测性、批量性等特点,并实现节能及负载均衡的目标。实际平台验证表明,该机制可有效降低能耗并实现负载均衡。

关键词：校园云调度机制虚拟机放置降低能耗负载均衡

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：