检索结果-内蒙古大学图书馆

郑州大学学报（理学版） 2024年第2期56卷 26-33页

作者：王潇璇王桂玲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

基于物联大数据赋能的业务流程能够更快更准地感知物理世界并及时做出响应的需求突现,提出一种物联网(Internet of Things,IoT)感知的业务微流程建模方法。首先,以单个IoT对象为中心建模,融合MAPE-K(monitor,analysis,plan,execution an... 详细信息

基于物联大数据赋能的业务流程能够更快更准地感知物理世界并及时做出响应的需求突现,提出一种物联网(Internet of Things,IoT)感知的业务微流程建模方法。首先,以单个IoT对象为中心建模,融合MAPE-K(monitor,analysis,plan,execution and knowledge base,MAPE-K)模型思想,将IoT对象实例生命周期的行为状态与微流程实例状态一一映射,实现对单个IoT对象的环形自动监控和调节;其次,基于从IoT传感设备获取的数据,定义基于SASE+语言的业务规则,提取对业务流程有意义的业务事件,避免了无关事件对宏流程的干扰;最后,通过设计一个微流程建模工具原型系统,结合真实案例分析,验证了提出建模方法的有效性,实现了业务流程与IoT实时流式感知数据的结合,并显著减少了宏流程需要处理的业务事件数量。

关键词： IoT流式感知数据业务规则环形自动监控调节微流程

来源：评论

学校读者我要写书评

暂无评论

基于活动理论的社会-信息服务协同建模方法与工具

引用

山东大学学报（工学版） 2024年第2期54卷 103-113页

作者：齐明皓赵卓峰丁维龙北方工业大学信息学院北京100144 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

以第四方平台模式下的科技服务协同为研究案例,通过活动理论对社会-信息服务协同要素进行分析,提出社会-信息服务协同核心建模元素及模型定义,给出基于BPMN2.0扩展的定义语言,设计并实现可视化的社会-信息服务协同建模工具及相关支撑系... 详细信息

以第四方平台模式下的科技服务协同为研究案例,通过活动理论对社会-信息服务协同要素进行分析,提出社会-信息服务协同核心建模元素及模型定义,给出基于BPMN2.0扩展的定义语言,设计并实现可视化的社会-信息服务协同建模工具及相关支撑系统。通过具体的科技服务协同案例验证了本研究方法可以有效支持社会-信息服务协同的建模及管理需求。

关键词：社会信息服务业务过程建模活动理论服务协同科技服务

来源：评论

学校读者我要写书评

暂无评论

面向高速乱序流的top-k连续查询方法

引用

郑州大学学报（理学版） 2021年第3期53卷 93-99页

作者：武守晓房俊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 北方工业大学数据工程研究院北京100144

提出一种面向高速乱序流的top-k连续查询方法。使用基于缓存的方法等待迟到元组,但不对缓冲区内数据进行排序,通过统计运行信息实现缓存时长自适应,然后使用改造的MinTopk算法计算当前窗口的top-k结果集。实验结果表明,该方法在高速乱... 详细信息

提出一种面向高速乱序流的top-k连续查询方法。使用基于缓存的方法等待迟到元组,但不对缓冲区内数据进行排序,通过统计运行信息实现缓存时长自适应,然后使用改造的MinTopk算法计算当前窗口的top-k结果集。实验结果表明,该方法在高速乱序流上实现了高效的top-k查询,在保证用户允许的最小正确率的情况下计算出最小缓存时长,减少了查询时延。

关键词：高速乱序流 top-k连续查询缓存时长自适应查询时延

来源：评论

学校读者我要写书评

暂无评论

基于深度生成模型的聚合查询区间估计方法

引用

计算机工程 2023年第11期49卷 284-292,301页

作者：房俊薛晓东周云亮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

目前大多数近似查询方法都是用一个估计值来回答查询,这种点估计的方法虽然简单但是会存在误差。区间估计方法需要在大量样本上完成计算,会造成较高的查询时延,导致在实际中难以广泛应用。以模型驱动的近似查询技术虽在效率上有一定优势... 详细信息

目前大多数近似查询方法都是用一个估计值来回答查询,这种点估计的方法虽然简单但是会存在误差。区间估计方法需要在大量样本上完成计算,会造成较高的查询时延,导致在实际中难以广泛应用。以模型驱动的近似查询技术虽在效率上有一定优势,但其查询结果缺乏可靠性保障。为此,提出一种融合数据抽样和机器学习算法的近似查询方法,通过深度生成模型提高查询效率,用区间估计代替点估计来回答查询,即通过多个样本的查询结果来生成一个相对可靠的区间结果。首先利用改进的生成对抗网络模型学习数据分布,在不访问数据集的情况下快速生成多个样本,然后利用大规模并行处理架构来分配计算任务,完成样本生成和查询执行的过程,最后将查询结果返回给用户。实验结果表明,该方法得出的聚合查询区间估计结果的归一化置信区间覆盖率(NCIC)达到85%以上,在聚合函数为COUNT且选择性低于0.03的查询实验中,针对ROAD、PM2.5这2个数据集,该方法的NCIC较随机抽样方法分别提高了13.9%和14.8%,虽然其查询时延相较基准方法有所增加,但是也可满足常规应用要求。

关键词：近似查询生成模型并行计算区间估计抽样

来源：评论

学校读者我要写书评

暂无评论

REGRASP:一种反应式GRASP的无监督轨迹分段方法

引用

西北师范大学学报（自然科学版） 2020年第6期56卷 44-52,62页

作者：郭炜强赵卓峰李征宇房俊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

对长时段的轨迹数据进行合理的分段有利于轨迹数据的语义增强和后续轨迹数据计算以及提高存储的有效性.针对现有轨迹分段方法对先验知识要求高的问题,提出了一种反应式GRASP无监督轨迹分段方法(REGRASP),首先构造了用于衡量轨迹段内部... 详细信息

对长时段的轨迹数据进行合理的分段有利于轨迹数据的语义增强和后续轨迹数据计算以及提高存储的有效性.针对现有轨迹分段方法对先验知识要求高的问题,提出了一种反应式GRASP无监督轨迹分段方法(REGRASP),首先构造了用于衡量轨迹段内部同质性和轨迹段间特征距离的损失函数,然后设计了结合损失函数向轨迹段两侧寻找相关轨迹点的元启发算法,算法能够反应式地调整部分参数候选列表中值的权重,进而影响构建过程,并结合MapReduce计算模型给出了REGRASP的实现方法.在公开的船只轨迹数据集之上就轨迹段覆盖度和轨迹段纯净度两个指标进行了实验测试,并与CB-SmoT和GRASP-UTS方法进行了对比,结果表明本文所提方法在轨迹段纯净度方面效果更佳,并能够在没有先验知识的情况下完成轨迹分段任务.

关键词：轨迹数据轨迹分段元启发算法 MapReduce 轨迹分析 GPS轨迹

来源：评论

学校读者我要写书评

暂无评论

基于云计算的流数据集成与服务

引用

计算机学报 2017年第1期40卷 107-125页

作者：王桂玲韩燕波张仲妹朱美玲北方工业大学云计算研究中心大规模流数据集成与分析技术北京市重点实验室北京100144 天津大学计算机科学与技术学院天津300072

当前,大数据的管理和处理是云基础设施的重点用武之地,而服务是落实云计算环境中各类资源及能力交付和使用模式的主要方式.随着感知设备的普及,系统规模急剧扩张,数据多元异构复杂性提升,流数据并发数量及速度剧增,传统的流数据系统在... 详细信息

当前,大数据的管理和处理是云基础设施的重点用武之地,而服务是落实云计算环境中各类资源及能力交付和使用模式的主要方式.随着感知设备的普及,系统规模急剧扩张,数据多元异构复杂性提升,流数据并发数量及速度剧增,传统的流数据系统在处理能力、可扩展性、容错性等方面面临瓶颈问题,而云计算技术依靠其良好的可伸缩性、数据的并行化处理能力、对服务使用模式的支持、容错性等特点,可作为流数据管理与处理的基础.基于云计算对来自不同类型设备的大规模流数据进行集成、处理及服务化正是文中关注的焦点所在.从应用需求出发,该文对大规模流数据集成和实时处理及服务的概念框架、集成方法、流数据查询处理、定制化服务、可伸缩性保障和可靠性保障以及相关评测基准等要点进行了剖析,归纳了大规模流数据的集成与服务研究面临的挑战,探讨了云计算环境下求解相关问题的思路.

关键词：流数据云服务数据服务云数据集成

来源：评论

学校读者我要写书评

暂无评论

数据驱动的自动化机器学习流程生成方法

引用

广西师范大学学报（自然科学版） 2022年第3期40卷 185-193页

作者：陈高建王菁栗倩文袁云静曹嘉琛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

自动化机器学习是机器学习前沿的一个重要问题,自动化机器学习工具根据数据集及任务需求组合机器学习算子来构造流程,使领域用户在不具备专业机器学习知识的情况下也能完成相应数据分析工作,但目前的自动化机器学习工具普遍存在耗时长... 详细信息

自动化机器学习是机器学习前沿的一个重要问题,自动化机器学习工具根据数据集及任务需求组合机器学习算子来构造流程,使领域用户在不具备专业机器学习知识的情况下也能完成相应数据分析工作,但目前的自动化机器学习工具普遍存在耗时长和精度低的问题。本文基于数据集相似性和强化学习原理,提出一种数据驱动的自动化机器学习流程的生成方法,利用相似数据集的历史知识,将神经网络与MCTS相结合,指导机器学习流程的生成。实验结果表明:该方法在耗时方面缩短至分钟级别,流程性能也得到提升。

关键词： AutoML 数据集相似性 MCTS 强化学习

来源：评论

学校读者我要写书评

暂无评论

一种适于跨租户数据共享的多租户数据存储模式

引用

南京大学学报（自然科学版） 2024年第3期60卷 491-501页

作者：丁洪翔赵卓峰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

随着SaaS(Software-as-a-Service)软件中台化和业务服务范围的发展,跨租户的业务协作和数据共享需求愈发突出,对传统以租户数据隔离为主要内容的多租户数据存储模式带来了新的挑战,在已有多租户数据模式基础上支持跨租户的数据共享按需... 详细信息

随着SaaS(Software-as-a-Service)软件中台化和业务服务范围的发展,跨租户的业务协作和数据共享需求愈发突出,对传统以租户数据隔离为主要内容的多租户数据存储模式带来了新的挑战,在已有多租户数据模式基础上支持跨租户的数据共享按需定制成为多租户数据存储模式设计的新问题.为此,提出一种支持可定制共享的多租户数据存储模式——共享宽表.该模式在传统宽表下扩展了用于存储租户之间关系的逻辑表,并增加了对于异构数据的映射机制,可以在保障租户数据隔离要求下同时适用于租户之间数据共享的灵活定制.实验表明,相对于传统宽表数据模式,提出的多租户数据存储模式可以更简单地支持跨租户的数据共享定义,并且具有更好的共享查询效率.

关键词：多租户共享宽表数据共享存储模式映射机制

来源：评论

学校读者我要写书评

暂无评论

面向高校教学云服务的虚拟机动态调度方法

引用

计算机工程与科学 2015年第11期37卷 2018-2024页

作者：王菁王岗高晶李寒马倩北方工业大学云计算研究中心北京100144 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,高校云平台越来越普及,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高校教学应用的特征,从而导致负载不均和资源浪费。为了解决这一问题,从高校教学应用需求出发,提出了一种虚... 详细信息

随着教学信息化的不断深化,高校云平台越来越普及,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高校教学应用的特征,从而导致负载不均和资源浪费。为了解决这一问题,从高校教学应用需求出发,提出了一种虚拟机动态调度算法(CRS),定义了课程虚拟机模型和物理机负载模型,并实现了基于OpenStack开源云平台的可对虚拟机进行动态调度的校园云平台。实验表明,提出的虚拟机动态调度方法达到了降低能耗及实现负载均衡的目标。

关键词：校园云动态调度节能负载均衡

来源：评论

学校读者我要写书评

暂无评论

基于纹理特征约束的神经网络模型鲁棒性提升方法

引用

信息安全学报 2023年第1期8卷 26-39页

作者：杨中国张镌王丽君北方工业大学信息学院北京100144 大规模流数据集成与分析北京市重点实验室北京100144

深度学习模型可以从原始数据中自动学习到数据的纹理特征和形态特征,使得其在安全验证、识别分类、语音人脸识别等不同领域取得远远超过人工特征方法的性能。虽然深度学习在图像分类和目标检测等方向上取得了较好成效,但是通过在输入上... 详细信息

深度学习模型可以从原始数据中自动学习到数据的纹理特征和形态特征,使得其在安全验证、识别分类、语音人脸识别等不同领域取得远远超过人工特征方法的性能。虽然深度学习在图像分类和目标检测等方向上取得了较好成效,但是通过在输入上添加难以察觉的微小扰动形成的对抗样本导致深度学习模型在实际使用中存在巨大的风险。因此,提高单个模型的鲁棒性是重要的研究方向。前人在时序数据分类模型的鲁棒性研究中,对抗样本的解释性研究较为欠缺。目前较为常见的防御对抗样本的方法是对抗训练,但是对抗训练有着非常高的训练代价。本文以时序数据分类模型为研究对象,定义了时序数据的纹理特征和形态特征,并基于理论证明和可视化特征层方式,说明了纹理特征是被攻击的关键因素。同时,提出了一种基于特征约束的模型鲁棒性提升方法。该方法结合多任务学习,通过在误差函数中增加特征的平滑约束项,引导模型在分类的同时尽可能学习到原始数据的形态特征。在保证分类精度的同时,降低对抗样本存在的空间,从而训练出更加鲁棒的模型。算法在经典分类模型和多个时序数据集进行了大量的实验,实验结果表明了本文方法的有效性,在多种对抗攻击下,能较好的提高单个模型的鲁棒性。

关键词：时序数据分类对抗样本纹理特征鲁棒性

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：