检索结果-内蒙古大学图书馆

计算机研究与发展 2016年第6期53卷 1332-1341页

作者：赵卓峰丁维龙韩燕波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(北方工业大学) 北京100144

海量、多源、不间断的交通感知数据环境下,如何提供集成化的交通感知数据处理支持是多样化交通应用实施中的难点.现有的通用计算框架及平台由于缺少对具有时空相关等特征的交通感知数据和应用间交通感知数据共享的支持,使得交通感知数... 详细信息

海量、多源、不间断的交通感知数据环境下,如何提供集成化的交通感知数据处理支持是多样化交通应用实施中的难点.现有的通用计算框架及平台由于缺少对具有时空相关等特征的交通感知数据和应用间交通感知数据共享的支持,使得交通感知数据处理应用的开发存在较高的复杂性并且易于造成大量重复的数据跨节点传输而影响应用性能.针对此问题,通过分析交通感知数据及其处理需求特征,提出一种基于可跨应用共享的时空数据对象的交通感知数据处理模型,通过引入时空数据对象这一新的概念抽象并提供易并行划分的时空数据对象组织及共享支持,实现分布计算中对时空型交通感知数据的优化管理.在此基础上,设计并实现了交通感知数据集成处理平台.通过实际应用和基于真实交通数据的实验测试表明:该平台相对于传统的交通感知数据处理方法及系统在性能及扩展性等方面均具有一定的优势.

关键词：云架构交通感知数据时空数据对象实时MapReduce 流计算

来源：评论

学校读者我要写书评

暂无评论

DANCE:一种面向云-端动态集成的服务适配方法

引用

计算机学报 2020年第3期43卷 423-439页

作者：张守利刘晨韩燕波李晓红天津大学智能与计算学部天津300072 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学院北京100144

边缘计算可以通过将计算移到边缘设备上来提高大型物联网流数据处理质量以及降低网络运行成本.对于流数据处理,边缘设备通常只有有限的计算能力和存储能力,显然不能支持所有的实时流数据查询和处理.本文尝试引入服务并在边缘和云之间灵... 详细信息

边缘计算可以通过将计算移到边缘设备上来提高大型物联网流数据处理质量以及降低网络运行成本.对于流数据处理,边缘设备通常只有有限的计算能力和存储能力,显然不能支持所有的实时流数据查询和处理.本文尝试引入服务并在边缘和云之间灵活地划分服务来实现云-端集成,云服务和端服务之间通过事件机制进行服务适配.物联网动态环境中,云-端服务的动态适配是使云基础设施和端设备间无缝集成的关键.动态集成背景下的服务适配需要把握适配时机来应对端服务适配请求的不确定性和非完全适配等难题.针对这一问题,论文提出了一种面向云-端动态集成的服务适配方法(Dynamic Adaption cloud Services with Edge Services,DANCE).这种方法的主要贡献在于:将云服务实例和端服务实例之间的适配问题建模为二分图顶点之间的动态匹配问题,同时结合排队论中的M/M/c/∞模型对二分图最优匹配Kuhn-Munkres算法进行了优化改进,保障适配过程中端服务实例的全局平均请求响应时间最小.最后,基于真实的电能质量监控案例和数据,验证了本文方法的有效性.

关键词：云-端集成云服务端服务流数据处理服务适配

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

基于频繁项集与协同过滤的混合推荐方法

引用

山西大学学报(自然科学版) 2017年第1期40卷 35-43页

作者：宋威刘朋北方工业大学计算机学院大规模流数据集成与分析技术北京市重点实验室

为解决协同过滤方法存在的评分稀疏及用户喜好程度区分能力不足的问题,提出一种基于频繁项集与协同过滤的混合推荐方法RFICF(Recommendation based on Frequent Itemset and Collaborative Filtering)。在频繁项集的基础上,分别给出了... 详细信息

为解决协同过滤方法存在的评分稀疏及用户喜好程度区分能力不足的问题,提出一种基于频繁项集与协同过滤的混合推荐方法RFICF(Recommendation based on Frequent Itemset and Collaborative Filtering)。在频繁项集的基础上,分别给出了补充评分和增强评分的定义,扩充了评分的数量,细化了评分的数值。在此基础上,分别使用基于频繁项集的推荐方法和协同过滤方法,并按一定比例展现结果。将提出的方法分别与协同过滤、基于频繁项集的推荐方法及相关的混合推荐方法进行了实验比较,结果表明,RFICF方法在覆盖率、准确率以及综合测度3个参数上的整体效果良好。

关键词：推荐系统频繁项集协同过滤评分修订

来源：评论

学校读者我要写书评

暂无评论

基于车牌识别流数据的伴随车辆发现算法

引用

计算机工程 2017年第8期34卷 193-199页

作者：王路辉王桂玲北方工业大学计算机学院大规模流数据集成与分析技术北京市重点实验室北京100144

针对伴随车辆发现及其实时性问题,基于随时间变化的车牌识别流数据,提出一种采用并行频繁项集发现(PFID)技术的伴随车辆组实时发现算法。该算法根据频繁项挖掘Eclat算法的思想,并利用分布式流数据处理框架Spark Streaming生成最大伴随... 详细信息

针对伴随车辆发现及其实时性问题,基于随时间变化的车牌识别流数据,提出一种采用并行频繁项集发现(PFID)技术的伴随车辆组实时发现算法。该算法根据频繁项挖掘Eclat算法的思想,并利用分布式流数据处理框架Spark Streaming生成最大伴随车辆组。实验结果表明,与排列组合算法及FP-Growth算法相比,PFID算法消耗内存更少,响应时间更短,在秒级响应时间内能找到伴随车辆组,达到及时预警目的。

关键词：智能交通系统车牌自动识别流数据伴随车辆组 Spark Streaming并行框架 DStream模型 Eclat算法

来源：评论

学校读者我要写书评

暂无评论

GitHub开源软件开发过程中影响因素的相关性分析

引用

软件学报 2017年第6期28卷 1330-1342页

作者：杨波于茜张伟吴际刘超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 北京航空航天大学计算机学院北京100191 中国科学院软件研究所北京100190

通过分析GitHub开源软件的开发过程,提出了问题解决速度、问题增加速度等影响因素,并对这些影响因素间的相关性进行了分析.经过实验证明了有些影响因素之间存在一定的相关性.同时,根据实验的结果还给出了针对GitHub开源软件开发过程的... 详细信息

通过分析GitHub开源软件的开发过程,提出了问题解决速度、问题增加速度等影响因素,并对这些影响因素间的相关性进行了分析.经过实验证明了有些影响因素之间存在一定的相关性.同时,根据实验的结果还给出了针对GitHub开源软件开发过程的一些建议.

关键词： GitHub 影响因素相关性分析开源软件数据挖掘

来源：评论

学校读者我要写书评

暂无评论

基于标签自适应选择的矩阵分解推荐算法

引用

计算机工程与科学 2018年第10期40卷 1731-1736页

作者：宋威李雪松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

将标签融入矩阵分解方法是当前推荐系统研究的热点。提出了一种基于标签自适应选择的矩阵分解推荐算法。首先,提出了标签-评分稀疏系数,较好地平衡了推荐过程中潜在特征与标签的使用问题。其次,利用标签的次数来计算标签向量,体现了标... 详细信息

将标签融入矩阵分解方法是当前推荐系统研究的热点。提出了一种基于标签自适应选择的矩阵分解推荐算法。首先,提出了标签-评分稀疏系数,较好地平衡了推荐过程中潜在特征与标签的使用问题。其次,利用标签的次数来计算标签向量,体现了标签的不同频率对不同物品的影响。最后,给出了算法的总体描述。实验结果表明,算法具有较高的推荐精度和较快的收敛速度。

关键词：推荐系统矩阵分解隐语义模型标签自适应选择标签-评分稀疏系数

来源：评论

学校读者我要写书评

暂无评论

面向高速公路大数据的短时流量预测方法

引用

计算机应用 2019年第1期39卷 87-92页

作者：王雪菲丁维龙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(北方工业大学) 北京100144

针对高速公路传统的短时交通流预测方法适用数据规模小、全网预测效率较低、数据的时空关系被忽视等问题,提出一种结合了K近邻(KNN)模型且面向高速大数据的短时交通流预测方法。首先,对模型的K值和距离度量进行调优,利用交叉验证进行模... 详细信息

针对高速公路传统的短时交通流预测方法适用数据规模小、全网预测效率较低、数据的时空关系被忽视等问题,提出一种结合了K近邻(KNN)模型且面向高速大数据的短时交通流预测方法。首先,对模型的K值和距离度量进行调优,利用交叉验证进行模型参数的对比实验;然后,考虑数据内在的业务时空关联,建模基于时空特性的特征向量;最后,在大数据环境下建立回归预测模型,以最优参数的模型实现预测。实验结果表明,与传统时间序列模型相比,所提方法一次可预测出全站点的流量,单次运行速度快,效率提高了77%,平均绝对百分比误差(MAPE)和绝对百分比误差中位数(MDAPE)均有明显减低,且具有良好的水平扩展性。

关键词：交通流量短时预测 K近邻时空数据大数据

来源：评论

学校读者我要写书评

暂无评论

电能质量异常数据在线检测方法

引用

计算机工程与应用 2020年第9期56卷 240-247页

作者：刘杰房俊雷峰津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

电网电能质量监测数据大多数监测指标具有周期性变化规律、波动性大等特征,现有的异常数据检测方法在针对此类数据做异常值检测时具有适应性差等问题。针对上述问题,将控制图和时间序列数据预测方法有机结合,提出了基于控制图的动态阈... 详细信息

电网电能质量监测数据大多数监测指标具有周期性变化规律、波动性大等特征,现有的异常数据检测方法在针对此类数据做异常值检测时具有适应性差等问题。针对上述问题,将控制图和时间序列数据预测方法有机结合,提出了基于控制图的动态阈值电能质量异常数据在线检测方法。利用电能质量数据的变化趋势数据替代控制图中心线,将控制图的控制线化直为曲,结合ARIMA模型动态计算控制图的控制线,实现了电能质量异常数据的在线检测。实验结果表明提出的方法是有效的。

关键词：异常检测动态阈值控制图电能质量

来源：评论

学校读者我要写书评

暂无评论

基于JDBC的数据访问优化技术

引用

计算机工程与设计 2017年第8期38卷 1991-1996,2031页

作者：韩兵江燕敏方英兰北方工业大学计算机学院北京100144 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

为使Web应用系统能够有效、快速地访问数据,分析当前Web系统三层框架有关数据缓存和访问优化的技术,通过对JDBC接口原理及实现技术的深入研究,提出基于JDBC的数据自主识别、前置驻留与快速访问的策略和实现方案。使用key-value存储机制... 详细信息

为使Web应用系统能够有效、快速地访问数据,分析当前Web系统三层框架有关数据缓存和访问优化的技术,通过对JDBC接口原理及实现技术的深入研究,提出基于JDBC的数据自主识别、前置驻留与快速访问的策略和实现方案。使用key-value存储机制,通过客户端-应用层的快照数据快速访问机制提升Web系统综合性能。测试结果表明,该方案能够有效提高Web系统在数据访问的响应速度,实现多客户端的数据共享,具有一定的普适性和推广价值。

关键词： Java数据库连接数据识别数据前置访问过滤快照数据

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：