大数据视角下高校综合信息分析平台的构建

物联网和云技术的发展促进高校信息化向新的阶段智慧校园发展,随之带来的数据源的扩大。如何处理、存储和分析这些结构化和非结构化的数据是高校信息化建设面临的新问题,而大数据的出现为解决这一问题提供了可能。文章在对高校信息化数据和大数据研究的基础上,提出了基于大数据环境的高校综合信息分析平台建设的框架,为从大数据的视角下分析处理数据,建设综合信息分析平台,更好的为高校决策提供辅助支撑提供可能。     

用于智能医疗监控的医疗大数据架构

智能可穿戴医疗设备所生成混杂结构化和非结构化的海量数据对医疗大数据分析平台的性能提出了巨大挑战,为此文中提出了一种面向医疗物联网的大数据架构。所提出的医疗大数据架构采用了公有云技术,包括两个主要的子架构,即雾计算架构和分组选择(GC)架构。雾计算架构使用Apache Pig和Apache HBase等大数据技术收集和存储从不同传感器设备生成的海量传感数据。GC架构用于确保雾计算与公有云的高效集成。将该框架应用于基于心脏疾病预测模型的健康系统,证明了所提出的架构在实验的数据吞吐量下具有良好的CPU计算性能和数据存储性能。     

基于联邦学习模型的电力客户隐私保护方法

为提升电力物联网中用户数据安全性，提出了电力物联网LDP联邦学习框架。该框架将物联网用户分为常规用户和敏感用户两部分。常规用户通过与电力供应商互通模型与数据，基于横向联邦学习技术学习局部模型并参与更新全局模型；敏感用户利用异构联邦迁移学习技术将全局模型关联到局部模型中，从而保证敏感用户数据安全性。将联邦学习框架应用于GRU、LSTM网络，验证了所提联邦学习框架能够提升网络性能。     

基于递归神经网络的非结构化数据加密存储

为实现非结构化大数据的安全存储并提高其抗攻击能力，提出了基于递归神经网络的非结构化数据加密存储方法。通过分块处理医院非结构化大数据，获得输入、输出张量，构建基于LSTM的递归神经网络，生成医院大数据序列；通过向前反馈和向后反馈获得加密数据，将加密后数据包用加密后源数据包的线性组合代替；再设计基于列不满秩概率存储算法，通过加密存储子节点控制器分配加密存储任务。实验结果表明：该方法具有较强的抗攻击能力，存储效率优势更显著。     

基于雾计算的物联网架构研究

物联网是一种能将物体连接至互联网使其更加智能的技术.但是物联网设备产生的大数据难以处理,网络架构的可扩展性差,以及用户的安全隐私容易泄露等问题都限制了物联网的发展.为了解决这些问题,通过分析雾计算所具有的优势提出基于雾计算的物联网架构.基于该架构,同时考虑到用户的安全隐私问题,又提出分层的网络架构.最后对文章进行总结和展望.     

用大数据武装”云”:基于云计算的大数据处理技术

随着互联网、移动互联网和物联网的发展,我们已经迎来了数据大爆炸的时代,数据的快速增长带来了数据存储、处理、分析的巨大压力,而大数据技术(Big data)的引入,不但满足了系统功能和性能的要求,带来良好的可扩展性,降低了IT部署的成本,还拓展了数据智能分析的应用领域。同时,大数据分析与云计算的发展密切相关,云计算是大数据处理的基础,而大数据技术是云计算的延伸,云计算的分布式存储和计算架构为大数据的快速处理和智能分析提供了一种合适的解决方案。本文将探讨建立在云计算基础上的大数据处理技术,包括分布式计算框架、分布式文件系统、大数据管理技术、实时流数据处理、机器学习以及可视化技术等。     

云计算下非结构化大数据存储系统设计

当前云计算下非结构化大数据存储系统设计方法是通过使用分布式数据库存储跨区域的云计算数据和全局数据存储管理目录实现的,运行系统复杂,成本高昂。为此,提出基于HBase的云计算下非结构化大数据存储系统设计方法,首先对云计算下非结构化大数据进行分析,完成云计算下非结构化大数据提取,为云计算下非结构化大数据存储系统框架设计创造条件,并介绍HBase的特点,得到基于HBase非结构化大数据存储系统架构及运行流程,然后进行云计算下非结构化大数据存储结构模型总体设计及非结构化大数据分布式结构分析,采用负载均衡控制方法进行云计算下非结构化大数据存储系统冗余数据特征压缩及信息存储优化算法设计,完成云计算下非结构化大数据存储系统设计。通过仿真实验证明,所提方法能够有效降低云计算下非结构化大数据存储花费的时间,保证存储的数据可用、不丢失,方便云计算下非结构化大数据的使用,具有较强的使用价值。     

大数据及云计算技术在智慧校园中的应用研究

所谓"智慧校园",即以物联网为基础的智慧化的校园工作、学习和生活一体化的环境,它往往以应用服务系统为载体,最终实现校园教学、科研及生活进行充分融合。目前智慧校园正在成为教育行业信息化建设的方向,而其智慧的体现就在于对于信息的整合与处理。这些无不与大数据及云计算技术的特征相吻合,何况物联网和云计算等新技术的应用使得结构化数据管理方式已无法充分体现数据价值,是以大数据与云计算技术对于结构化、半结构化和非结构化数据的管理及提供决策支持具有天然的优势。由此可见,大数据与云计算技术必然会成为智慧校园体系中数据价值最大化的体现。文章将对大数据及云计算技术的概念进行阐述、对智慧校园的信息平台网络体系架构进行分析,并以此为基础对大数据及云计算技术在智慧校园中的应用进行探究,以此为智慧校园的发展提供理论参考。     

基于物联网大数据的智慧城市可持续建设研究

文中针对智慧城市建设可持续发展与规划的重要意义和重大影响,利用物联网和大数据分析技术,提出了一种以物联网和大数据分析为基础的智慧城市可持续发展规划与建设框架。首先,设计了一种基于物联网的异构聚合智慧城市架构;然后,对框架进行了大数据分析与探讨;最后,利用Hadoop Eco系统,对数据吞吐率曲线与数据量大小进行了评估,验证了所提框架的实用性和先进性。     

基于车联网的大数据应用研究

大数据技术具有数据处理量大、可处理非结构化数据、实时性高等特点.针对交通安全问题,提出将大数据技术应用于车联网中数据采集、数据分析和数据处理的问题.基于大数据技术,管理所有系统数据资源,并进行各种智能化数据分析处理.立足于为车联网提供智能支撑,让用户体验到交通管理智能化.     

基于达芬奇技术的3G网络视频传输实现

提出一种使用3G无线网络传输视频数据的方法。系统硬件采用基于达芬奇技术的DM3730双核视频处理平台,软件采用基于多媒体框架的GStreamer插件技术,实现了视频采集、视窗调整、H.264编解码及3G网络传输。服务器在Windows操作系统下将接收的视频信息播放出来。该方案具有低功耗、体积小、可扩展性等优点。     

基于物联网的大数据量实时信息交换策略分析

大数据信息时代,人们在日常生活中开始广泛地使用起了物联网,这是现代信息技术飞速发展的体现,但在是实现实时信息数据交换存取方面的问题也随着需要处理的数据信息量越来越大而逐渐凸显了出来,这近一步增加了物联网数据处理工作的难度。基于此,本文探讨了基于物联网的大数据量实时信息交换存在着哪些需求,并且这种信息是如何交换的等问题,最后针对性的分析了大数据量实时信息交换的策略,旨在提高其工作效率,用完善的处理系统来吸引更多受众,扩大物联网在社会发展的各个领域的适用范围,促进我国社会经济科学的进一步发展。     

云计算环境下物联网技术研究

物联网是互联网的延伸,云计算是基于物联网的IT资源的使用和交互的模式。物联网所面临的问题正好是云计算的特点,而大数据互处理等问题都是云计算要解决的问题二者是优势互补的关系。因此,对云环境下物联网的研究,为未来更好地应用物联网技术提供了有益参考。     

基于云计算平台的物联网数据挖掘研究

现在计算机技术与计算机网络技术发展特别快,现在进入大数据时代,云计算的发展促进了计算机向更高层次的发展,对处理大数据计算等问题提供了可能,物联网是一种新型产业,物联网技术基于计算机网络技术,促进了计算机网络技术进一步发展,物联网技术在数据挖掘中的应用,能更好的提炼数据,对数据的完整性提供了补充,数据挖掘是大数据时代的一种方法,提供了深层次的理论研究。本论文介绍了基于云计算平台的物联网数据挖掘研究,在数据挖掘中利用云计算与物联网技术,对于大数据时代今天提供了一个创新技术的应用,为研究大数据提供了可能。     

基于.Net的工艺处理系统

介绍构建一个基于微软Net Framework 3.5平台,具有较高的灵活性、复用性和可扩展性的工艺处理系统。该系统使用了数据中心的解决方案,以集中处理和管理的方式,实现相同系统所涉及的业务数据、不同系统间的数据交互。利用WCF技术,将系统设计为服务端与应用端架构的面向服务体系框架的分布式软件。采用微软COM组件技术,有效地解决了基于B/S架构的Html技术出现报表格式不规范的问题。     

物联网与大数据的新思考

随着社会的不断发展与科学技术水平的不断提高,世界一体化的趋势推动了大数据时代的到来,并以此来为世界各国的全面发展带来了为广阔的发展空间.在大数据时代的背景下,大量的数据均通过传感器进行传递和表达,部分数据也将通过物联网产生,从而使物联网与大数据在新时代的背景下得以更好的融合,并为信息产业的迅速发展产生了十分积极的影响.与此同时,不断发展物联网产业对信息数据的处理要求也呈现出不断上升的发展趋势,传统的数据管理技术已经无法充分满足物联网背景下的基本要求.基于此,本文将针对物联网与大数据进行新的思考,并从物联网中的大数据以及大数据时代背景下的物联网发展两方面进行详细的分析,以此来推动我国信息化产业的发展,从而促进大数据背景下物联网产业结构的现代化完善.     

面向大数据的数据服务中心设计与应用研究

大数据管理对传统的基于关系数据库管理系统为核心的数据管理服务平台提出了挑战,研究开发支持结构化和非结构化数据统一管理的数据管理与服务中心成为一项非常迫切并且重要的任务,汇总分析出大数据服务中心四项关键技术,采用可配置泛化表模型等技术,设计了基于Hadoop平台的数据服务中心系统原型BIG-DMS和基于BIG-DMS的数据综合服务平台应用方案,支持结构化和非结构化数据的统一存储、管理和访问服务。     

面向交通流预测的分支定界算法图卷积模型

为对交通流进行准确预测，提出一种将图优化与预测相结合，在单管路中面向交通流的时空混合图卷积预测模型，用于边缘环境下物联网的城市交通流预测。首先对关联图进行预处理，以去除城市交通数据原始道路网中的噪声；再用LOF删除不相关的模型和噪声；最后将得到的图扩展成图卷积神经网络，估算城市的交通流。另外，采用基于分支定界的优化技术对超参数进行精确调整。结果表明：所提模型在交通流预测方面效果更优，当图中节点数较多时，预测的精准性明显优于其他基准模型。     

构建电信物联网开放数据服务体系的思考

物联网的一个特征是智能处理,面对海量的物联网数据,如何存储、分析和共享使用是一个值得关注和需要解决的问题。基于对电信运营商物联网经营现状和未来发展趋势的分析,本文提出了建设电信物联网开放数据服务体系的构想,并详细设计了物联网数据服务的服务内容和体系框架,针对数据服务体系建设中涉及的关键技术点进行了分析,最后对电信运营商构建物联网开放数据服务体系的策略给出了建议。     

面向物联网的海量高性能分布式系统架构及实现

分析物联网、云计算和大数据跨界融合所带来的新的商业价值以及构建基于客户需求规模、按需付费、安全可信的物联网云化平台的需求,深入分析消息处理、数据存储、应用部署等关键核心技术,结合典型业务提出一种面向物联网的云计算平台的架构和实现方法.该架构采用去中心化设计,具有易于访问、实现、扩展等特性,并构建了一套高效的数据分布式存储框架,在应用层面提出一种解决物联网异构问题的解决方案.