模糊聚类分析在舰载无源多传感器系统数据相关中的应用

分析了无源多传感器系统中数据相关的特点,详细论述了利用“时间滑窗”技术和“模糊聚类分析”算法进行无源多传感器系统数据相关的原理,并利用可信区间估计理论检验传感器测量值的偏差,进行最优融合,在一定程度上解决了无源多传感器系统数据相关的难点。     

基于数据可视化的农民工异地医疗分析系统

如今各个领域的数据展示中都广泛应用数据可视化技术,特别是在Web应用方面,各种类型的网站都在使用数据可视化技术丰富和美化页面,从而吸引用户的眼球。然而,数据可视化技术是一个涉及到多种学科和技术的交叉领域,研究人员很难掌握所有相关的知识。随着Web2．0时代的到来,大量可视化组件的研发解决了这个问题,使得可视化技术的应用更加得心应手。在讨论数据可视化概念的基础上介绍了农民工异地医疗数据分析系统及系统中数据可视化的应用,并描述了系统中运用的可视化组件及实现方法。     

关于实时数据采集系统优化设计中Lab VIEW技术的融入

Lab VIEW是基于图形编译语言形成的仪器软件开发技术,该技术具有数据的采集、数据分析、数据处理等功能,在实时数据采集系统优化设计中,将Lab VIEW技术应用其中,可以有效的提升系统的性能。为此本文,针对实时数据采集系统优化设计中Lab VIEW技术的融入,以及相关的内容进行分析研究。     

基于XML的RFID数据集成研究与实现

文中简单介绍了RFID技术及其相关标准,阐述了RFID中间件作为RFID向企业级应用集成的数据存储特点,并针对RFID数据的存储进行了详细分析,提出以XML技术为媒介存储RFID数据向企业应用数据集成的设计思想和实现方法解决了RFID系统向企业级应用集成中数据存储共享的问题。     

大数据智能存储系统的研究与设计

随着互联网的快速普及和发展,电子政务、电子商务等信息化系统在使用过程中已经积累了海量数据资源,我们进入了大数据时代.海量数据资源存储在不同的区域,为了提高数据的利用效率,改进用户访问命中率,本文针对大数据智能存储系统进行研究,该系统包括元数据管理、数据估值、动态迁移控制等多个功能,分析了系统应采用的关键技术,通过数据分类技术、数据放置技术和数据迁移技术,实现数据的动态分类和在线迁移,提高大数据时代的利用率.     

智慧校园数据平台架构及数据治理系统设计

高等院校内部数据信息较为庞大,当前很多高校通过在"智慧校园"的建设过程中引入数据平台来管理数据信息,取得较好效果。针对高校数据管理中存在的诸多问题,着眼提高数据管理的质量和效益,文章提出在数据平台架构中融入数据治理系统的设计理念。首先构建智慧校园数据平台的总体框架,对数据平台中的数据治理系统的功能要素进行设计。然后,着重阐述数据预处理模块的相关功能和实现方法。最后,从数据质量标准的角度说明通过数据预处理来提高数据质量的方法。     

大数据技术在智慧城市中的应用

现阶段,各地正积极推动智慧城市建设。智慧城市的特征包括信息共享、系统协同以及智能响应。为实现上述特征,城市各类信息需要汇聚集中,综合处理,实现有效利用。然而城市中的数据具有多源、异构和海量的特征,传统的信息处理技术在面对这类数据时显得力不从心。大数据及相关技术却能有效地解决这些问题。本文介绍了大数据相关技术及其在智慧城市中的应用。     

我国数据要素市场培育进展与趋势

数据要素市场建设是一项长期、系统的复杂工程。在相关政策和机制的加速完善过程中,数据要素市场培育相关的产业实践不断深入,取得了一定的积极进展,但仍面临着数据供需不充分、流通规则不完善、配套支撑不健全等瓶颈和阻碍。随着数据基础制度的加快落地,我国数据要素市场有望从强化公共数据供给应用、加快构建数据交易流通规则体系、完善数据要素市场生态等方面继续突破。     

高校业务系统数据集成研究与应用

高校各业务部门大多拥有独立的管理系统,但是由于建设时间、数据标准等不一致,数据难以共享。数据集成是实现业务系统数据共享的有效手段,通过研究数据共享集成的相关技术,结合业务系统实际数据,统一数据标准和数据交换规范,利用数据共享平台和数据集成工具,实现高校业务系统的数据融合和共享。     

CTI技术分布式实时防伪系统研究

对现有的各种防伪技术进行了分析比较,讨论了这些技术各自的优缺点,并在此基础上提出并实现了一种基于先进CTI技术的分布式网络实时同步防伪查询系统。该系统在具有快速连接、安全验证和双向反馈等功能的软件模块支持下,进行各节点间的实时数据同步,保证系统的数据实时性和一致性。着重探讨了系统在安全性上的突出优势、系统的可行性以及实现系统所包含的技术要求和相关的实施技术环节等。目前,该技术的研究成果已经在一些应用项目中得到很好地验证和使用。     

DDC-OMDC: Deadline-based data collection using optimal mobile data collectors in Internet of Things

Mobile data collectors (MDCs) are very efficient for data collection in internet of things (IoT) sensor networks. These data collectors collect data at rendezvous points to reduce data collection latency. It is paramount to determine these points in an IoT network to collect data in real time. It is important to consider IoT network characteristics to collect data on a specific deadline. First, the disconnected IoT sensor network is a real challenge in IoT applications. Second, it is essential to determine optimal data collection points (DCPs) and MDCs simultaneously to collect data in real time. In this study, Deadline-based Data Collection using Optimal Mobile Data Collectors (DDC-OMDC) scheme is proposed that aims to collect data in a disconnected network with the optimal number of mobile data collectors in a specific deadline for delay-intolerant applications. DDC-OMDC works in two phases. In the first phase, the optimal number of MDCs is determined to collect data at the optimal data collection points to guarantee one-hop data collection from each cluster. The optimal mobile data collectors are determined using optimal DCPs, data collection stopping time, and a specific deadline. In the second phase, the optimal data collection trajectory is determined for each MDC using the nearest neighbor heuristic algorithm to collect data in real time. The simulation results show that the proposed scheme outperforms in collecting data in real time and determines optimal mobile data collectors and optimal data collection trajectory to collect data in a specific deadline for delay-intolerant applications.     

基于知识图谱的安防数据中台智能化研究与应用

传统安防数据平台存在数据组织形式单一、数据管理困难、难以适用于复杂应用场景等问题。如何做好数据源管理,理清数据源之间的关系,有效利用数据价值,成为安防领域的迫切需求。本文设计了基于知识图谱的安防数据中台构建方法,利用知识图谱强大的实体描述、语义处理和互联组织等能力,将安防数据以接近人类思考的模式组织起来,并结合数据中台具备打通安防行业固有多业务系统之间的数据壁垒、融合各业务系统产生的多源异构数据的特性,对传统的安防大数据平台进行了形式重组和架构优化。实现从数据采集、数据管理、数据分析、数据应用的全生命周期高效管理,有效的提升了智能化安防水平。     

基于大数据技术的IT运维数据管理系统构建方法

随着各种信息系统的建设和应用的不断深入,信息系统所产生的监控数据成级数增长,海量运维数据的有效存储与实时分析处理成为企业所面临的新挑战。为此,文中提出了基于大数据技术的IT运维数据管理系统解决方案,该方案从逻辑上将数据管理系统分为数据集成、数据存储、数据计算、数据访问4层,层与层之间既独立又协作,充分发挥大数据技术在数据存储、并行计算、大规模数据分析挖掘等方面的优势,为信息中心海量数据的储存提供了高效的处理能力和统一的数据管理模式,并全面支撑数据分析的应用,促进智能运维的建设。     

Validity as a Measure of Data Quality in Internet of Things Systems

Data quality became significant with the emergence of data warehouse systems. While accuracy is intrinsic data quality, validity of data presents a wider perspective, which is more representational and contextual in nature. Through our article we present a different perspective in data collection and collation. We focus on faults experienced in data sets and present validity as a function of allied parameters such as completeness, usability, availability and timeliness for determining the data quality. We also analyze the applicability of these metrics and apply modifications to make it conform to IoT applications. Another major focus of this article is to verify these metrics on aggregated data set instead of separate data values. This work focuses on using the different validation parameters for determining the quality of data generated in a pervasive environment. Analysis approach presented is simple and can be employed to test the validity of collected data, isolate faults in the data set and also measure the suitability of data before applying algorithms for analysis. On analyzing the data quality of the two data sets on the basis of above-mentioned parameters. We show that validity for data set 1 was found to be 75% while it was found to be 67% only for data set 2. Availability and data freshness metrics performance were analyzed graphically. It was found that for data set 1, data freshness was better while availability metric was found better for data set 2. Usability obtained for data set 2 was 86% which was higher as compared to data set 1 whose usability metric was 69%. Thus, this work presents methods that can be leveraged for estimating data quality that can be beneficial in various IoT based industries which are essentially data centric and the decisions made by them depends upon the validity of data.

     

智慧城市数据中台设计与应用

随着城市信息化水平的不断提升,智慧城市建设应运而生。为解决智慧城市领域数据孤立、利用率低、分析指标零散的问题,设计了数据中台系统。通过设计数据抽取、数据加工、数据共享的服务架构,实现了数据中台的数据共享与交换。结合智慧楼宇的具体业务,设计数据分层架构和数据分析模型,验证了数据中台的可行性。数据中台系统可以深入地挖掘数据价值,提升业务数据服务水平,引领智慧城市业务向深层次发展。     

An Efficient Approach for Big Data Aggregation Mechanism in Heterogeneous Wireless Connected Sensor Networks

Recently and due to the impressive growth in the amounts of transmitted data over the heterogeneous sensor networks and the emerged related technologies especially the Internet of Things in which the number of the connected devices and the data consumption are remarkably growing, big data has emerged as a widely recognized trend and is increasingly being talked about. The term big data is not only about the volume of data, but also refers to the high speed of transmission and the wide variety of information that is difficult to collect, store and process using the available classical technologies. Although the generated data by the individual sensors may not appear to be significant, all the data generated through the many sensors in the connected sensor networks are able to produce large volumes of data. Big data management imposes additional constraints on the wireless sensor networks and especially on the data aggregation process, which represents one of the essential paradigms in wireless sensor networks. Data aggregation process can represent a solution to the problem of big data by allowing data from different sources to be combined to eliminate the redundant ones and consequently reduce the amounts of data and the consumption of the available resources in the network. The main objective of this work is to propose a new approach for supporting big data in the data aggregation process in heterogeneous wireless sensor networks. The proposed approach aims to reduce the data aggregation cost in terms of energy consumption by balancing the data loads on the heterogeneous nodes. The proposal is improved by integrating the feedback control closed loop to reinforce the balance of the data aggregation load on the nodes, maintaining therefore an optimal delay and aggregation time.

     

随机森林在运营商大数据补全中的应用

电信运营商有大量数据,但是鉴于多种原因,数据的质量不够理想,出现大量数据不完整甚至缺失。对于已有数据的挖掘,必须在数据满足质量要求且达到足够采样比例的前提下开展。依托现有的全国日志留存系统,设计完整数据的模板样库,鉴别不能满足质量要求的数据,使用随机森林算法,找到最符合的相同或相关数据,补全数据并提升数据质量;用回溯反馈的方法优化并扩充模板样库。在全国日志留存系统中构建数据补全子系统,实现端到端的数据质量保障和提升,补全并改善历史数据甚至实时数据的质量,最终满足数据处理和挖掘的要求,提升运营商数据质量和价值。     

基于模糊门限的分布式数据存储系统

如何在高速发展的网络环境下构建大规模、高性能、高可靠性及高可扩展性的分布式存储系统,是分布式存储技术面I临的新发展课题。利用Shamir门限方案分割秘密方法的重要思想对共享数据进行分割,并将得到不同的份额再根据模糊数学中的隶属度来构造出子数据集,而后将子数据集分发给各参与者进行存储,根据用户的需要进行数据恢复。核心是把分割生成的子数据扩充生成子数据集,以此来增强数据恢复的可靠性。     

数据交换平台中异构数据转换技术的研究

为了有效地解决数据交换时数据表示的通用性问题,使得数据在不同的业务系统间都能够被识别,本课题采用调查研究和文献研究相结合的方法,首先对淮北矿业集团各业务系统数据库中数据表进行统计和分析,重点分析了需要转换数据的类型和逻辑关系,总结出其所有数据转换的逻辑关系,然后参考现有文献资料中提出的数据转换模型,最后制定出有独创性的数据源标准和数据映射标准。并采用通用的数据描述语言——XML(eXtensive MakeupLanguage)将其主要部分表示出来。该数据标准有着数据表示范围超越数据表、数据转换的静态模型和动态模型相结合、数据表示和实体数据库相分离等特点。通过项目实践,证明了该标准能够解决数据表示的通用性问题,能够实现了数据在不同业务系统之间识别与转换。     

基于单片机控制的高速数据采集与处理系统研究

针对现有单片机的数据处理速率较低不利于高速数据采集与处理的问题,文中研究并设计基于单片机控制的高速数据采集与处理系统。在数据采集方面,使用A/D高速采样芯片实现高速数据采集。为满足高速数据处理与存储的需要,文中使用PC终端的IDE接口硬盘作为系统的存储装置。另外,为协调数据采集与数据处理过程,使用单片机核心控制模块控制高速双口RAM实现高速数据缓存排队,从而实现数据从A/D采样芯片到IDE硬盘的高速无损传输。该高速数据采集与处理系统在数据采集、处理方面更加集成化,具有较高的工程应用价值。