跑车笔记本电脑三代面世 海尔3D体感笔记本电脑

3月28日,北京汽车博物馆,传承"赛车动力,跑车灵魂"的海尔经典跑车笔记本电脑T6-3全线升级亮相。据悉,T6-3是全球首款搭载3D体感2.0技术的顶级跑车笔记本电脑,不仅外观炫酷,采用了动感跑车造型和奢华炫钢工艺,     

数据经济

毫无疑问,信息革命是第三次工业革命的核心。信息革命是在科技一体化和科技非线性发展新形势下掀起的一场革命,既是科技革命也是产业革命,信息技术革命创造了海量信息,并且在创造海量信息的同时,也创造出了一个与物质世界相互映射的数据世界。因为信息的本质是数据,是海量的数据集合。随着物联网的普及,     

网络招聘,突破信息困局放眼O2O

未来谁能占据互联网技术信息匹配的源头,真正让O2O在招聘网站效益最大化,才是占据招聘主流的关键。近日,上海金融联合会拟在今年推动多项揽才及人才培训计划。今年将继续利用网络视频招聘会的形式,分别面向海外和校园应届生招揽不同类型的金融人才。利用网络视频进行招聘,     

LSI AIS峰会变大数据挑战为机遇

LSI公司近日宣布,在美国召开第五届加速创新年度峰会(AIS)。个人和企业使用越来越多的设备在网上做更多工作,共享更多内容,这个现象不仅形成了数据大爆炸,同时给数据中心、移动网络和设备提出了前所未有的挑战。为期两天的峰会汇聚了众多富有远见的业界人士、技术专家和商业领袖,共同探讨如何应对数据大爆炸带来的巨大变革。就IT基础设施供应商及其最终用户应该如何把握海量数据所带来的巨大商机这一问题,本次峰会为数据中心和移动网络工程师及架构师带来了很多全新观点。     

一种基于分布式并行模型的海量机载LiDAR点云数据快速滤波方法

机载Li DAR点云数据是遥感大数据的重要组成部分,基于单机的处理算法已经无法满足海量点云数据处理的要求。首先,针对现有单机多级移动曲面拟合滤波算法存在粗差和拟合曲面精度不高的问题,提出适合海量机载Li DAR点云数据滤波的多级多窗口移动曲面拟合滤波算法(WHMCFA);其次,设计并实现基于MapReduce的PWHMCFA并行滤波算法;最后,实验证明这种并行滤波算法在保证精度的前提下实现了海量机载Li DAR点云数据的快速滤波。     

基于Web services的WebGISVisA体系结构研究与实现*

针对目前网络地理信息系统体系结构难以实现Internet环境下的异构空间信息的互操作问题,深入分析其主要原因,在对现有网络地理信息系统的三层体系结构进行深入分析的基础上,提出一种基于Web services的网络地理信息系统体系结构(Web-based geographical information services visualization architecture,WebGISVisA).WebGISVisA体系结构通过Web services对各个地理信息系统组件进行包装,实现各个组件的跨平台操作,从技术上使得客户端和服务端达到了负载平衡,完成了WebGIS三维的虚拟现实,实现了在Internet下空间数据互操作和跨平台的功能,最大限度地达到数据共享.     

面向高效检索的多源地理空间数据关联模型

地理空间信息往往包含矢量数据、栅格数据和文本描述信息,这些信息之间通常相互联系.如何快速、全面检索和定位这些相关联的信息,是地理空间信息应用中的新需求.为提高地理空间数据检索和分析的性能,该文提出一种面向高效检索的多源地理空间数据关联模型MSGCM.该模型通过提取多源地理空间数据空间信息、语义描述信息、内容描述信息及其关联关系,构建特征要素图,并基于关联模式将多源地理空间对象融合到统一空间中.通过计算不同对象之间的关联强度,构建类似图的关联模型.为提高模型构建效率,提出了一种基于特征索引的分块构建方法.与已有方式相比,MSGCM模型可以有效支持多源地理空间信息的关联,进而能够支持地理空间信息查询、分析及综合展现等多种地理空间应用.实验及分析表明,MSGCM可以有效提高多源地理空间信息关联检索结果的多样性,并具备一定的可扩展性.     

面向CCSDS协议的未知协议逆向工程

空间数据系统咨询委员会(CCSDS)标准协议是国际主流的空间天地链路通信协议,面向CCSDS协议的未知协议逆向工程,可以对卫星天地链路中的未知通信流进行行为分析,也有助于发现和分析针对空间站等国际联网实体的攻击。设计了一种CCSDS协议框架下的未知协议逆向工程分析系统,主要包括系统的架构设计和流程设计。针对该流程中未知协议会话报文字段的迭代式进化树聚类所导致的算法开销过大问题,提出了一种基于反馈型动态豫迟因子的仿射传播聚类算法。仿真实验结果表明,该算法相比通常的非权算术平均聚类算法可以有效提高针对未知协议的逆向工程效率。     

Hadoop云平台下的聚类算法研究

为了解决在面对海量数据时机器学习算法很难在有效时间内完成规定的任务,并且很难有效地处理高维度、海量数据等问题,提出了基于Hadoop分布式平台的谱聚类算法并行化研究。利用MapReduce编程模式,将传统的谱聚类算法进行重新编写;在该平台上用Canopy算法对数据进行预处理,以达到更好的聚类效果。实验结果表明了设计的分布式聚类算法在加速比等方面有良好的性能,并且在数据伸缩率方面效果明显,改进后的算法适合处理海量数据。     

海量数据离散化算法的并行设计与实现

连续属性的离散化是机器学习和数据挖掘的重要预处理步骤,如何高效处理海量数据连续属性离散化已成为急需要解决的问题。近年来兴起的Hadoop技术能够有效处理基于海量数据的应用。为此,设计和实现一种基于MapReduce编程模型的连续属性离散化并行算法,并给出算法设计的方法和策略。在保证离散效果的情况下,使用不同大小数据集在不同节点的集群环境下的实验结果表明,所设计的并行离散化算法具有较高的执行效率和较好的可扩展性,适合用于海量数据的快速离散化处理。