损伤变量在煤层底板开采破坏深度计算中的应用

针对煤层底板破坏深度的计算很少考虑实际存在的采动损伤的现状,以某矿A组煤开采为背景,提出一种基于数值模拟与理论计算的底板岩层损伤变量,进而确定底板破坏深度的方法。通过在该矿工作面巷道特定位置施工井下钻孔,采用并行电法探测技术验证该方法的有效性。结果表明:底板应力在推进至断层附近时达到峰值19.70 MPa,底板岩层等效损伤变量D'=0.79;基于损伤变量计算得出的底板岩层的最大破坏深度为20.27 m,对比井下实测结果,其准确率达到93.32%。研究结果为快速准确地确定底板采动破坏深度提供了一个新思路。     

自适应云资源大块数据对象并行存取方法

对自适应云资源大数据块对象进行并行存取时,由于没有利用数据挖掘理论构建大数据对象的并行存取模型,导致并行存取的时间长、内存占比高、提取正确率低等问题,由此提出自适应云资源大数据块对象的并行存取方法.利用聚类算法对大数据块对象中的数据进行缺失值填充,并将填充后的数据进行分割处理,获取新的数据集;获取大数据块对象的输入层神经元,计算数据采样梯度函数,结合数据挖掘理论构建大数据块对象的并行存取模型;将自适应云资源大数据块对象放入模型中进行自适应寻优处理,以此完成自适应云资源大数据块对象的并行存取.实验结果表明,利用上述方法对大数据块对象进行并行存取时存取时间短、内存占比低、存取的正确率高.     

探讨集群计算机系统的关键技术与应用

计算机作为发展最快的行业之一,推动的整个社会发展的步伐和节奏,而集群计算机系统的诞生,提高了计算机的性能、降低了成本以及提升了资源的利用率。本文通过对集群计算机系统目前发展的现状着手,分析其关键技术与应用,进对提出未来展望。     

一种高速数传接收机的高效维特比译码结构设计

在高速数传接收机中,通常采用并行解调结构,解调后的数据以多路并行的方式送给译码单元,因此对应的译码也需采用相应的结构。本文设计了一种并行的维特比译码架构,降低现场可编程阵列(FPGA)器件的处理速率,以适应高速接收机的应用。     

并行多路径传输过程数据相似性检测仿真

为提高数据传输过程的挖掘效率和原始数据的质量,提出了一种并行多路径传输过程数据相似性检测方法.首先,通过位码代替法计算并行传输过程数据架构的相似度,然后利用优化编译剔除数值化后的公共子代表式,并将其转化成汇编数据.这一过程中,由于传输偏移地址、函数地址、部分跳转指令与立即数存在大量噪声,因此需通过反汇编过程对噪声滤波进行归一化处理,从而构成汇编数据集合,再利用下三角矩阵将传输数据之间的相似度对比转换为储存矩阵之间的相似度对比,并计算矩阵内架构相似度与语义相似度,实现数据相似度检测.仿真结果证明,相比于传统方法,上述方法的数据召回率和检测损耗较小,且相似性检测误差较小,有效性更高.     

网络招聘数据可视化系统的设计与实现

由于新冠肺炎疫情的影响,传统的线下招聘变为线上招聘,求职者的就业压力急剧增大。面对各大招聘网站中的海量信息,如何高效、直观地获取求职者想要的招聘信息是目前研究的热点。本文利用网络爬虫技术获取Boss直聘网的招聘数据,并用PHP设计实现相应的数据可视化系统。实验结果表明,该系统具有良好的扩展性能,在任何网络环境中,均能准确获取数据并显示结果。求职者通过此系统可以全面认识当前行业的招聘现状,对当代大学生的求职就业具有指导意义。     

面向计算机与信息技术基础的计算思维案例设计

分析新疆高校的计算机教学现状,提出将计算思维引入计算机与信息技术基础课程教学,依据典型的计算思维方法进行案例设计,并结合生活中的直观案例进行理解,将无意识的计算思维教学变为有意识的计算思维教学,培养学生的计算思维能力。     

基于爬虫技术的网络负面情绪挖掘系统设计与实现

社交网络的兴起为人们提供了一个新的情感空间,但是在网络中出现心理健康问题的人们通常得不到应有的关注和帮助,甚至受到其他网民的恶意攻击。为便于在网络空间向需要的人群提供及时有效的心理辅导和救助,提出一个基于爬虫技术的网络负面情绪挖掘系统CyberCare。在Scrapy爬虫框架下,对目标网络进行周期性的自动抓取,对网页内容的负面情绪进行度量,并为心理工作者的及时介入提供接口。针对国内数个知名网站的实验结果显示,CyberCare能够将心理工作者的关注范围缩小到网站新帖的千分之一左右,显著提高了工作效率。对于情感类特定版块,实验结果的精度和召回率分别达到60%和80%,显示了该系统的有效性。     

一种基于分层案例的并行教学模式设计与实践

针对程序设计类课程的教学环节与综合实践环节分离,造成理论与实践脱节,学习目标不明确的问题,提出一种基于分层案例的并行教学模式,阐述分层案例库及教学进程的设计,以期支撑综合实践与教学环节的并发运行,保持教学全程的目标一致性,实现对学习目标的准确定位。     

CPU-GPU协同计算在MOC中子输运异构并行计算中的应用研究

特征线方法（MOC）可以精确求解任意几何的中子输运方程，但该方法收敛慢、计算时间长。本研究基于空间区域分解和特征线并行技术，采用MPI+OpenMP/CUDA编程模型，实现了适用于中央处理器-图形处理器（CPU-GPU）异构系统的二维MOC异构并行算法。为充分利用异构系统中的CPU和GPU计算资源，实现CPU-GPU协同计算，提出动态任务分配模型，根据CPU和GPU的计算能力合理分配计算任务。数值验证结果表明:程序具有良好的计算精度；动态任务分配模型能根据硬件性能给出最佳任务分配方案；5异构节点（包含20块GPU）并行时，相对MPI+CUDA并行模式，采用CPU-GPU协同计算后，程序整体效率提升达到14%。