嵌入式内存数据库恢复机制的设计与实现

根据嵌入式系统环境的特点及其恢复需要,提出一种基于逻辑日志的嵌入式内存数据库恢复子系统设计模式。该子系统采用一主两副的节点模式,保证了数据对象恢复时状态与逻辑日志写时状态的一致性。经过验证试验表明该子系统有效减少了日志信息量,缩短了系统的恢复时间,提高了系统的性能。     

内存数据库中空闲页面管理的方法研究

在内存数据库中数据存储的基本单位是页面,空闲页面管理的好坏,直接关系到系统性能的高低.在数据量大和数据组织形式多的情况下,表现尤其突出.针对内存数据库中空闲页面的两种管理方法:可用空间表和位示图法进行了详细的论述,描述了两种不同的数据结构,重点对空闲页面的管理策略进行了讨论,对不同系统选择数据库管理提供了有效的参考依据.     

对非线性规划问题的并行求解与分析

根据非线性规划问题的网格并行运算的要求,在分析非线性最小二乘问题的迭代法的基础上,提出了非线性最小二乘问题的并行迭代法来提高其并行度.然后给出检验函数,使用C MPI语言编写非线性最小二乘问题的并行程序,再将其转换为RSL作业脚本,实时地监控其状态信息,并对返回信息做出分析,证明了并行迭代法的优越性.     

环糊精包合物在食品工业中的应用

介绍了各种环糊精的理化性质及其包合物的制备方法,并且对环糊精在防止食品成分由于光、热和氧气引起的变性,消除食品中苦味和不愉快的气味,螯合食品中的胆固醇和对食品进行保藏作用等方面的应用进行了阐述,表明环糊精在食品工业上具有广阔的发展前景。     

机械化除雪设备的发展及应用——国内推雪板前景展望

在寒冷的冬季,路面积雪结冰会给道路畅通和行车安全带来严重影响,冰雪使路面附着系数大大降低,使汽车打滑制动距离明显延长,甚至刹车失灵,方向失控,从而造成严重的交通事故。因此,为了保障道路畅通和行车安全,避免或减少交通事故,提高道路通行能力和运营的效益,必须采取措施清除路面冰雪。     

基于NodeJS快速构建小型推特系统

推特(Twitter)是一家美国社交网络及微博客服务的网站,是WEB2..0的典型代表.他可以让用户发表不超过140字的字符消息,简称推文(Tweet).推特作为一国外广受欢迎的社交网络和微博客的服务网站,聚合了网络媒体和移动端技术.在推特中可以播报短消息给用户的关注入,同样可以允许你指定哪个你想跟随的推特用户.本文结合实际应用,设计一个基于热门Node.js框架Meteor的小型推特系统.该系统前后端均使用JavaScript语言编写.前端框架使用Foundation6.0.数据库采用非关系型的MongoDB数据库.该系统面向使用者提供发表推文(Tweet)、评论、转播(Repo)、关注(Follow)等功能.     

内存数据库中存储结构的实现机制

内存数据库是外存数据库的"工作版本",它们无论在数据上、结构上等都应该保持一致性.怎么定义内存数据库的存储结构,特别当外存数据库中表的结构发生改变时,内存数据库中表结构的相应改变,都直接影响系统的性能.研讨了内存数据库结构的定义以及实现,并对静态和动态存储结构的机制作了详尽的分析,突出地反映了动态特性.     

股票趋势预测中Wrapper方法的研究与应用

近年来股票市场预测研究一直较受欢迎。大量研究者尝试基于多种数学模型的技术指数及机器学习技术预测股票价格或指数。尽管现有方法展示了较满意的预测成就,但是股票市场是升还是降的预测准确性很少被分析。用Wrap-per方法从由23个技术指标构成的原始特征集中选择最优特征子集,然后用混合不同分类算法的投票法来预测两股票市场的趋势。实验结果表明Wrapper方法比常用的Filter式特征选择算法如χ^2-统计,信息增益,Relief F,对称不确定性,和CFS能有更好的性能。此外,提出的投票法超越单一的分类器如SVM,K最邻近,BP神经网络,决策树和Logistic回归。     

股票趋势预测中Wrapper方法的研究与应用

近年来股票市场预测研究一直较受欢迎。大量研究者尝试基于多种数学模型的技术指数及机器学习技术预测股票价格或指数。尽管现有方法展示了较满意的预测成就,但是股票市场是升还是降的预测准确性很少被分析。用Wrap-per方法从由23个技术指标构成的原始特征集中选择最优特征子集,然后用混合不同分类算法的投票法来预测两股票市场的趋势。实验结果表明Wrapper方法比常用的Filter式特征选择算法如χ^2-统计,信息增益,Relief F,对称不确定性,和CFS能有更好的性能。此外,提出的投票法超越单一的分类器如SVM,K最邻近,BP神经网络,决策树和Logistic回归。