基于Intranet企业经理决策系统数据接口研究

主要针对现代企业Intranet网络管理系统中经理决策支持系统的体系结构和数据接口进行设计研究，提出了应用基于视图和基表的混合数据源模型来设计经理决策支持系统的数据接口技术。     

电子政务体系中一个基于Web的预警系统

在基于统计数据仓库的电子政务系统中,通过决策支持系统DSS的研究和设计,按照决策支持的要求,采用面向对象的方法,将基于Web的用于辅助决策支持的预警系统分为方法层,模型层和应用层三个层次.本文通过对电子政务体系决策支持系统中的各层次定义和功能介绍,为电子政务中决策支持系统的建立提供了理论基础和实践依据,并实现了一个基于Web的预警系统原型.     

Web Agent中的对象逻辑知识库技术

Web Agent技术是近年来互联网领域研究的热点。以国防科研项目“基于multi-Agent的分布式决策支持系统”及其后勤保障应用为背景,介绍了一个基于语义Web与Web服务的多Agent系统,并通过后勤保障原型应用实例描述了对象逻辑知识库的构造。     

基于信息挖掘与推拉技术的IDSS的研究

该文在分析传统的决策支持系统所存在问题的基础上,提出了新一代基于信息挖掘与推拉技术的智能决策支持系统,概述了该系统中所使用的基于双库协同机制的KDD技术、Web内容挖掘技术、Web用户访问信息挖掘技术及信息推-拉技术等。     

基于Web方式决策支持系统访问控制机制的设计与实现

介绍了基于角色的访问控制模型，并针对基于Web方式的决策支持系统的安全问题，通过分析某银行经营决策支持系统的特点以及对信息安全访问的具体要求，讨论了一种基于角色的Web应用系统访问控制机制及其特点和优势，并阐述了在Java平台下该机制的一种实施方案。     

基于Web的决策支持系统的设计和实现

利用面向对象技术编写数据仓库访问组件 ,并与Web技术紧密结合 ,实现基于Web的决策支持系统     

网格技术在决策支持系统中的应用

网格是继Internet和Web之后的第三个信息技术浪潮,它给决策支持系统的研究带来了新思路。本文讨论了网格技术及其开放网格服务体系结构,提出了一种新型的基于网格的开放式决策支持系统。该研究不但具有重大的理论意义,而且具有较高的应用价值。     

商业智能在电力公司决策支持系统的研究与应用

基于最新的SAS AppDev Studio 3.0提供的新功能与新特性的基础上,提出了一种使开发人员基于SAS9.1快速开发商业智能应用的模式。加快基于SAS BI平台的Web应用的开发。并使用这些技术设计实现了六安电力公司的决策支持系统。     

基于DCOM技术的Web统计图形研究及实现

结合防汛决策支持系统的实际需求，给出了基于Web的信息系统中动态输出统计图形的几种方案，并重点探讨了基于DCOM技术的Web统计图形的实现原理．     

基于Web Services的模型库系统开发研究

在分析了当前模型库系统普遍存在的问题的基础上,阐述了基于Web Services的模型表示方法,提出了基于Web Services的模型库管理系统框架,为充分利用Web Services技术跨平台的互操作和松耦合优势构建决策支持系统的模型库提供了一种可行的方法。     

基于UML技术的空间基础数据库设计与实现

设计合理的空间基础数据库不仅能提高整个空间数据操作时的性能和效率,而且还可以减少后期的维护修复工作,使整个空间基础数据运行的更加快捷,需要对空间基础数据建立数据库;当前的空间基础数据库设计方法采用ArcSDE数据引擎对空间基础数据进行不断地更新调整,再利用多源空间数据格式转换的技术对空间基础数据库进行设计,存在空间基础数据运行时速度缓慢,计算精度低的问题;为此,提出了一种基于UML技术的空间基础数据库设计方法;该方法首先在空间基础数据库设计中建立空间基础数据索引结构,利用R-树族构建空间基础数据索引树,依据空间基础数据索引树,扫描索引空间基础数据,过滤掉不满足查询条件的空间基础数据对象,使空间数据查询结果可以在额定时间内获得,然后采用空间基础数据点、数据线、以及由数据线组成的区域、一组区域、空间基础数据网络的详细存储方式对空间基础数据进行存储,利用MongoDB驱动程序对矢量空间数据进行存储存储,最后通过对空间基础数据库索引、查询、存储等设计实现了空间基础数据库的建立;仿真实验结果证明,所提方法提高了空间基础数据的建库速度,减少了数据运行的时间,提升了空间基础数据的利用率。     

基于深度学习的数据融合方法研究综述

数据融合是最大程度发挥大数据价值的关键,深度学习是挖掘数据深层特征信息的技术利器,基于深度学习的数据融合能够充分挖掘大数据潜在价值,从新的深度和广度拓展对世界的探索和认识。综述了近几年基于深度学习的数据融合方法的相关文献,以此了解深度学习在数据融合中应用所具有的优势。分类阐述常见的数据融合方法,同时指出这些方法的优点和不足。从基于深度学习特征提取的数据融合方法、基于深度学习融合的数据融合方法、基于深度学习全过程的数据融合方法三个方面对基于深度学习的数据融合方法进行分析,并做了对比研究与总结。总结全文并讨论了深度学习在数据融合中应用的难点和未来需要进一步研究的问题。     

QAR数据仓库在Hive中的构建

分析QAR数据是一种非常有效的监控飞机状态的方法。但随着民航领域的快速发展,QAR数据的规模急剧增大,现有基于关系型数据库的QAR数据仓库不足以支撑海量数据下的存储与分析,导致海量的QAR数据因无法处理变成了信息垃圾。因此,针对现有数据仓库的不足,提出基于Hive的QAR数据仓库。通过对Hive特点及QAR数据结构分析,设计了基于Hive的QAR数据仓库的总体架构和存储结构。通过将现有数据仓库中的数据移植到基于Hive的QAR数据仓库,实现了对已有数据仓库的兼容。实验结果表明基于Hive的QAR数据仓库在面对QAR数据剧增的情况下,处理所需时间依然保持着线性增长。     

图依赖研究与应用综述

图依赖是用于解决图数据的数据一致性问题的数据质量规则。基于图依赖提升数据一致性的过程通常分为图依赖定义与形式化、图依赖自动挖掘、基于图依赖的数据一致性提升三步。介绍了针对数据一致性的图依赖理论,并根据拓展类型将图依赖分为基于结构约束拓展、基于语义约束拓展和基于外部约束拓展的图依赖;综述并对比了从图数据中自动挖掘图依赖及其拓展的算法;分析了应用图依赖提高数据一致性的研究现状;总结了当前研究中仍存在的问题,并依据问题展望了图依赖在数据质量领域的应用前景。     

基于ARIMA和QoS的云服务选择算法研究

为了进一步分析QoS历史数据的动态变化,对现有的基于QoS历史数据的云服务选择算法进行了改进。将原算法中每一时间段的评价指标权重由QoS历史数据平均值获得,修改为由该时间段对应的QoS历史数据获得,更能发挥历史数据的动态性。使用时间序列预测ARIMA模型对原QoS历史数据进行预测,把预测结果并入原数据集形成新的数据集,在新数据集上进行服务选择。设计了三个模型递进地进行实验分析,通过对比实验结果验证了改进算法的性能效果。     

基于时空数据分类的用户社交联系学习*

按照时空数据模型对时间和空间的表达方式,将时空数据模型分为基于时间的时空数据模型和基于空间的时空数据模型。本文提出了一种新的基于时空数据预测用户社交联系的模型,该模型将基于时间的时空数据集的特征和基于空间的时空数据集的特征进行融合,来预测用户社交联系。实验结果表明基于时间与空间特征融合的时空数据模型能更好地预测用户的社交联系。     

基于深度学习的三维数据分析理解方法研究综述

基于深度学习的三维数据分析理解是数字几何领域的一个研究热点.不同于基于深度学习的图像分析理解,基于深度学习的三维数据分析理解需要解决的首要问题是数据表达的多样性.相较于规则的二维图像,三维数据有离散表达和连续表达的方法,目前基于深度学习的相关工作多基于三维数据的离散表示,不同的三维数据表达方法与不同的数字几何处理任务对深度学习网络的要求也不同.本文首先汇总了常用的三维数据集与特定任务的评价指标,并分析了三维模型特征描述符.然后从特定任务出发,就不同的三维数据表达方式,对现有的基于深度学习的三维数据分析理解网络进行综述,对各类方法进行对比分析,并从三维数据表达方法的角度进一步汇总现有工作.最后基于国内外研究现状,讨论了亟待解决的挑战性问题,展望了未来发展的趋势.     

基于模分量的同态加密方法研究与应用

随着云计算的发展,海量数据的处理正逐渐从用户本地转向云服务器,然而数据本身可能携带大量用户隐私,且一旦用户将数据上传至云服务器,就失去了对数据的完全掌控能力,该类数据一旦被非法获取,用户身份、行为、偏好等各类隐私就可能被暴露。因此,如何保证在不暴露原始数据的情况下让受委托的云服务器在密文下执行运算成为一个重要的研究课题。本文基于密码学和计算机视觉相关理论,针对隐私数据安全处理的问题,以模分量的同态性质为基础设计了两种加密方法,分别为基于混淆模分解的同态加密方法和基于密模聚合的同态加密方法,并给出了安全性分析。并将这两种方法应用于视觉盲计算领域中,实现计算方在无需获取任何原始数据有效信息的密文条件下,完成对数据的盲处理,实现了数据的可用不可见。实验结果表明,基于密模聚合模同态加密的运动目标盲提取方法,在多数测试场景中能在不降低原始算法准确率的前提下,在时间效率上明显优于基于混合高斯模型的运动目标盲提取和基于多服务器秘密共享的前景提取等方法;基于混淆模分解同态加密的人脸盲检测方法,能在不降低原始人脸检测算法识别的准确率前提下,实现视频监控人脸的盲检测,且检测速度大幅度快于基于随机子图的隐秘...     

基于多视图半监督学习的人体行为识别

由于人的行为在本质上的复杂性,单一行为特征视图缺乏全面分析人类行为的能力.文中提出基于多视图半监督学习的人体行为识别方法.首先,提出3种不同模态视图数据,用于表征人体动作,即基于RGB模态数据的傅立叶描述子特征视图、基于深度模态数据的时空兴趣点特征视图和基于关节模态数据的关节点投影分布特征视图.然后,使用多视图半监督学习框架建模,充分利用不同视图提供的互补信息,确保基于少量标记和大量未标记数据半监督学习取得更好的分类精度.最后,利用分类器级融合技术并结合3种视图的预测能力,同时有效解决未标记样本置信度评估问题.在公开的人体行为识别数据集上实验表明,采用多个动作特征视图融合的特征表示方法的判别力优于单个动作特征视图,取得有效的人体行为识别性能.     

基于TinyOS的多跳式传感器网络

针对城市环境大气污染的监测,设计一种基于TinyOS的多跳式传感器网络。该网络采用层次化结构,基于TinyOS操作系统,实现传感器网络的多跳式通信。为对大气污染数据进行分析,将一种分布式k-mean聚类算法应用于该传感器网络的数据挖掘。仿真实验表明,该系统能有效地实现数据的多跳传输和分布式数据挖掘。