关于大数据在铁路物流中的应用研究

数据已经成为国家基础性战略资源,对全球生产、流通、分配、消费活动以及经济运行机制、社会生活方式和国家治理能力都产生了重要影响.随着铁路信息化建设和铁路货运改革,如何有效利用铁路货运的海量数据成为推进铁路物流发展重要课题.本文阐述了大数据的发展情况,铁路大数据应用现状及存在的问题,以及大数据技术在铁路物流中的应用需求和场景分析.     

移动通信业大数据分析技术特点及发展展望

从整体上讲,大数据具有海量性、复杂性和多样性特征.大数据是计算机网络发展的必然结果,正确的分析大数据对企业决策,企业发展具有积极作用.研究大数据具有重要意义,目前,大数据已经成为业界研究的主要课题,笔者仅对其特点和未来发展趋势进行了分析.     

大数据时代环境下数据库的发展趋势与影响

现在全球进入大数据时代,数据挖掘与数据云计算被越来越多的人所重视,如何在海量异构的数据中迅速提取有价值有意义的数据模型成为研究重点,作为大数据时代的基础,数据库的发展出现了新的趋势。     

大数据时代浪潮的“弄潮儿”——客服数据集市

进入2013年,海量的数据正在迅速膨胀并变大,它决定着企业的未来发展,虽然现在企业可能并没有意识到数据爆炸性增长带来的问题的隐患,但是随着时间的推移,人们将越来越多的意识到数据对企业的重要性。面临海量数据的挑战大数据(bigdata)是时下非常热门的话题,大数据是用来描述和定义信息爆炸时代产生的海量数据。大数据的发展能够为人们获得更为深刻、全面的洞察能     

基于大数据的研究

在知识大爆炸的信息时代,每天生活生产中都产生海量的数据,如何通过数据挖掘技术从这些海量数据中挖掘出具有巨大商业价值的信息并且推动信息产业变革,已经成为当今研究热点。本文对大数据进行详尽的文献调研,主要对大数据的产生背景、大数据含义、大数据特点和大数据的应用进行了研究,并对大数据的研究意义和大数据在应用实施过程中存在的问题进行了分析,最后对大数据在应用实施过程中存在的问题给出了一些建议。     

海量数据存储管理方法的研究

随着现代技术的发展,对数据资源的需求逐渐增多,对数据库规模、容量、性能等方面的要求也不断提高,如何提高数据库性能和效率,优化海量数据的存储,已成为一个研究课题。以优化海量数据存储为出发点,对海量数据存储原则、存储设计和实现进行了探索,提出海量数据查询的具体优化方法,对海量数据库的管理方法进行了研究。     

浅谈大数据时代的数据分析与挖掘

信息技术的发展给人们的生活带来了巨大的便利,但是互联网、物联网现代物流等业务的发展带来了海量的信息,这使人们的数据收集、储存和分析应用都带来了困难."大数据"概念在2011年被提出,通过对大数据的分析和挖掘可以对海量的数据进行利用,是目前研究的重要课题.本文对大数据的分析和挖掘方法进行了分析,并探讨了大数据分析挖掘体系建设的原则.     

面向媒体融合的海量异构数据一致性表示算法研究

随着信息技术的发展,急需处理海量异构数据的方法。面对媒体融合的需求,海量异构数据的一致性表示成为一个关键问题。本文首先对媒体融合、海量异构数据一致性表示的必要性进行了讨论,随后对海量异构数据一致性表示的主要步骤进行了介绍,并详细介绍和分析了一致子空间学习和多模态结构化一致索引这两个主要步骤,最后对面向媒体融合的海量异构数据一致性表示进行了总结与展望。     

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.     

分布式大数据管理系统的设计与实现研究

社会高速发展的同时,数据也呈现爆炸式的增长,传统的数据库管理系统已经无法满足海量数据的存储需求。云存储技术成为一种新的数据存储方案,在Hadoop分布式系统的基础个,提出了一种基于云计算环境下的分布式大数据管理系统,为海量的文件存储与处理提供平台。对云计算大数据存储系统进行功能分析,同时还对大数据管理系统的框架进行设计,最后通过实验的方式验证了分布式大数据管理系统相比于其他方式的管理系统,处理的速度更快,存储时间更短,存储效率更高。     

浅谈基于Hadoop平台的大规模数据排序

据IDC统计,2011年全球处理的数据量达到1.8 ZB,预计到2020年达到40 ZB.如何对海量数据进行高效分析和有效管理已成为大数据时代亟需解决的问题之一.商业数据、科学数据和网页数据这3类海量数据的异构性(充满着非结构化、半结构化和结构化数据)进一步增加了海量数据的处理难度.海量数据排序是海量数据处理的基本内容之一.Hadoop曾利用3 658个节点的集群在16.25小时内完成1PB数据的排序,获得Daytona类GraySort和MinuteSort级别的冠军.本文在设计层面上对Hadoop平台上海量数据排序策略进行分析.     

开放平台为大数据落地的最佳载体

海量的数据规模(volume)、快速的数据流转和动态的数据体系(velocity)、多样的数据类型(variety)以及巨大的数据价值(value),IDC定义了当前大数据的四大特征。其中巨大的数据价值所带来的可观市场机遇,正吸引着企业纷纷聚焦这一热点领域,从趋势展望、应用讨论到服务落地,大数据已然成为企业掘金的新蓝海。在近期,英特尔便在北京举办了主题为"芯动大数据、智领大机遇"的大数据论坛,同时在英特尔看来,这也是其在中国开始全面支持大数据技术、产业和应用发展的标志。     

“大数据”时代的计算机信息处理技术

随着科技的快速发展,计算机网络也在不断进步,并随之出现海量的数据信息。现如今,已经从数据时代逐渐转为大数据时代。这种形式的变化给计算机信息处理技术带来一定的难度,当今的计算机信息处理技术很难满足海量数据处理的需求,再加上海量数据容易获取,使数据存在一定的安全隐患。文章从计算机信息处理技术以及大数据的概念出发,对大数据时代下计算机信息所面临的机遇与挑战进行分析,最后对大数据时代下计算机信息处理技术的发展方向进行了探讨。     

基于MapReduce模式的大数据分布式计算态势分析

分布式计算技术的发展导致互联网中积聚了一定的信息,如何对这些一定数据展开搜集、筛选以及处理成为一个关键的课题。在此背景下,简单易用的MapReduce已经成为目前专门处理海量数据的、具有高可靠性的、分布式的方式。在大数据背景下,本文以MapReduce计算模式的发展态势为研究对象,着重分析了该模式下的国内外研究现状,并且展望了该领域的发展态势。     

大数据,广电必须写好的大文章

1.大数据时代来临大数据(bigdata),指的是所涉及的资料量规模巨大,在合理时间内达到撷取、管理、处理,并整理成为帮助企业经营决策更积极目的的资讯。随着互联网技术的发展、全媒体环境的全面爆发,"大数据"成为新的时代主题词。海量级的数据催生了海量数据的搜集、存储、管理、分析、挖掘与运用的全新技术体系,并利用这些技术服务于各行各业。在2011年全球数据使用量已达到了1.8ZB(1ZB约为1PB的100万倍)。据IDC的统计,全球数字信息在未来几年将呈现     

优化“数据备份”确保大数据通信畅通

随着大数据、云计算时代的发展,产业格局正在重塑,面对移动互联网企业的竞争,传统电信运营商面临管道化等海量的大数据通信业务的挑战.如何转变传统运营方式,如何提供新型的信息服务,使数据成为电信运营商开展移动互联网业务的核心优势资产,成为了电信运营商发展的焦点.本文从大数据通信时代对数据库“数据备份”等功能安全可靠的要求,对提升“数据备份”功能的策略和维护进行了优化,以确保大数据时代通信畅通无阻.     

基于大数据的通信网络规划方法研究

计算机、物联网、云端技术的发展,导致大数据技术成为现实社会分析复杂问题可行性的基本方法。而通信网络规划伴随海量数据、多变的业务需要、复杂化的网络资源冲击等问题的出现,需要更为有效的规划方法。基于此,提出基于大数据的通信网络规划方法研究。具体方法步骤包括对海量数据的采集、数据深度分析、数据降维完成规划。通过实验结果的对比得知,文章设计的基于大数据的通信网络规划方法相比于传统规划方法,在同等数据规模的情况下,其数据分析的精确性要高得多。     

数据挖掘技术在电厂经济性分析系统中的应用

随着互联网技术的迅速发展,各行业尤其是销售行业得到了快速的发展,同时也产生了海量的相关数据资源。作为销售行业中的一部分,传统的人工分析模式已经无法为电厂直供电、供热和电力营销提供必要的数据分析。需要利用大数据挖掘与分析技术,从海量的电力营销数据中发掘潜在的、有价值的信息,快速有效地分析数据与信息,从而将各个信息孤岛相互汇集成为决策辅助信息系统,更好地保证电厂生产的安全运行、销售利润和市场竞争力。     

大数据,健康新闻传播新机遇

继云计算、物联网之后IT产业又一次颠覆性技术变革——大数据(data),大数据现在已不是传统意义上的数据,而是海量数据、超大数据。本文讨论了在大数据时代下我国健康传播的发展现状以及在这样海量数据存在的移动及互联网载体下存在的机遇与挑战,探讨了在这样的机遇下应采取怎样战略方式。     

基于MATLAB软件的网络媒体中大数据技术研究

随着互联网的兴起,"大数据"成为当今社会炙手可热的话题,新媒体时代,如何高效地应用大数据成为人们关注的焦点。本文将MATLAB软件引入到大数据技术中,分别从数据聚类、关联分析、数据可视化、异常值检测、对未来事件的预测几个方面来探讨MATLAB软件是如何来处理大数据,从而达到揭示潜藏在海量数据下事件内在规律的目的。