地理时空信息的精细化存储方法

针对GIS时空数据存储过程中海量多源信息无法完整、详细表达的问题,采用语义约束原则将地理空间分解成最小单元——元语义对象进行对象化表达,并对构成元语义对象的几何特征、属性特征等相关信息进行封装,根据HBase可靠性高、扩展性强、实时读取的存储特点,以HBase平台作为地理时空海量数据存储的载体构建元语义对象的HBase存储模块的物理结构,提出了一种基于HBase的地理时空信息精细化存储方法。以城市地理时空信息的存储为例,对基于HBase的时空信息的精细化抽象、分类、存储等过程进行描述,说明了该方法的可行性。     

HBase在机动车缉查布控系统中的应用

本文针对全国机动车缉查布控系统的运行现状和超百亿条的海量卡口过车信息,为提升系统的性能和使用效率,提出使用HBase分布式数据库解决海量数据查询分析性能的思路,并对改进后的系统架构和应用场景进行了设计。     

数据脱敏全生命周期过程研究

随着信息化的快速发展,保证数据安全已提高到议事日程。从数据脱敏原则、数据脱敏的关键技术、数据脱敏全生命周期过程这3方面对数据脱敏进行了全面分析研究,通过对敏感信息分类识别,实施脱敏策略,从而实现在不破坏数据信息与数据特征的前提下,对敏感信息进行保护。     

基于云平台Hadoop的三维虚拟地球数据组织形式

云计算的发展推动了整个行业的进步,同时也给GIS的发展提供了非常大的机会。本文针对开源云平台Hadoop搭建了一个小型的私有云,利用Hadoop HBase存储键值对数据的优势,将三维虚拟地球GeoGlobe格式数据存储于HBase之上,实现了三维GIS的金字塔状瓦片数据存储到HBase中,最后给出了具体的实现方案。     

基于机器学习的数据脱敏系统研究与设计

互联网的发展,伴随着云计算、5G、大数据等技术的广泛应用,运营商业务也得到了快速发展。运营商核心系统敏感数据呈现海量化、多样化、非结构性强等特点,随时面临着数据泄露、数据篡改等隐患。本文在分析了传统数据脱敏系统的缺点上,研究设计了基于机器学习的数据脱敏系统,以解决大数据时代下的数据安全问题。     

一种基于Hilbert曲线的HBase遥感影像检索方法

本文在分析海量遥感影像存储特点和HBase的基础上,将Hilbert曲线应用到遥感影像金字塔中,提出一种利用HBase快速检索海量遥感影像的方法。实验结果表明,该方法不仅在集群上解决了单机无法解决的海量遥感影像存储问题,而且实现了海量遥感影像快速的检索。同时,该方法还可以应用到对海量遥感影像的进一步处理中,以加快海量遥感影像的并行处理速度。     

大数据脱敏技术在电力用户隐私信息保护中的运用

本文主要阐述了电力系统多业务场景的大数据脱敏技术,研究了基于电力企业多业务场景的大数据脱敏用户隐私信息保护方案,分析了电力用户隐私信息保护的应用,有利于避免各种隐私数据泄露问题。     

护理干预对变应性鼻炎患者脱敏治疗依从性的观察分析

目的:探讨综合护理干预对变应性鼻炎(AR)患者脱敏治疗依从性的影响。方法:选取2015年10月-2018年10月在本院进行脱敏治疗的AR患者100例。采用随机数字法将其分为对照组和干预组,各50例。对照组给予常规护理,干预组给予综合护理干预。比较两组治疗1周和1个月时对脱敏治疗相关知识的了解情况,以及治疗1周、6个月、12个月时的脱敏治疗依从性。结果:治疗1周和1个月时,干预组对脱敏治疗相关知识了解评分均优于对照组,比较差异均有统计学意义(P<0.05);治疗1周时,两组脱敏治疗的完全依从性比较差异无统计学意义(P>0.05);治疗6、12个月时,干预组完全依从性均高于对照组,比较差异均有统计学意义(P<0.05)。结论:对于脱敏治疗的患者,对其给予综合性护理干预可显著提高患者的治疗依从性,且患者对脱敏治疗的认知度越高,治疗的有效性越明显。     

牙本质过敏症三种治疗方法疗效对比研究

目的:观察氟化钠、Nd:YAG和GLUMA脱敏剂局部治疗牙本质过敏的临床疗效。方法:临床收集127例牙本质过敏的患者,随机数字表法分为三组,分别采用氟化钠甘油、Nd:YAG激光、GLUMA脱敏剂进行治疗,观察对比其治疗后即刻效果和6个月后效果。结果:Nd:YAG激光,GLUMA脱敏剂方法的即刻疗效比较差异无统计学意义,氟化钠甘油即刻疗效较前两者的疗效差;6个月后,Nd:YAG激光疗效优于GLUMA组和氟化钠甘油组。结论:对于牙本质过敏症患者,Nd:YAG激光治疗近期与远期效果满意,GLUMA脱敏剂方法近期疗效满意,75%氟化钠甘油治疗效果不理想。     

基于HBase的金融时序数据存储系统

设计并实现了1个基于HBase的金融时序数据的存储系统。设计了基于金融时序数据的HBase预分区策略,可解决HBase存储热点的问题;采用了行键优化策略和基于时序数据的表设计策略,可解决数据存储分散的问题;使用了提供异步处理机制的事件驱动的Netty框架所编写的中间件接收采集器发送的请求,可解决高并发事务的处理问题。实验结果表明,与HBase原生方法相比,该系统的性能在处理高并发事务时更好。