排序方式: 共有13条查询结果,搜索用时 18 毫秒
1.
2.
在许多电力装备企业中,存在大量的设计软件、图纸文档等。这些资料分散在不同部门的资料员处。由于管理的不善,当公司出现人员流失或其他原因时,这些宝贵的资料也可能随之丢失或被带走.给公司带来巨大的经济损失、设计的衔接盲点和不必要的重复劳动.运用现代化的IT工具来改变这种现状已经迫在眉睫。这种现代化的IT工具,就是产品数据管理系统(PDM). 相似文献
3.
PDM项目的实施,很容易遇到人员问题、不断变换的用户需求、软件功能不满足业务实际情况、性能欠佳等各方面的实施风险,从而造成项目的延期和失败.论文作者根据多年的实际工作经验.从人的因素、项目目标和需求、项目管理、项目实施几个方面对PDM实施可能遇到的风险进行了分析并提供了应对策略. 相似文献
4.
多数据流频繁伴随模式是指一组对象较短时间内在同一个数据流上伴随出现,并在之后一段时间以同样方式出现在其他多个数据流上.现实生活中,城市交通监控系统中的伴随车辆发现、基于签到数据的伴随人群发现、基于社交网络数据中的高频伴随词组发现热点事件等应用都可以归结为多数据流频繁伴随模式发现问题.由于数据流规模巨大且到达速度快,基于单机的集中式挖掘算法受到硬件资源的限制难以及时发现海量数据流中出现的频繁伴随模式.为此,提出面向大规模数据流频繁伴随模式发现的分布式挖掘算法.该算法首先将每个数据流划分成若干个segment片段,然后构建适合部署在分布式计算平台上的多层挖掘模型,并利用多计算节点以并行方式对大规模数据流进行处理,从而实时发现频繁伴随模式.最后,在真实数据集上进行充分实验以验证算法性能. 相似文献
5.
轨迹大数据:数据、应用与技术现状 总被引:1,自引:0,他引:1
移动互联技术的飞速发展催生了大量的移动对象轨迹数据。这些数据刻画了个体和群体的时空动态性,蕴含着人类、车辆、动物的行为信息,对交通导航、城市规划、车辆监控等应用具有重要的价值。为了实现有效的轨迹数据价值提取,近年来学术界和工业界针对轨迹管理问题开展了大量研究工作,包括轨迹数据预处理,以解决数据冗余高、精度差、不一致等问题;轨迹数据库技术,以支持有效的数据组织和高效的查询处理;轨迹数据仓库,支持大规模轨迹的统计、理解和分析;最后是知识提取,从数据中挖掘有价值的模式与规律。因此,综述轨迹大数据分析,从企业数据、企业应用、前沿技术这3个角度揭示该领域的现状。 相似文献
6.
7.
8.
9.
针对时空轨迹中位置顺序和时间对于理解用户移动模式的重要性,提出了一种新的用户轨迹深度表示模型。该模型考虑到时空轨迹的特点:1)不同的位置顺序表示不同的移动模式;2)轨迹有周期性并且在不同的时间段有变化。首先,将两个连续的位置点组合成位置序列;然后,将位置序列和对应的时间块组合成时间位置序列,作为描述轨迹特征的基本单位;最后,利用深度表示模型为每个序列训练特征向量。为了验证深度表示模型的有效性,设计实验将时间位置序列向量应用到用户移动模式发现中,并利用Gowalla签到数据集进行了实验评测。实验结果显示提出的模型能够发现"上班""购物"等明确的模式,而Word2Vec很难发现有意义的移动模式。 相似文献
10.
介绍了一种应用于断路器操作箱的温度压力监控系统,该系统是基于RS-485总线设计的.温度压力监控装置挂接在RS-485总线上,形成网络,PC机与其进行数据通信.系统实现了分布式温度压力的数据采集、显示、控制、管理等功能.监控软件采用Visual Basic 6.0设计.该系统已经投入运行,实践表明该系统运行可靠,具有较好的实时性. 相似文献