敏感数据自主可控的云存储平台元数据管理

针对传统云存储平台的敏感数据的安全问题,将元数据管理分成客户端元数据管理与云端元数据管理两部分,元数据子服务器自主提取、维护、读写和存储敏感信息的元数据,在映射关系方面采用基于文件与数据块之间冗余随机映射算法提高文件存储的安全性,同时采用按需询问同步策略保障元数据子服务器与云端元数据服务器之间的数据块到数据存储中心映射关系的一致性,确保整个存储系统的稳定性与可靠性.在多用户并发访问下,对不同规模数据集的读、写性能的实验测试表明,该存储系统在自主管理敏感信息元数据的前提下,与HDFS、GFS相比仍具有较好读写性能和稳定的数据持久化能力.     

工业机器人预测式健康管理本体半自动化构建

针对工业机器人预测式健康管理(PHM)案例信息缺乏深度利用、PHM本体人工构建、过程不智能、构建成本高、本体不完备等问题,提出一种工业机器人PHM本体半自动化构建方法.首先,对多源工业机器人PHM语料进行分词、去除停用词等预处理;其次,使用融合词频、文档频率、TF-IDF、C-value等算法进行本体概念综合抽取;接着...     

镁合金板材轧制成形现状及其发展

轧制方法可分为常规轧制技术和特殊轧制技术,其中常规轧制技术可分为传统轧制、热挤压轧制和双辊连续铸轧,而特殊轧制技术可分为异步轧制、交叉轧制、大应变轧制、电脉冲轧制等,本文详细阐述了这些轧制方法的基本原理、特点和应用,综述轧制方法及其工艺参数对镁合金板材成形性能的影响,并且对目前镁合金板材生产发展的方向提出看法。     

应用紊流理论探讨脉动压力沿缝隙的传播规律

一、前 言 关于岩基局部冲刷破坏机理的研究,至今大多数人认为在强烈紊动水流的冲击下,紊动水流进入裂隙内部,形成巨大的时均动水压力和脉动压力.由于上下表面脉动压力的相位不尽相同,在一定条件下,当岩块自重及其与周围岩体间摩擦力低于裂隙内瞬时顶推力时,岩块则被掀离床面.如取一水平立方体岩块分析其受力情况(见图1),岩块的起动条件是:P_2-P_1≥G F.由于P_2-P_1是一随机数据,解决这一问题的关键是要对水舌跌落范围内脉动压力和缝隙中脉动压力进行相关计算和谱分析,确定岩块上表面、下表面的同相位作用面积,探求脉动压力沿缝隙的传播规律.     

西部小城镇生活垃圾处理现状及问题分析

2003年始,建设部利用荷兰政府赠款开展了“中国西部小城镇环境基础设施建设经济适用技术及示范"项目,垃圾处理设施技术指南制定是其子项目之一。为了开展好该项目,对西部地区云、川、陕等地若干代表性小城镇生活垃圾处理现状进行了系统调研,对其设计建设、运行管理、环境监测、人员培训、资金投入等方面存在的问题进行了深入的分析,并提出了设立国家专项资金、建立生活垃圾一体化管理体制、编制适合我国西部小城镇特点的生活垃圾处理技术指南、改革完善固体废弃物收费机制等对策建议。     

扭矩扳手高精度测控系统的设计

设计开发了一种用于扭矩扳手的高精度扭矩测控系统。该系统采用C8051F350和C8051F320双CPU结构,由C8051F350负责A/D转换和控制,C8051F320负责人机交互和数据处理,充分发挥了两单片机协调工作的优势。     

基于 HDFS 的安全云存储模型

针对基于HDFS的云存储平台对元数据绝对全权管理控制问题,提出元数据自主组织模型ASOM,通过分析DataNode与NameNode之间的交互过程,ASOM设计并实现了元数据子服务,通过提取HDFS中DataNode元数据信息直接跟元数据子服务器交互,并且由元数据子服务器处理文件与块、块与DataNode 之间的映射关系。通过对HDFS源代码进行分析编译和模块替换,搭建原型系统进行测试,测试结果表明：对NameNode中的元数据进行必要的安全隔离保证了用户对元数据的控制与管理,可有效避免平台管理员对元数据可能的恶意操作和安全隐患。     

楼面裂缝的重点防治措施

本文论述楼面裂缝的分析和重点防治措施。     

西部小城镇集中式供水现状与存在的问题

详细介绍了西部小城镇的供水现状，包括用水量、给水处理工艺、源水水质等。分析了供水设施在实际运行中存在的若干问题并提出了一些具体建议。     

一种新的基于相似度过滤的大数据保序匹配与检索算法

伴随大数据时代的到来,数据快速保序匹配与检索成为众多大数据应用急需解决的关键问题,通过抽象与归约等措施,数据对象可抽象为具有若干属性的点集或序列,从而将数据匹配问题转化为字符或数字序列匹配问题。提出一种基于相似度过滤的数据保序匹配与检索算法,算法分三步:(1)数据转换,基于幅值变化趋势将原始序列转换为二进制,对序列中任何一个字符,通过判断包括其前后邻居在内的三个点的关系定义二进制序列,准确反映相邻三点之间的凸增长(降低)或凹增长(降低)关系;(2)数据归约,为方便候选序列与模式序列之间的相似度计算,运用基于幅度变化比例的数据归约方法,将候选序列与模式序列均归约到固定区间;(3)相似度计算,为区分不同趋势的凸增长(降低)或凹增长(降低)幅度,通过计算候选序列与模式序列对应点之间的差值绝对值之和作为相似度判断依据,提出基于相似度过滤的快速匹配方法,寻找与模式序列变化趋势一致的子序列集合,并按照相似度大小排序。理论分析与实验结果表明:(1)该算法具有亚线性时间复杂度;(2)该算法能有效解决Chhabra等人算法对数据震荡幅度失控的问题,同时解决数据序列与模式序列分段规律但整体不相似的问题;(3)解决了Chhabra等人算法中对匹配序列排序造成的匹配结果疏漏问题。该方法不仅能更准确、更多地匹配出变化趋势一致的子字符串,同时将多个候选子串根据与模式之间的相似度进行排序,为进一步的数据精确检索提供判断依据。