物联网通信大数据库半结构化数据识别方法

为了提高物联网通信大数据库的运行速度与处理效率,提出一种物联网通信大数据库半结构化数据识别方法,通过计算大数据库内数据的稀疏度系数与划分系数子空间,获得不同种类数据的关联特性,根据半结构化数据结构得到该其储存节点坐标,使用主成分分析和德尔菲算法融合集成转换为综合加权法,赋予识别半结构化数据得到指标权重,根据Tanimoto系数度量半1结构化数据的相似性并优化参数,实现识别大数据库内的半结构化数据.实验证明,通过所提识别方法处理后的数据重写率大幅度降低,且识别结果与真实结果差值较小,具有一定实际应用价值.     

针对大滞后系统的改进内模控制算法研究

针对工业过程中较难控制的大滞后系统,提出了一种改进内模控制的方法.方法首先引进导引曲线解决系统快速性与超调之间的矛盾,然后再引进被控对象的参考模型与给定滞后,将导引输出与参考模型取偏差作为控制回路A,再将给定滞后与被控对象取偏差作为控制回路B,最后再基于内模控制的原理分别针对回路A与回路B设计内模控制器,在将二者控制器的输出取和作为总的控制器.上述方法解决了在大滞后系统的情况下传统内模控制很难取得良好的控制效果,并改善了传统内模控制下稳态时间较长的缺点.最后将上述方法与传统PID结合Smith预估控制及传统内模结合Smith预估控制的控制效果进行对比.仿真结果表明,所提控制方法可以有效地改善大滞后对象的控制效果,提高了系统的鲁棒性和抗干扰特性.     

大数据环境下的软件测试研究

大数据的本质在于研究不同数据类型和数据集之间潜在的规律.当前的信息社会中,物联网、互联网等技术在不断创新,大数据技术与电子商务、社交、交通、医疗等行业不断融合,从而源源不断地产生了海量数据.由于大数据系统的数据特点具有数据量大、种类多样等特性,涉及的数据类型包含了各类的结构化和半结构化的数据,导致大数据应用服务系统前所未有的复杂.从而使得传统的软件测试在当前大数据环境下已经不再适用.大数据环境下的软件测试步骤分为:数据预处理验证、MapReduce验证、数据仓库验证和分析报表验证,并具体表现在数据的种类、样本、方式、测试工具的硬件需求、结果验证和测试人员专业性的差异上.如何进行有效的软件测试成为众多学者和科技人员研究关注的焦点.本文针对大数据背景下的软件测试研究对于当前软件测试的思路扩充具有借鉴意义.     

农业智慧大屏监控系统的设计与实现

当前智慧温室大棚系统过程数据的综合利用率低,种植经验与果蔬生长过程数据无法实时监控,导致无法更好的控制果蔬的生长过程环境的数据。该文通过智慧大屏的监控系统实现对大棚农作物生长过程环境参数进行实时跟踪,实现温室大棚果蔬的种植环境的过程优化。实验证实,该方法能够有效地提升对大棚作物的监控,对果蔬的种植管理有较好的改进。     

基于大数据的中小学智慧校园建设研究

随着云计算、物联网等新一代计算机技术的兴起,国内外纷纷依托这些新兴技术开始投入"智慧校园"平台的应用研究和建设开发。智慧校园平台可以实现校园的数字信息化、管理智能化和服务全面化等优势。本文充分借鉴国内外先进地区的经验,分别从信息的融合、关联,以及存储应用等方面来探究平台建设的可操作性,让广大师生享受互联网技术给学校的教学、管理、交流、生活和服务等带来的进步。     

探索基于大数据的分布式隐私保护聚类挖掘算法

近些年来,全世界范围内的移动互联网以及云计算技术都得到了飞速发展,网络上随时随地都会出现诸多的各方面数据,在这大数据时代背景下,有必要加强对于分布式隐私保护聚类挖掘算法展开深入分析。本文简略介绍了大数据挖掘安全技术以及隐私数据保护技术,并对基于大数据的分布式隐私保护聚类挖掘算法展开了全面探索,旨在提升数据隐私保护水平的同时,还能达到高精确度的大数据聚类挖掘效果。     

高职院校大数据方向数据库课程体系及教学模式的改革与探索

如今,大数据似乎就是海量数据的代名词。其实不仅如此,大数据正在改变着人们的思维和行为方式,也在社会的方方面面产生着积极的影响。作为信息技术界的核心和基础课程,本文就大数据背景下,对我高职院校计算机专业,大数据方向的数据库课程体系改革进行了阐述,同时也对数据库课程的教学模式进行了一定的探索。     

大数据云计算下的数据安全初探

经济的不断发展为互联网行业的兴起奠定了坚实的社会基础。伴随着网络技术、计算机技术的不断成熟和多媒体的快速发展,云技术也就由此生成。云计算的兴起不仅仅能够对计算机中的大数据有效整合,更是为人们的日常生活带来极大的帮助。尽管大数据在云计算已经充分地被利用,但是仍然还存在着用户个人信息容易遭到泄露的安全隐患,所以在云计算取得一定效果的同时也面临着巨大的挑战。如何解决这一问题就是本篇文章研究的重点,本文围绕着基于大数据云计算的数据安全初探进行分析探讨。     

基于QAR的飞行品质大数据分析应用与展望

在航空的安全管理中,QAR海量数据的分析是其最重要的组成部分之一,它不仅能高效的发掘出飞机的飞行品质,而且还能对飞机飞行体现出来的风险水平进行评估,QAR的飞行品质的大数据是提高飞机飞行品质的重要考量因素之一。然而,在现实中,飞行员不可避免要对周围的动态环境进行一个实时的评估,还要对各种设备都进行定期的检查和维修。这个过程是一个长期的、需要调整的过程,所以这对于海量数据的分析造成了一定的影响。本文以QAR为基点,对飞机的飞行品质大数据进行了具体的剖析,并得出了一定的结论,希望能给相关人员一些帮助。     

基于大数据挖掘处理的多维数据去重聚类算法分析模型仿真

本文设计了基于大数据挖掘处理的多维数据去重聚类算法分析模型.通过详细介绍多维聚类算法,基于大数据内部关联性分析,实现了去重聚类算法分析模型构建.最后通过算法优化与仿真研究,得出结论,多维数据去重聚类算法采样时复杂度偏低,数据分析结果准确率较高,可有效分析处理数据,避免冗余繁杂,保障数据分析效率与水平,评估判定结果较好,值得大力推广应用.