广电网络虚拟化云平台的方案设计与实现

江苏有线虚拟化云平台采用虚拟化技术作为平台建设基础,将计算资源、存储资源、网络资源进行集中式资源池化管理,从业务层面及管理层面为企业内部提供私有云服务.     

云原生在物联网边缘计算中的应用

随着智能终端的大量普及,大数据的传输、计算和数据安全问题的解决方案是当前的研究热点之一。基于Spring Cloud云原生微服务和容器化技术,提出一套容器化云原生边缘系统解决方案。可就近计算局部产生的海量数据,从而减少数据的传输和中心节点的计算量,解决了中心化架构的大数据传输、计算和安全问题。该方案可以在电力、冷链物联网系统等场景下使用。     

基于服务器虚拟化的智慧云桌面系统设计与应用

针对传统桌面环境硬件资源利用率低且多元化分配效果差等特点,设计出一种基于服务器虚拟化技术和FFmpeg音视频处理技术相结合的智慧云桌面系统。该系统的设计初衷是将互联网与高校教学办公相结合,实现校园内智慧云办公和线上直播教学等功能。系统通过Proxmox VE虚拟化环境搭建后台服务器,采用FFmpeg作为音视频数据处理的技术框架,并通过对框架的优化,缩短了直播教学中的延迟。最后,通过测试证明云桌面系统能够有效地缓解传统桌面在资源管理和设备成本等方面的问题,其线上直播教学模块的播放延迟能够控制在100 毫秒以下,提高了校园环境下的协同办公、直播教学以及实验室信息化建设的便捷性和实用性。     

重大疫情背景下基于云平台的供应保障及应急系统研究

在应急响应情况下,建立应急系统和保障供应是一个非常重要的因素,针对目前供应和应急系统反应速度慢、资源整合存在的问题等不足,文章提出引进云技术,并且基于云技术构建相关应急机制和供应安全机制,以确保疫情下的物流资源配置进行进一步的优化,能够满足疫情条件下应急物资的运转。     

基于Super4PCS的激光点云配准适用性研究

针对超四点快速鲁棒匹配算法(Super 4-points congruent sets,Super4PCS)对不同特点的激光点云配准的适用性问题,分别对不同重叠率、不同噪声点、不同数据量的点云进行了配准实验,比较分析了算法的配准精度和数据适用性.实验分析得出,Super4PCS算法对于重叠率高于40％、噪声比例低于30...     

基于AHP赋权云模型的煤自燃风险评价

为实现煤自燃风险的科学性判别,从煤的自燃倾向性、供氧漏风、蓄热散热条件等3个方面构建了煤自燃风险评价指标体系。通过层次分析法（AHP）确定指标权重,结合云模型理论,提出了基于AHP赋权云模型的煤自燃风险评价。以沈煤集团某煤矿为工程背景对构建的模型进行验证,研究结果表明,该矿煤自燃风险为Ⅱ级,与实际情况相符。     

基于激光雷达的建筑物轮廓信息识别提取研究

对于采用激光雷达扫描的建筑物进行点云重建的关键,在于建筑物轮廓信息的提取,并且要能够保证其精确度和完整性。文章提出了基于几何特征与语义描述的外轮廓信息改进识别方法,比较好地解决了目前建筑物轮廓提取中存在精度较低、后续处理麻烦的问题。最终建立了数学求解模型,并且以采集的单栋建筑物点云数据作为实验样本,进行了建筑物轮廓信息提取实验。结果表明,采用的改进方法不仅理论上能够实现,还大大提高了建筑物轮廓信息提取的清晰度,通过多次实验验证,此方法优越性明显。文中所述方法对点云数据分割,特别是建筑物与地面点的分割,建筑物的三维重建具有极大的意义。     

基于云平台的党务数据系统模型设计与研究

文章针对各级党支部党务管理工作中存在的问题,提出系统的解决方法和适用于满足党支部标准化建设工作管理要求的模式。该系统分为党组织管理、党员信息管理、党员发展管理、党组织关系转接、党费缴纳管理、三会一课、党员学习教育、数据统计8大功能模块。文章制定出系统设计与实施方案,将相关党务数据建立在云数据端,利用云平台开发一套党务数据平台管理系统并对系统进行应用和测试。     

基于点云数据的高速公路工程全区域表面质量评价方法研究

近年来公路工程行业快速发展,公路的表面质量会直接影响道路行车的舒适感,这已经成为公路工程质量管理领域的焦点问题.传统的高速公路工程表面质量检测评价以目测、点测、尺测为主,具有以点代线、以线代面的特点,存在精度低、误差大、数据不全面、可靠性差等缺陷.因此,以高速公路直线路段为例,基于3D点云数据,选择合适的点云数据预处理...     

基于SOANet的圆锥角膜辅助诊断

亚临床期圆锥角膜(subclinical keratoconus, subkc)发病隐匿,现有医疗设备诊断存在局限性,所以提出一种诊断亚临床期圆锥角膜的检测方法是十分必要的。有研究发现圆锥角膜(Keratoconus, kc)力学性能的改变早于形态学,因此从角膜生物力学的角度筛查亚临床期的圆锥角膜更加符合临床实际。本文运用角膜生物力学特征,以点云数据作为网络输入数据,将SO-Net (self-organizing network)和自注意力(self-attention, SA)机制结合构建SOANet,对圆锥角膜、亚临床期圆锥角膜和正常角膜进行分类。首先,利用可视化生物力学分析仪(corneal visualization Scheimpflug technology, Corvis ST)拍摄角膜受力形变视频,对其进行处理得到点云数据集,接着对点云数据进行增强处理,使3种类型的角膜数据量分布均衡。然后按照3∶1的比例划分训练集和测试集,分别对角膜进行二分类和三分类。最终模型在二分类和三分类测试集上的准确率分别达到98.3%和91.26%,即有效识别亚临床期圆锥角膜和圆锥角膜。实验...