有容乃大 Seagate Enterprise Capacity 3.5HDD v4 6TB

正6TB是机械硬盘发展阶段性的标志,也是机械硬盘即将开始的新一代革新。与SSD相比,传统的机械硬盘的确在数据传输速率上远远落后,但是这并不意味着机械硬盘将会被新兴的SSD全面取代。相反,由于个人、企业用户在日常所需存储的数据成倍增长,用户对于大容量机械硬盘的需求也在日益增高。今天,全球数据存储量呈现爆炸增长,企业及互联网数据以每年50%的速率在增长,据Gartner预测,到2020年,全球数据量将达     

2万t/a离子膜烧碱装置开车总结

介绍2万t／a离子膜烧碱装置的开车情况及运行考核结果，并介绍了开车过程中应注意的问题。     

基于特征迭代的云存储数据即时确定性删除方法

传统数据删除方法易受到云存储环境中大量近似特征的影响,产生冗余数据,导致加解密时间过长、密钥可用率较低,为此提出一种基于特征迭代的云存储数据即时确定性删除方法。首先,提取云存储数据中的冗余数据特征,对云存储下冗余数据进行分类,迭代直至收敛,实现冗余数据高性能删除;其次,采用加密机制实现云存储数据在网络用户间的安全共享,将原始数据密文切分为剩余密文和采样密文;最后,把不完整的剩余数据密文上传至云端,同时引入可信任第三方对取样密文进行保存,通过销毁取样密文实现数据即时确定性删除。实验结果表明,所提方法的数据密文拆分所用时间较短,且密钥可用率较高,可达90%,说明其方法能够有效满足云存储系统中对冗余数据或过期数据的确定性删除要求。     

硫酸工艺设计常用物性数据

硫酸工艺设计常用物性数据角仕云，万鼎麟（云南工学院化工系）硫酸工艺设计常常要用到一些理化数据，这些理化数据的数学经有过报导，但模型往往复杂或精度差而不易于使用。为此，把我们在设计中利用自编回归分析软件包得出的一组在硫酸工艺设计中常用的数学模型介绍给读...     

多粒度时序特征在离网预测中的应用

电信运营商为了发现可能离网的客户,针对不同的场景研究开发了多种离网预测模型。目前的离网预测模型首先选择一种时间粒度抽取特征,之后使用机器学习算法对抽取的数据建模。这类方法只考虑了模型对分类性能的影响,没有充分考虑数据的作用。针对上述问题,提出一种使用多种时间粒度抽取特征的方法,并尝试在模型训练的不同阶段对不同粒度的特征进行融合。实验结果表明,使用多种粒度抽取特征训练出来的模型性能会明显优于使用单一粒度抽取特征的模型。     

基于slope one算法改进评分矩阵填充的协同过滤算法研究

为解决协同过滤算法中的数据稀疏性问题,提出了一种改进的协同过滤算法。该算法使用slope one算法计算出来的评分预测值来填充评分矩阵中的未评分项目,然后在填充后的用户-项目评分矩阵上通过基于用户的协同过滤方法给出推荐。利用slope one算法计算出来的评分预测值作为回填值,既能降低评分矩阵的稀疏性,也保证了回填值的多样性,从而减少均值、中值等单一填充值造成的推荐误差。在MovieLens-1M数据集上对本文改进算法和协同过滤算法及均值中心化处理的算法作五折交叉实验,结果表明,基于评分预测值填充数据后的协同过滤算法有效的缓解了数据稀疏性问题,并且有更好的推荐效果。     

面向聚类的平面反射数据扰动方法

面向聚类的数据隐藏通常使用数据扰动技术防止敏感信息泄露。针对现有的面向聚类的数据扰动方法隐私保护度低的问题,提出一种基于平面反射的数据扰动方法,将发布对象的全部属性两两配对构成平面上的点,再随机选择一条直线,作每对属性关于直线的对称点,转换后的数据即为发布的数据。实验结果表明,这种方法具有较好的隐私保护度和聚类可用性,且对高维数据有良好的适应性。     

分析天平称量研究与探讨

分析天平称量是化学实验、生产试验和科学研究工作中质量计量的主要途径，准确、有效和快速地对被称量物进行质量计量，是称量工作的客观要求。本文主要就分析天平称量时应把握的三种工作状态、二个称量顺序及一个数据记录规则予以讨论和研究，以期对分析天平快速、准确称量给出更加科学合理的指导。     

1～5月生物药大步跨出国门同比增长77．17％

来自最新的海关统计数据显示，今年1～5月份，我国生物药品出口总额达到2．01亿美元，同比增长77．17％，比医药类产品出口增速高出了45个百分点。在医药类出口产品中，生物药仅排在化学原料药和医疗器械之后，成为第三大类出口品种。     

极限训练机在矿山开采最大下沉值估算中的应用

矿山开采过程中采空区地表往往会发生形变,研究其最大下沉值对安全生产具有重要意义,现有的开采最大下沉估算方法还有提升的空间。基于岩移数据决策与极限训练机(Extreme learning machine,ELM)算法,提出了一种估计最大下沉的新方法。该方法将采厚、倾角、平均采深、走向长度、倾向长度和覆岩岩性确定为最大下沉值影响因素;应用以Sigmoid方程为核函数、隐含层神经元个数为114的ELM模型对最大下沉值进行了估算。通过案例分析,ELM模型得到了优于传统算法如CHAID、Boosted Tree、ANN、BPNN和SVM的RMSE、MAE、MAPE、最大残差及秩相关系数,故认为该模型是一种有效的矿山开采最大下沉估算方法。