基于行键的HBase大数据文件存储转换与快速检索研究

针对传统关系型数据库很难满足数据的快速存储与检索的问题,研究了基于数据文件字段映射表、文件对象字段、HBase列映射表和存储转换执行方案映射表解决文件对象的异构性和存储转换的通用性问题。提出了自定义RowKey行键的规则与生成算法;给出了基于映射表与行键的数据转换与存储流程及算法;最后基于行键前缀匹配或关键字匹配方式实现了不同需求的数据快速访问与检索,且具有较强的通用性。     

基于稀疏理论与快速有限剪切波变换的医学图像融合算法

在临床医学领域, 图像辅助诊断对医学视图的处理效果要求很高. 针对医学图像融合过程中图像视觉效果较差的问题, 提出了一种基于稀疏理论与快速有限剪切变换的医学图像融合算法, 提高了医学图像处理效率. 首先, 采用快速有限剪切波变换(FFST)分解源图像, 将其分解为高频系数和低频系数; 其次, 根据高频系数和低频系数的不同性质, 提供不同的融合策略, 通过相对标准差比较法对高频系数进行处理, 对于稀疏性较差的低频系数利用K-SVD方法训练, 得到字典并采用稀疏原理进行处理; 最后, 将融合后的高频和低频系数通过FFST逆变换融合到医学图像中. 实验结果表明, 算法的图像融合效果好, 尤其是在提高图像清晰度等方面, 具有良好的实用价值和应用前景.     

计算机数据处理中云计算技术的应用实践探究

在当前科学技术迅猛发展形势下,先进的互联网技术和云计算技术等逐渐被应用于社会发展的方方面面中,同时为人们的生活与工作提供了极大便利。作为计算机中的一个核心功能,计算机数据处理可以在短时间内实现海量数据信息的梳理与筛选等工序,便于人们在海量的数据中查找自己需要的数据信息。而将云计算技术应用于计算机数据处理中,能有效提高计算机数据处理效率与质量。阐述了云计算技术在计算机数据处理中的应用优势,在分析云计算技术在计算机数据处理中的具体运用基础上,提出了促进云计算技术在计算机数据处理中的应用措施。     

融合因子分解的上下文推荐算法研究

推荐系统作为帮助用户快速获取有用信息的重要工具之一,得到了深入的研究和广泛的应用.为了更好地挖掘基于上下文信息的推荐场景中"用户-项目-上下文"三者之间的潜在关系,定位用户可能的兴趣点,进而提升推荐准确度和用户体验.通过分析目前已有的关于上下文情景数据处理技术的原理和特点,在时间复杂度或者时效性方面仍存在着不足之处,这也是目前融合上下文推荐算法的研究重点和难点之一.针对推荐的时间复杂度高这一方面,提出了融合因子分解技术的推荐算法(FM-CR)来提升基于上下文推荐的效果,包括用户接受率和时间复杂度.经过实验证明,提出的融合因子分解技术的推荐算法(FM-CR)能够在保证用户的推荐接受率的情况下,使得产生推荐结果的时间效率有了明显提高.     

基于改进遗传算法优化BP神经网络的销售预测模型

随着经济的快速发展,众多企业步入科学化管理的时代.销售预测是企业经营活动中必不可少的一个环节,预测的准确性直接关系到销售经营的成败.因此提出基于传统BP神经网络与时间序列预测模型为一体的改良BP神经网络预测模型,通过该模型的预测,可以更可靠地预测企业在未来单位时间内的销售额.改良神经网络参考了同步时间序列的预测做出了自我校准,并利用遗传算法达到通过校准得到自我优化的目的,简化网络结构,提高预测的准确度.