面向多源异构数据的云推送平台的研究与应用

在传统推送中,多源异构数据的推送面临时效性不强、安全性不高、数据难以重用等问题。针对多源异构数据的特征,综合移动互联网的安全性和隐私性等特点,提出了一种多维决策云推送模型来计算分布式环境中多源异构数据的特征值和特征向量,以快速分离数据源中的同构数据和异构数据;并基于此模型设计了云推送平台,其利用云推送技术来实现同构数据和异构数据的自动分离和高效推送。根据云推送平台在实验环境中的运行情况及相关指标分析,说明该平台适用于多源异构数据的推送,是一种高效可行的推送方式。     

多源异构数据治理技术在跨境电力运营监管过程中的应用与实践

针对传统跨境电力运营监管过程中存在的监管延迟时间过长和监管效率不高的问题,本文提出在跨境电力运营监管过程中采用多源异构数据治理技术对监管数据进行高效收集、处理、传输和应用,以提高跨境电力运营监管效率的方案。首先,通过收集和处理跨境电力运营过程中的监管数据,并对两种级别的元数据同时进行有效的特征提取和元数据特征加权融合;随后基于多源异构数据治理技术对上述元数据进行清洗处理,提取出有效的运营监管信息;最后通过提高跨境电力运营过程监管数据的质量,实现高质量监管跨境电力运营过程。设计实验的结果显示,实验组通过采用多源异构数据治理技术,能够达到缩短监管延迟时间的目的,可以实现对跨境电力运营过程的高效监管。     

基于邻域相似性的多源异构大数据属性约减方法

针对网络多源异构大数据之间领域关系难以界定导致运算量较大的问题，提出基于邻域相似性的多源异构大数据属性约减方法。首先，基于多源异构大数据进行分析，根据边界域理念及邻域相似性提出属性重要度度量方法；其次，结合邻域粗糙集提出多源异构大数据的属性约减算法；最后，进行实验对比分析。实验结果表明，该方法可对多源异构大数据属性进行约减，且约减后的分类准确率更高，优于对比方法，具有良好的应用性能。     

基于USDR模型的云推荐方法研究

在云环境中,对于云数据的统一建模一直是研究热点。尤其在推荐系统中,对于多源异构数据灵活性和安全性的要求更高。随着数据信息技术的不断发展,网络更新逐步加快,数据的更新也越来越快,从海量信息中如何快速帮助用户获取偏好的信息变得更加困难。针对多源异构数据的特征,综合移动互联网安全性和隐私性等特点,提出了一种USDR模型,并在该模型的基础上对云环境中的推送方法进行了研究,主动帮助用户发现自己偏好的信息,并将这些信息展现给可能需要的用户,并且实现了传统的数据推荐方法无法处理的多源异构数据的云推荐。根据云推送平台在实验环境中的运行情况及相关指标分析,说明该云推荐方法能适用于多源异构数据的推荐,是一种高效可行的推荐方法。     

数据挖掘在温室大棚上的应用研究

随着物联网的兴起,数据的积累速度、维度以及体积等也越来越大,成了真正的大数据范畴。在农业温室大棚中部署的大量各种各样的传感器产生了大量多源异构的传感数据,而且这些数据中存在需要清洗的各种脏乱数据。本文按照数据清洗,模型构建和模型应用三个部分进行详述,首先介绍数据清洗技术和多源异构数据的融合技术,然后列举了常见的预测模型构建方法并分别指出了每种方法的适用情况,最后对常见的应用领域进行了综述和总结,并提出了目前还存在的问题,以及对未来的展望。     

基于Python的海洋气象数据可视化技术研究

针对现有可视化方法在展示海洋气象数据时,存在可视化覆盖范围小、可视化数据量少的问题,文章提出基于Python的海洋气象数据可视化技术研究。对来自不同数据源、不同类型、不同格式的多源异构海洋气象数据,采用清洗、格式转换等方式实现同一化处理;绘制海洋气象数据体,并对其进行三维立体分割;利用Python技术,实现非结构化数据与结构化数据的可视化展现。实验结果表明,所提可视化方法可以实现对更大范围、更多数量的海洋气象数据的展示,具备更加理想的可视化效果。     

基于多目标优化技术的多源异构数据分类研究

针对多源异构数据不平衡分类问题,论文建立了自适应多目标群交叉优化(AMSCO)算法来处理并行采样两个类时的类不平衡数据集。以重新平衡数据集时间最优为目标,采用两种群优化算法逐步找出特定分类器的最佳性能。将少数类样本合成过抽样技术(S MOTE)扩展为OSMOTE用于将少数多源异构数据扩充到适当的数量,结合群实例选择(S IS)有用的实例来过滤大部分多源异构数据。实验结果表明,所提出的算法能够提高多源异构数据分类模型的可信度并保持较高的准确性。     

多源异构数据融合与高性能图数据库查询引擎设计

文章针对多源异构数据整合及高性能图数据库查询引擎设计问题,提出创新技术解决方案。通过深度融合实现数据整合与高效存储,并引入先进图数据库技术,以快速响应复杂查询请求。实验证明,该系统在多源异构数据融合和图数据库查询方面具有明显的性能优势,为实际应用提供了可行解决方案。     

城镇居民能耗数据平台设计与实现

电、水、气等行业存在信息无法共享、抄表、漏损等难题，并且具有数据异构、海量等特点，如何应对数据的集中治理和清洗是面临的挑战之一。文章基于非关系型数据库设计了一种多源数据平台，提出的数据平台包括数据传输、数据治理和数据发布，并研究了异构数据融合、批处理计算能力、高可用性、平台安全与可靠性四方面的关键技术。在实际工程应用中，通过对复杂数据的有效处理，验证了所设计的数据平台可以支持实际应用中的功能要求。     

基于一维卷积神经网络与改进D-S证据理论的警务云安全数据融合技术

针对系统内评估信息来源单一、准确度偏差过大与异构数据提取融合不充分的问题,提出了一种可扩展攻击行为的多源异构网络安全数据融合框架。首先,建立以攻击模式为核心的安全事件分析模型,进一步精简安全数据;其次,针对决策层数据特征提取不足的问题,建立了基于攻击行为的1D-CNN （1D convolutional neural network,1D-CNN）模型,对警务安全数据进行特征学习和重构;为了进一步提高警务云安全数据的分类能力,模型改进了D-S证据理论并结合多源安全数据的可信度进行数据融合。实验分析表明,基于1D-CNN的改进D-S证据理论模型进一步提高了警务云中安全事件的报警识别率,与其他相关技术相比,该模型具有较好的分析能力,对警务云的安全入侵检测和漏洞分析具有重要意义。     

针对动车组全生命周期集成管理的多源异构数据融合框架设计

随着我国动车组产业的不断发展,对动车组全生命周期数据的管理成为人们关注的焦点。首先,本文分析动车组全生命周期数据现状与存在问题;其次,针对动车组全生命周期多源异构数据的特点,提出一种利用动车组本体知识库的数据融合框架;最后,针对其中的模式匹配问题,提出一种基于组合模式相似度的模式匹配方法。实验结果表明,该方法对动车组多源异构数据的模式匹配结果良好,能够在很大程度上提高动车组多源异构数据融合的自动化程度。     

一体化数据访问服务关键技术

为解决气象行业对多源异构海量数据的有效管理和向业务系统高时效供给数据问题,分析气象行业大数据特征和业务科研中对数据的使用场景与需求,提出一体化数据访问服务方法.利用多态数据存储管理与分布式服务架构对数据进行标准化处理和分级管理,形成地球多圈层全序列数据仓库;在此基础上设计一体化服务模型,利用服务总线集成了数据、算法、可视化服务、性能监视和服务管理关键技术,实现气象数据的有效治理和标准化服务.平台的业务使用效果表明了一体化数据访问服务在解决气象数据治理和高效供给方面的有效性.     

互联网医院支付平台的数据整合

从顶层设计开始,强化了数据的规范性、完整性,以统一的数据标准对多源异构数据进行归一化处理.在大数据利用层面,利用经过数据治理之后的数据中心的大数据资源,达到互联互通、数据共享的效果.最终形成互联网和医院内网数据的互联互通,为患者构建一个诊疗服务全流程自助服务的应用模式.     

智慧养老平台中多源异构数据融合技术研究

智慧养老系统由于其管理关系到多元异构数据,对于目前智慧养老系统存在的数据存储、扩展能力、存储类型等方面的缺陷,通过云数据、云计算在智慧养老系统中的运用,将Hadoop云平台应用到智慧养老系统多源异构数据融合中,实现养老数据的云查询、云存储。首先研究智慧养老系统的数据多元性,进而分析多元数据特点,将其划分成空间数据、医学影像、属性数据三方面,进而针对性的设计空间数据存储、空间数据检索、医学影像检索、属性数据索引等。利用多元异构数据融合技术来实现相关数据的写入和查询。     

基于多源异构数据的高速列车状态智能检测系统

通过多类型传感器实时采集列车运行数据并将其回传至中央控制系统的过程中,多源数据间的差异性构成了数据的异构空间。由于现有检测系统的数据空间不具备异构属性,因此无法实现多源数据细微差异特征分析,造成高速列车状态检测误差偏大,对列车运行安全造成影响。为此设计基于多源异构数据的高速列车状态智能检测系统,基于多源异构数据重构系统硬件,并在软件算法设计上,采用多类型列车高速状态信息的多源异构协同处理与多源异构下的多源信息高精度融合识别两部分设计,实现提升检测精准度的效果。与两种差异化检测系统进行异常状态检测与稳定性的对比实验,结果表明,所提设计系统稳定性与列车状态检测精准度最好,说明其具备提升列车状态检测精度的能力。     

领域科学数据云资源聚合模型

数据中心作为领域科学数据资源的核心设施,正在变得过于复杂、昂贵和低效.大规模领域应用和用户数量的增长,给数据中心的连接性、稳定性和安全性带来严峻的挑战.关于数据中心的资源整合、自动部署以及资源集中化管理正在受到当前学术界和企业界的广泛关注.以实现领域数据中心资源聚合、共享以及统一管理为目的,通过构建领域科学数据云,将多个数据中心连接成一种虚拟的数据网络,以便为领域数据访问、数据集成和数据管理提供环境和服务支持.着重研究了数据云代理模型、异构源共享模型以及资源消息模型.这些模型对于提高数据中心可扩展性和容错性、降低数据中心资源整合成本以及实现从传统数据中心向云化数据中心过渡起到非常关键的作用.最后,将领域科学数据云资源聚合模型引入到油气井科研数据共享服务平台的开发、部署、运行及监控管理中.实践表明,领域科学数据云模型是切实可行的,对于推动领域数据集成、共享、管理研究具有重要的参考意义和应用价值.     

智能健康管理多源异构数据融合体系与方法

针对智能健康管理中对信息集成的要求,深入分析信息资源的异构特性,对基于多级多中心的多源异构数据融合方法进行研究,提出智能健康管理中多源异构数据的融合树体系结构,并介绍融合系统的设计、融合节点的组成以及具体的融合算法。对所采集的健康数据进行仿真测试,实验证明该体系可以获得较好的融合效果,实现对信息的有效集成,使管理效果更加优化。     

基于XML的虚拟法异构数据集成方法研究*

随着信息技术的发展,Web上的数据日趋成为当今数据的主流,但是Web上的数据多是异构的,而越来越多的人需要访问各种异构数据,为了满足这种需求,必须有一种系统能够支持异构数据集成。异构数据集成的方法有很多,给出一个基于XML的虚拟法异构数据集成系统体系结构,引入虚拟法,提出用虚拟法进行异构数据集成;最后引入数据清洗技术,能够较好地解决异构数据的集成。     

D-S证据下的高铁信号系统异构数据融合

针对当前高速铁路信号系统数据信息多源异构问题,提出一种新的高铁信号异构数据融合框架设计方案.利用本体思想和D-S证据理论方法,对底层数据信息进行特征融合,减少数据冗余,提高数据质量,优化决策效率,进行实验验证.实验结果表明:该方法在一定规模数据量时,计算速度快且准确率高,所提出的新的异构数据融合架构可行,融合算法有效.     

多源数据转换与装载向导开发技术

对研制的一个多源数据转换与装载向导DEPWizard的开发技术做了介绍。该向导作为网站开发通用平台的一部分,可以支持网站管理或维护人员自动转换和装载多源异构数据、快速构建数据中心和灵活组织数据发布页面。