基于大数据的计算机数据挖掘技术在档案管理系统中的应用

随着社会经济和科学技术的不断发展,档案管理对象不断增多,传统档案管理模式已不能满足人们的需求,为了进一步提高档案管理系统中的数据查阅和检索性能,需大力发展计算机数据挖掘技术。大数据时代下,使用计算机系统可以挖掘其中的有效信息,可以降低相关工作人员的工作量,提高现代档案管理工作的效率,进而提高档案信息管理的综合水平。     

数据挖掘管理系统

本文分析了数据挖掘的常用技术和分析方法,详细探讨了数据挖掘过程,在此基础上,设计了一个由多模型构成的数据挖掘管理系统的一般框架,其能支持数据挖掘分析的全过程。     

基于数据挖掘的虚拟仪器测量数据管理系统

介绍了数据挖掘应用于虚拟仪器的必要性，提出了基于数据挖掘的虚拟仪器测量数据管理系统，并详细阐述了方案的可行性、具体实现等问题。将PolyAnalyst应用于虚拟仪器测量数据管理系统，并给出实例及具体的挖掘结果。     

基于数据挖掘技术的高校教育管理研究

教育信息化的不断普及和发展,使得高校数据库中保存了越来越多的教育数据,这对高校的教育管理提出了新的挑战。数据挖掘技术的广泛应用为高校教育管理信息化提供了技术支持。基于此,主要研究了数据挖掘技术在教学、学生管理、就业等方面的应用,以推动高校教育事业的发展。     

基于大数据挖掘分析的高校信息化建设探索

高校信息化建设过程中积累了大量的数据资源,如何利用数据挖掘技术获取有价值的信息是高校大数据分析中的一个重要问题。介绍了几种典型的数据挖掘技术,并且通过分析其在学生信息管理中的应用,说明了数据挖掘是一种在高校信息化建设中提高学校的管理能力和科研教学水平的有效技术。     

基于大数据的个人健康管理系统

在当前社会经济水平不断提升的同时,人们健康意识也得以有效提升,对于自我个人健康管理也就越来越重视,而个人健康管理系统的应用可使健康管理得到理想的效果,从而也就能够使人们身体健康得到更好保障.以大数据技术为基础,对个人健康管理系统进行分析研究,从而使个人健康管理系统的功能得以更好发挥,更好实现个人健康管理作用,促使系统得以更加理想的应用.     

数据挖掘技术在高校图书馆管理系统中的应用研究

随着高校图书馆规模和馆藏量的快速增长,图书管理工作面临新的挑战。传统的图书管理工作仅担任被动服务的角色,图书馆管理系统采集到的大量数据只是被简单存储,并没有得到深层次的分析和利用。如何将数据挖掘技术应用到图书馆管理工作中来,为师生提供更加人性化、智能化的服务,是管理者迫切需要解决的新课题。本文首先介绍了数据挖掘技术的理论知识;在此基础上,详细分析了高校图书馆的工作服务特点以及数据特点,然后对数据挖掘技术在高校图书馆管理系统中的应用进行了研究。     

基于大数据的Web数据集成及数据挖掘技术的研究

进入到21世纪之后,随着信息技术水平的提升和大数据应用范围的扩大,当今社会对于信息的索取越来越精确,数据信息的重要性在各行各行的发展中逐渐加强,而且互联网所收集与储存的信息量愈来愈丰富,Web数据集成与挖掘技术的作用逐渐显示出来.本文基于云计算、分布式并行编程模型MapReduce、Hadoop大数据技术,探讨了大数据集成与挖掘的设计与实现.     

基于开放网络知识的信息检索与数据挖掘

网络大数据是指“人、机、物”三元世界在网络空间(cyberspace)中交互、融合所产生并在互联网上可获得的大数据.这些数据具有多源异构、交互性、时效性、社会性、突发性和高噪声等特点,不但非结构化数据多,而且数据的实时性强.网络大数据背后蕴含着丰富的、复杂关联的知识.建立面向开放网络的知识库是获取网络大数据中的丰富知识的有效手段.对当前国内外主要的开放网络库进行了比较,分析了相应的构建方法、多源知识的融合以及知识库的更新等关键技术.进一步从用户意图理解、查询扩展、语义问答、线索挖据、关系推理以及关系和属性预测等方面出发,总结了基于开放网络知识库的信息检索、数据挖掘与系统应用的研究现状和主要问题.最后,对开放网络知识库的发展趋势和面临的主要挑战进行了展望.     

基于本体的知识管理系统研究

目前知识管理已经成为企事业提高技术、竞争、商务和策略智能的重要手段，针对当前知识管理系统存在检索时存在大量无关知识等问题，提出了新的知识管理系统，给出了其框架结构，并研究了其实现的关键技术一一本体的建立、知识的获取、知识的存储、知识的检索。为建立企业知识管理系统提供了新的理论和方法。     

智能管理系统在高校大数据实验室管理中的应用

实验室是高校实验教学和科学研究的设施基础,对培养学生的科学素养、实践动手能力等有非常重要的现实价值。在教学改革不断推进,科研型、创新型、综合型人才社会需求量爆炸式增长以及大数据不断普及的时代背景下,高校实验室在高校教育中的应用地位越来越高。而为了与之相适应,高校通常会在实验室配备高科技仪器设备供学生和教师开展教学实验活动,同时,为了合理使用这些精密的仪器设备资源,在保证安全性的前提之下,实现高校实验室功能的最大化发挥,大部分高校都开始在实验室管理中导入智能管理系统。因此,建设基于智能环境的高校大数据实验室管理系统不仅是新课程改革的内在要求,更已成为高校实验教学发展的未来趋势。本文主要探讨智能管理系统在高校大数据实验室管理中的应用。     

大数据融合研究：问题与挑战

随着大规模数据的关联和交叉,数据特征和现实需求都发生了变化.以大规模、多源异构、跨领域、跨媒体、跨语言、动态演化、普适化为主要特征的数据发挥着更重要的作用,相应的数据存储、分析和理解也面临着重大挑战.当下亟待解决的问题是如何利用数据的关联、交叉和融合实现大数据的价值最大化.认为解决这一问题的关键在于数据的融合,所以提出了大数据融合的概念.首先以Web数据、科学数据和商业数据的融合作为案例分析了大数据融合的需求和必要性,并提出了大数据融合的新任务;然后,总结分析了现有融合技术;最后针对大数据融合问题可能面临的挑战和大数据融合带来的问题进行了分析.     

大数据在高校食堂管理中的应用

高校的食堂肩负莘莘学子的一日三餐,食堂的食品安全问题得到了学校的高度关注,然而,大部分高校在进行 数字化校园建设过程中,往往忽略了对食堂的数字化建设。在数字化、信息化时代背景下,食堂也可以利用大数据技术整合相 关信息,更好地完善食堂管理工作、提高食堂服务质量、改善食堂菜品质量。本文将大数据技术引入食堂管理中,从数据中发 掘规律,改善食堂管理,更好地为学生提供服务。     

大数据时代数据管理方式的研究

各种各样网络的兴起和发展,半结构化及非结构化数据成几何倍数增长,数据规模和数据种类正以前所未有的速度增长,大数据时代已经来临。如何更好地管理和利用大数据已经成为普遍关注的话题。简要分析了数据库技术的发展历程,阐述了大数据时代数据管理方式,并对大数据时代数据管理方式作出了展望。     

遥感大数据的基础设施：集成、管理与按需服务

随着遥感技术的不断进步,遥感数据的数据量越来越大,种类越来越多,分布越来越分散,遥感应用的复杂程度和个性化程度也不断提高,遥感正在走向大数据时代.而目前遥感数据基础设施在容量、可扩展性、易用性和性能等方面都难以满足遥感应用的需求,成为了遥感科学与工程从获取到最终产品这个流程中的瓶颈.为此,首先从遥感数据的本质出发,讨论了遥感数据基础设施应当具备的分布、异构、时空连续和按需数据处理等特性,并依据遥感数据基础设施的基本服务单元、分布性、时空连续性和按需处理支持能力将遥感数据基础设施分成6类.其次,针对这6类遥感数据基础设施展现出的特性,设计了实现这些基础设施可以采用的体系结构,并指出了其中实现的技术难点和解决思路.最后,就遥感数据基础设施设计和实现过程中涉及到的数据收集与整合、数据组织与管理、数据服务接口、按需数据处理等方面的技术方案进行了深入的讨论.在这些技术的支持下,遥感数据基础设施能够做到分布化、智能化和平台化,支持遥感科学的合作研究和工程上的协同应用.     

基于PCM的大数据存储与管理研究综述

大数据已经成为当前学术界和工业界的一个研究热点.但由于计算机系统架构的限制,大数据存储与管理在性能、能耗等方面均面临着巨大的挑战.近年来,一种新型存储介质——相变存储器(phase Change Memory, PCM)——凭着其非易失、字节可寻址、读取速度快、低能耗等诸多优点,为计算机存储体系结构和数据管理设计带来了新的技术变革前景,也为大数据存储和管理带来了新的契机.PCM既是一种非易失存储介质,同时又具备了内存的字节可寻址和高速随机访问特性,模糊了主存和外存的界限,有望突破原有的存储体系架构,实现更高性能的存储与数据管理.概述了PCM存储器的发展现状;总结了目前基于PCM的持久存储技术和基于PCM的主存系统等方面的研究进展;并讨论了PCM在多个领域的应用现状.最后,给出了基于PCM的大数据存储与管理研究的若干未来发展方向,从而为构建新型存储架构下的大数据存储与管理技术提供有价值的参考.     

支持大数据管理的NoSQL系统研究综述

针对大数据管理的新需求,呈现出了许多面向特定应用的NoSQL数据库系统。针对基于key-value数据模型的 NoSQL 数据库的相关研究进行综述。首先,介绍了大数据的特点以及支持大数据管理系统面临的关键技术问题;然后,介绍了相关前沿研究和研究挑战,其中典型的包括系统体系结构、数据模型、访问方式、索引技术、事务特性、系统弹性、动态负载均衡、副本策略、数据一致性策略、基于flash的多级缓存机制、基于MapReduce的数据处理策略和新一代数据管理系统等;最后给出了研究展望。     

大数据隐私管理

信息化和网络化的高速发展使得大数据成为当前学术界和工业界的研究热点,是IT业正在发生的深刻技术变革.但它在提高经济和社会效益的同时,也为个人和团体的隐私保护以及数据安全带来极大风险与挑战.当前,隐私成为大数据应用领域亟待突破的重要问题,其紧迫性已不容忽视.描述了大数据的分类、隐私特征与隐私类别,分析了大数据管理中存在的隐私风险和隐私管理关键技术;提出大数据隐私主动式管理建议框架以及该框架下关于隐私管理技术的主要研究内容,并指出相应的技术挑战.     

大数据管理系统的历史、现状与未来

大数据管理技术正在经历以软件为中心到以数据为中心的计算平台的变迁,传统的关系型数据库管理系统无法满足现在以数据为中心的大数据管理的需求,设计新型大数据管理系统迫在眉睫.首先回顾了数据管理技术的发展历史;之后,从大数据管理的存储、数据模型、计算模式、查询引擎等方面分析了大数据管理系统的现状,指出目前大数据管理系统具有模块化和松耦合的特点,并进一步介绍了大数据管理系统应具备的数据特征、系统特征和应用特征,指出大数据管理系统技术还在快速进化之中,预测未来的大数据管理系统应具备多数据模型并存、多计算模式融合、可伸缩调整、新硬件驱动、自适应调优等特点.