认知计算领跑大数据战略升级

三大要素,九大杠杆,一个融入Waston的全新大数据平台,或将成为指导企业挖掘大数据应用价值的重要选择。     

试谈大数据技术

借助新的分析工具和大型计算基础设施,大数据技术被广泛应用于信息开发,从商业智能到科学探索等方面处理各种各样的多维数据.然而,在数据组织、决策和平台工具等领域,需要进行更多的研究,创建下一代大数据基础设施,使用户能够从大量可用信息和数据中获取最大效用.     

大数据流式计算：关键技术及系统实例

大数据计算主要有批量计算和流式计算两种形态,目前,关于大数据批量计算系统的研究和讨论相对充分,而如何构建低延迟、高吞吐且持续可靠运行的大数据流式计算系统是当前亟待解决的问题且研究成果和实践经验相对较少.总结了典型应用领域中流式大数据所呈现出的实时性、易失性、突发性、无序性、无限性等特征,给出了理想的大数据流式计算系统在系统结构、数据传输、应用接口、高可用技术等方面应该具有的关键技术特征,论述并对比了已有的大数据流式计算系统的典型实例,最后阐述了大数据流式计算系统在可伸缩性、系统容错、状态一致性、负载均衡、数据吞吐量等方面所面临的技术挑战.     

透明计算系统端计算机间的数据传送方法

提出一种透明计算系统中端计算机间的数据传送方法,该方法通过将数据传送的控制信息和传送的数据分离,省去数据在网络上的传送过程,从而提高对传送请求的处理速度,减少对相关资源的占用,通过优化服务器对传送请求的调度处理,改善系统整体的响应速度和性能。在基于龙芯平台的透明计算原型系统中实现了上述方法,并作了性能测试和分析,验证了该方法的有效性。     

计算密集型大流量数据的接力计算与动态分流处理

针对当前大流量数据计算速度慢、服务器端计算压力大等问题,提出一套计算密集型大流量数据的接力计算与动态分流处理模型。首先,在分布式环境下,使用内存型数据存储技术确定计算任务的运算量与复杂等级,同时利用节点资源能力对节点进行排序;然后,动态分配任务到不同节点进行并行计算,并采用一种接力处理模式完成计算任务的分解,以有效保证高流量复杂运算任务的性能和精度要求。通过分析对比,可知在万级以上数据量的情况下,多个节点比单个节点的运行时间更短、计算速度更快;而且,将该模型应用于实际时,发现它不仅能在高并发场景下减少运行时间,而且也能节省更多计算资源。     

Matlab数据可视化编程

在Matlab环境中,编程人员可以采用科学思维的方式和数学表达的语言来描述问题及编制求解程序.然而,即使根据计算得到精确的数据堆或符号堆,也很难发现它们具体的物理含义或内在规律.Matlab通过控制图形的线型、立面、色彩、光纤、视角等属性,细腻完美地表现出数据或符号的内在联系,Matlab数据可视化编程是一项非常重要的技术.     

大数据计算的关键技术浅议

移动互联以及物联网产生的海量的数据,被称为大数据,大数据通过收集、存储、计算可以分析出重要的一些数据,从海量的数据中挖掘出有用的数据是大数据计算的根本目的.本文介绍了大数据计算的几个关键技术.     

时间序列数据立方的存储与聚集计算

本文讨论了从时序数建造、存储数据立方,以及聚集计算的算法,其中Ｎ２３算法和扩展的ＥＮ２３算法可以方便地将一个Ｎ（Ｎ〉３）维数据方立转换为三维数据立方,大大降低了Ｉ／Ｏ次数,极大地提高了运行效率。     

网络计算中计算与数据存储的可扩展结构研究

在分析网络计算中数据存储新特点和传统存储方式缺陷的基础上,提出了一种信息存储与数据计算相分离的具有可扩展性的数据存储新结构,讨论了存储与计算相分离的可实现性,它包括：存储与计算的差异、系统分离的可能性及必要性,提出了存储与计算分离后的实现模式,指出了网络计算环境中数据存储的发展方向。     

一种基于需求的实时数据广播模型

数据广播是提高移动计算系统可伸缩性的一项重要技术,该文提出了一种实时数据广播模型。该模型采用数据需求驱动机制,不仅充分考虑用户对数据的时效要求,还利用数据广播技术分发数据,有效地利用通信带宽,满足最多用户的数据需求。     

CCED5.0表格内数据的计算及自动增加列,行序号的方法

许多初学者往往在学习CCEDS．0的时候，只用CCED的制表功能和文字编辑功能，而未使用CCED的表格内数据的计算功能。在表格内数据计算的时候，许多用户是采用手工计算的方法，这实在是一种资源浪费，同时也增加了用户的工作量。一、对间计算如果表格中的某一列数据，是由其他列数据经过运算得到的，这种情况可以利用CCED提供的列间计算功能来进行。列间计算用的运算符及函数与编辑中用的运算符及函数是相同的。1．运算符号：。、＋、一、／‘（）等。2．函数：ROUND（）函数。3列变量形式：Cn。其中C表示表格栏Column，n是一个正整…     

一种基于移动Agent的云端(Cloud-P2P)数据复合销毁机制

云端融合计算(Cloud-P2P)融合了云计算与对等计算环境的所有节点资源,实现了最大范围的协作与资源共享。数据销毁机制是保障用户数据的安全性和可控性的重要措施之一,然而云端计算环境本身的特性也给数据的有效销毁带来了困难。针对云端数据存储系统对数据的主动销毁、定时销毁和自销毁等复合需求,提出一种基于移动Agent的数据复合销毁机制,该方法不依赖第三方,利用移动Agent技术实现对过期、废弃型数据及时、有效、灵活的销毁,并在恶意主体对数据实施攻击时主动实施防御性数据销毁,有效增强了用户数据的安全性。针对节点上数据的具体销毁,还提出一种新颖的“数据折叠”的数据覆写方法,它充分利用数据本身进行销毁,有效降低了系统的开销。     

藏在输入法中的计算器

搜狗输入法已经是家喻户晓了,得到了良好的口碑现在,搜狗又推出了一个新的功能那就是在搜狗输入法中可以使用“计算器”功能,很方便的来计算数据,如12＊5=？之类的算数等,具体的操作也很是简单,完全容易上手。     

MapReduce环境下的并行Dwarf立方构建

针对数据密集型应用,提出了一种基于MapReduce框架的并行Dwarf数据立方构建算法.算法将传统Dwarf立方等价分割为多个独立的子Dwarf立方,采用MapReduce架构,实现了Dwarf立方的并行构建、查询和更新.实验证明,并行Dwarf算法一方面结合了MapReduce框架的并行性和高可扩展性,另一方面结合...     

图数据分析系统计算模型综述

随着大数据时代的到来,图作为一种表示和分析大数据的有效方法,正成为学术界和工业界广泛关注的焦点.图数据具有规模巨大、耦合性强、动态变化等特点,需要新的计算模型支持高效的图计算系统对大规模图数据进行处理.对图计算系统计算模型的研究现状进行了调研和综述,首先介绍图计算系统的产生和发展,然后将主流图计算系统中的计算模型按照计算对象分为:结点中心计算模型、边中心计算模型、路径中心计算模型和子图计算模型四类,重点介绍结点中心模型的应用和性能,最后对图计算模型的发展过程进行总结,并展望图计算模型未来发展方向.     

高维数据中有效的相似性计算方法

相似性的计算是ＣＢＲ和ｋ－ＮＮ等Ｌａｚｙ Ｌｅａｒｎｉｎｇ研究中十分关键的问题,研究了降低相似性计算代价的方法,并以ｋ－ＮＮ为例,介绍了基于部分特征的相似性算法和基于投影的相似性算法,它们能够通过减少计算距离过程中所涉及的特征数目来提高算法的效率,实验表明效率的提高是明显的,其中基于部分特征的ｋ－ＮＮ算法效率提高２６％～２８％,基于投影的ｋ－ＮＮ算法效率提高４８％～８３％,作者已将该算法应用到工程     

基于逻辑事务处理的普适计算数据同步方案

提出逻辑事务处理的概念,使用参数化的数据库查询语句解决以服务器为中心的系统的子集化问题,设计一个可以应用于数据子集的稳定可升级的方案。测试结果显示,与基于传统事务处理的数据同步方案相比,该方案的异步属性使之更适合于服务器数据库和客户端数据库网络连接较弱的情况。     

数据融合技术在环境监测领域的应用

在省级环境监测系统中随着时间的累积有大量数据,并且监测数据种类繁多,不同环境指标的描述信息也有很大差别,同时监测数据又是每分每秒不断增加的,这样就增加了数据的复杂性.而数据融合技术则是大数据技术中处理数据的一种方式,可以将来自多传感器的数据通过数据转换、数据相关和融合计算过程,对数据处理、分析并进行态势分析.同时利用到了大数据ETL技术、MapReduce处理,使用D-S证据推理算法进行融合推理,这样就可以增加数据的相关性,降低数据的规模.     

用Excel软件计算新建土渠工程量

本介绍新建土渠工程量的一种简便计算方法。该法公式简单，计算速度快，精度可满足工程设计要求。