排序方式: 共有1249条查询结果,搜索用时 15 毫秒
991.
传统的频繁路径挖掘分析主要通过关联规则算法实现,但其在处理大型数据集时,会产生占用内存过多,数据处理速度慢等问题,对此提出一种基于Fuzzy [c]-means聚类算法的并行Apriori算法模型。该模型通过Fuzzy [c]-means算法完成对原始数据集的聚类分析,将同一区域的物流路径数据划分到内部相似度较高的数据类,并利用Apriori算法对各数据类中的频繁模式进行挖掘分析,进而获得各区域的物流频繁路径。同时通过Hadoop平台实现算法的并行化,有效提高算法运行效率和质量。通过对物流频繁路径的挖掘分析,使管理者更清楚货物流向,可为配送路径优化等决策提供支持。 相似文献
992.
993.
994.
995.
996.
997.
998.
在数据中心分布式架构部署中,Apache Hadoop 早期版本因其设计过程中对安全设计的缺失,导致在实际应用中数据中心存在安全隐患问题。通过在常见安全问题分析基础上,本文针对性地提出安全管控模型,给出了一种基于Kerberos认证机制进行数据中心加固的解决方案,提高整个数据中心的安全性。 相似文献
999.
配电网公用变压器(以下简称"公变")是电力系统中数量庞大且又关键的设备,由于电力需求波动等条件影响,其负载情况变化较大。为能够快速地对公变的负载状态进行准确评价,文中介绍了基于Hadoop CDH的大数据分析平台,基于用电信息采集大数据提出了公变负载状态的评估方法。此方法在合理运用综合评价法的同时,通过历史统计数据确定模糊判断矩阵进而求解权重,克服了主观因素的影响,在评估公变重过载、轻空载、负载波动状态的基础上,进行变权重加权求和,最终确定公变的负载状态。此方法计算结果合理,过程清晰,在公变精准投资、运行监控检修、投资后评估等方面具有重要的辅助决策作用。 相似文献
1000.
电力设备状态高速采样数据的云存储技术研究 总被引:1,自引:0,他引:1
提出基于Hadoop和HBase的电力设备状态高速采样数据的存储方案,基于MapReduce设计实现了设备状态高速采样数据的并行查询方法。创建了1个包含20个节点(每个节点配置4核CPU)的Hadoop集群,并对集群进行了基准测试,测试结果表明所建集群适合进行大量数据的读写。以绝缘子泄漏电流数据为例,使用YCSB对所建存储系统进行了性能测试,测试结果表明,Hadoop和Hbase在存储容量、吞吐量以及查询延迟上提供了足够高的性能,能够满足智能电网状态监测数据可靠性及实时性要求。 相似文献