基于企业参考模型的ERP开发模式

本文详细分析了企业模型的结构层次及功能作用,在此基础上提出了企血参考模型的ERP开发模式。企业模型是ERP系统设计的基础,能够帮助企业科学的分析和综合企业各部分功能关系、信息关系以及动态关系,在全球环境中定位,并快速做出响应以获得竞争力,是企业信息集成的基础和核心。     

论可持续发展的农业水利基础设施建设

受到经济条件以及地理环境因素的限制,国内很多地区农业水利基础设施的建设存在着较大的问题,而这些水利基础设施建设中的缺陷问题急需解决,否则将为水利工程带来安全隐患。本文将从农业水利基础设施建设的现存问题出发,为如何构建可持续化发展的农业水利基础设施建设提供相关措施建议。     

农业基础设施发展存在的问题分析

本文结合笔者从事农业管理的相关工作经验,以农业基础设施为研究对象,探讨而来农业基础设施建设发展过程中存在的几个问题,相信对从事相关工作的同行能有所裨益。     

基于大数据的农业物联网体系建设与应用研究

随着物联网应用范围的扩展,在农业中应用愈加深入,农业物联网的实用性、智能性要求越来越高。当前大多数农业物联网建设只完成数据采集和基本控制,并未构建智能化管理体系和应用。通过研究农业物联网网络架设,建立数据标准和汇聚机制,建立数据仓库,实现农业物联网整体管理体系,并提出人工智能应用研究,从而提高农业物联网的实际应用水平。     

一种带有参考模型的能量分离控制方法

针对线性系统提出一种控制量按动态能量与静态能量分离的控制方法。该方法不仅能提高系统对输入的快速响应，而且实现了干扰抑制与输入跟随的分离，使系统响应速度与抗干扰都得到了提高。仿真结果表明，此方法具有较好的控制品质。     

模型参考自适应控制中参考模型的选取方法

针对时变负载泵控马达电液伺服系统自适应控制，探讨了参考模型的选取对系统瞬态的影响，给出了理论上的仿真结果，并通过实验进一步说明了在负载大范围变化的情况下，通过选到参考模型，系统均能获得优良的动态性能，同时还提出了改善系统瞬态响应的有效途径。     

参考模型自适应方法在主从对策中的应用

用参考模型自适应方法,处理两类参数未知的线性动态主从对策,得出相应的自适应鼓励策略,并指出了算法的收敛性。讨论建立在波波夫超稳定性与李雅普诺夫稳定性基础上。     

基于大数据的科技评价方法研究

科技评价对象所涉及的数值、图像、声音具有全媒体、多维度、跨时间的特性,挖掘和运用这些海量数据,转化为直观的、随时间和空间变化的、以图形图像呈现在同行评议专家面前,可以有效提高评价的效率和效果.通过建立众包模式、数据整合和提取规则知识、将科技评价结果应用于实践、建立评价过程交互式可视化的流程以构建基于大数据的科技评价模式,这种模式存在着观念陈旧过时、数据挖掘能力、大数据处理速度、科技评价数据安全等方面的挑战.     

从大数据到大知识

从大数据获取大知识是未来人工智能要解决的重要科学问题。本文从大数据(BD)概念诞生谈起,回顾了大数据知识工程(BDKE)的提出和大知识概念的出现。然后从(1)大知识(BK)、大知识系统(BKS)、大知识工程(BKE)等概念的基本定义、(2)大知识规模及其演化、(3)大知识建模、(4)大知识计算、(5)大知识支撑平台、(6)大知识编程语言等六个视角对大知识进行了探讨。最后给出了有关未来研究方向的想法。     

一种上下文感知的E-commerce评级大数据赋权方法

电子商务(E-commerce)的飞速发展, 产生了大量针对商品的在线评级数据, 通过分析评级数据, 用户可以对商品的质量进行评估. 然而, 评级数据的海量性和差异性使得用户难以快速而准确地评估商品的质量. 鉴于此, 提出一种基于E-commerce 评级的上下文感知赋权方法(context-aware weighting approach, CWA), 以选出少数“重要”的评级数据并抛弃大多数“不重要”的评级数据, 从而确保商品质量评估的快速性和准确性. 最后, 通过一组实验验证了CWA 的有效性.     

论大数据代数（BDA）：大数据科学与工程的分析方法

 大数据科学和系统的基础研究推动了大数据数学理论的产生。本文引出大数据科学和工程的一种严格分析方法：大数据代数（BDA）从提取各种大数据系统的共同模式中形式地导出大数据科学的数学模型。BDA揭示了任何大数据系统是一种超越传统纯数字的新型递归类型化超结构（RTHS）。基于大数据的递归超结构,创建了一组严格的代数算子,用于对大数据系统的建模、分析、综合和认知学习。这一基础研究建立了一个大数据科学的理论架构,其为解释大数据的原理和性质及其在大数据工程中的形式推理提供了一个方法论基础。     

面向教育大数据的知识追踪研究综述

介绍了知识追踪（KT）的相关概念与任务,梳理其发展脉络,综述KT的原理、相关算法和数据集,分析了不同结构的KT模型的优缺点.在此基础上,对KT领域未来发展方向进行了深入探讨,提出了数据表征、认知建模、模型可解释性三个重要的发展方向,并作出了一定的展望.     

一种支持大数据集成架构的多维分析系统

面对新型数据管理和分析环境,结合高校信息化建设中业务统计分析要求,本文设计了基于数据仓库架构的多维分析系统,实现了人事主题数据仓库及多维分析模型,满足了灵活高效的教职工信息分析的需求;同时,设计了基于传统数据仓库、Hadoop和数据库集群之上的透明访问网关和支持大数据集成架构的BI分析系统,为未来高校信息化建设中的数据分析系统建设奠定了基础.     

大数据研究中的两个流派及两类大数据——基于案例的研究

关于大数据的研究,学界已经形成了泾渭分明且针锋相对的两个大数据流派——激进派与保守派.通过对2个经典大数据案例的研究,发现大数据实际上指称两类既有区别又有联系的对象,一类是用数据的方法研究科学,另一类是用科学的方法研究数据.两类大数据及二者存在的显著差异,是形成激进派与保守派两种阵营的原因.在归纳了两类大数...     

面向大数据应用的多层次混合式并行方法

基于很多大数据应用存在对数据进行多种并行处理的需求, 提出两层混合式并行方法, 即执行单元的混合并行和计算模型的混合并行. 通过在同一个计算节点上执行单元的混合并行, 充分挖掘基础设施的计算能力, 从而提高数据处理性能; 采用在同一个执行引擎中集成多个计算模型的并行方法, 以适合应用多样异质处理模式. 不同的混合并行方法可以契合不同的数据和计算特点, 以满足不同的并行目标. 介绍了混合式并行方法的基本思想, 并以前期开发的并行编程模型BSPCloud为基础, 阐述了进程和线程混合并行、BSP和MapReduce混合并行的主要实现机制.     

体系结构与数据模型在建立数据仓库过程中的应用

探讨了规划数据仓库体系结构、建立分层的企业级数据模型以及采用分阶段建立模型等方法 ,解决目前数据仓库开发过程中的问题 .     

生物大数据中的聚类方法分析

随着人类基因组计划的实施和完成, 生物实验技术快速发展, 生物数据呈现爆发式增长并不断积累, 生命科学迎来了大数据时代. 在后基因组时代, 单一的统计模式逐渐被智能化与综合分析相结合的方式所取代, 聚类分析便是核心的数据挖掘方式. 描述了生物信息学领域中的大数据现状, 总结基因表达谱分析和生物网络分析中常用的聚类方法, 并对小鼠胚胎成纤维细胞的时间序列数据进行实验对比. 实验结果表明, 不同的聚类方法生成了不同的实验结果, 面临高噪声的生物大数据, 选择或结合合适的聚类方法进行综合分析将有助于获得更可靠的分析结果.     

滞后对象的连续模型参考自适应控制

本文基于MRAC的基本原理,提出了一种从模型取状态的滞后系统的MRAC方案。这种方法较之其它方案结构简单,且具有一定的抗输出端扰动的能力。仿真结果说明了系统结构是可行的。     

含非线性因素的模型参考自适应控制

研究了含非线性因素的位置伺服系统,提出一种适合快速、高精度位置伺服系统的非线性参考模型的自适应控制算法。使其对含有某些非线性特性的被控对象的控制效果优于线性参考模型的自适应控制算法。