网格资源三层调度模型研究

在分析现有的资源调度方案及模型的基础上,提出了基于层次化的网格资源三层调度模型,它由主调度器、次级调度器和计算节点组成.主调度器根据任务的性质和需求,并参考下层次级调度器的执行情况,将部分任务分发到各次级调度器上,实现了主调度器与次级调度器之间的并行工作.基于该模型提出轮循任务分发策略.通过分析和模拟,该资源调度模型及任务分发策略在调度性能上明显优于集中式调度方案.     

基于遗传算法的ISAR运动补偿新算法

提出了基于遗传算法进行逆合成孔径雷达运动补偿的新算法.针对遗传算法解的收敛性问题,在遗传算法中采用了最优个体保存策略,使得解以概率1收敛于全局最优解;针对遗传算法运算量大的问题,提出了采用运动补偿后最小熵和最小距离作为适应度函数,由此形成2种称为GAMCE和GAMCD的ISAR运动补偿新算法.仿真数据和实测数据验证了所提新算法的有效性.     

基于Storm云平台的增量文本分类机制研究

文本分类是目前众多大数据应用的核心问题.本文将Batch SVM增量算法与Bagging算法相结合,提出了一种增量文本分类算法.在云计算分布式处理框架Storm基础上整合所提出的算法,构建了一套高效的基于Storm云平台的在线增量文本分类机制,在真实数据集上构建的实验验证了所提机制的准确性和效率,在保证准确度达到90%的前提下,所提机制的处理时延较现有算法降低50%以上,可以有效实现在线文本分类问题.     

基于图论的交巡警服务平台设置与调度方案设计

交巡警服务平台的设置与调度问题是以该城市的实际情况与需求为原则,交通网络建立基于邻接表结构的计算机存储模型,用JAVA语言实现的Dijkstra算法,利用该算法进行交巡警服务平台到各节点的最优路径计算,得到权值矩阵,利用指派问题求解算法结合案发率等数据进行平台管辖范围的划分。用递归搜索算法计算案发后罪犯的活动封锁范围,确定交巡警平台到必要关卡的调度关系,采用逐步缩小封锁范围的策略达到围堵罪犯的最终目的。     

WEB数据搜索引擎技术探究

首先对Web数据搜索引擎技术进行了概述,在此基础上进一步阐述数据采集过程、Robot的搜索策略、HTML解析器基本算法及数据检索模型,最后指出目前搜索引擎存在的问题,提出未来搜索引擎的发展方向.     

基于MapReduce和并行遗传算法的大数据聚类问题研究

聚类是将不同对象的集合分割为由相似对象组成的多个不同类的过程,是最重要的数据挖掘技术之一.然而,对于大数据聚类却是一个复杂的问题.由于大数据体量庞大,聚类算法时间消耗巨大.并行是解决算力不足的一个非常好的方法.据此,本文采用了Hadoop平台上的MapReduce来实现大规模数据集的并行运算,将大数据聚类问题的时间复杂度限制到一个可以接受的范围内.最后本文从时间消耗和聚类精确度方面对该方法的性能收益进行了评估,在保证较高精确度的同时大大提高了运算速度.     

匈牙利算法与分枝定界法解决调色问题之比较

通过实例分析了匈牙利算法和分枝定界法的算法特征和过程,讨论了以这两种算法求解具体优化问题时所要采取的算法策略.指出在实际应用算法时,根据问题的局部信息,模型与算法的选择是极其重要的,并进一步提出了借用分枝定界法处理哈密尔顿回路问题的设想.     

基于本体的BADD原型系统研究

研究了战场警觉及数据分发系统(BADD)的特点,探讨了处于计算机软件技术应用前沿的本体和多代理技术的基础理论,介绍了FIPA MAS的开发平台JADE的本体方法.运用其方法构建了BADD领域本体,并在此基础上构建了BADD原型系统的框架.     

生成对抗网络的银行不平衡客户流失预测研究

对于常用机器学习分类算法在不均衡数据上分类性能较差的问题,提出了一种基于生成对抗网络(GAN)的不平衡数据分类策略。所提出的策略首先利用生成对抗网络通过训练生成少数类样本,改善样本不均衡问题。使用机器学习分类器对改善后的数据集进行分类,提升该模型的分类性能。实验使用了商业银行客户数据集,采用Precision、F-mean等作为度量指标,并与SMOTE等传统数据不均衡处理方法进行对比。实验结果表明:对于不平衡数据集的二分类问题,提出的GAN模型在银行客户流失分类问题中具有可行性和适应性。最终取得了良好的度量效果,有很强的适用性及应用价值。     

数字化校园网站群管理平台下数据传输序列化模型的研究

针对传统校园网站通常无法实现站点间的数据交互,普遍存在设计重复和信息孤岛等问题,对网站群管理平台下的数据传输结构进行了分析,对集中式结构和分布式结构下的数据传输模式进行了研究,采用数据序列化算法构建了一种数据传输序列化模型,并且在模拟终端进行了仿真实验,实验数据表明,该数据传输序列化模型对站群间的信息共享和数据融合具有很好的效果,为站群间的数据传输层构建了一种标准化的数据传输模型。     

基于大数据分析下存在可变对价的收入核算新模型构建

目前收入核算模型无法填补缺失的数据,模型存在核算效率低和核算错误数高的问题。提出基于大数据分析的存在可变对价的收入核算新模型构建方法,采用随机森林回归算法填补缺失的数据,改进了随机森林回归算法,在可变对价条件下填补缺失数据,在多层神经网络中输入完整的数据,实现数据的降噪处理,最后在Alpha计算框架的基础上建立收入核算新模型。实验结果表明,所提方法构建的模型核算效率高、核算错误数少。     

互联网内容推荐平台的平行多重注册现象研究

目前互联网内容产品的分发方式正在发生新的改变,以社交功能为核心的封闭型内容平台,正在被新兴的推荐型内容平台所取代,进而呈现出一种电商化的内容供给模式。另一方面,由于内容生产和分发环节的脱钩,导致内容生产者和分发媒体在不同推荐平台之间进行多重注册,推荐型内容平台的供给方式出现资源分配、流量分配、版权保护和收益分配等四个方面的问题。要解决这些问题必须通过优质资源整合平衡双边用户的效用和成本,优化内容质量和流量的匹配关系;运用新技术解决版权流通确认及收益分配不均的问题,进而提升整个市场的运行效率。     

试卷自动生成算法

采用试卷自动生成算法记录试题的一组特征值,根据用户提供的试卷中题目类型、题量,难易程度和学时条件,借助于条件中的一系列数据文件,使具体课程的相关数据动态地抽象成逻辑数据,用以解决通用问题,在此基础上附加一定的限制条件线性规划出一份满足用户要求的,通用的,科学合理的试卷。     

软件定义网络中基于队列管理的优化流量自适应调度算法

针对当前突发大数据流在单路径调度中产生的链路拥塞问题,为了减少网络链路拥塞、提高网络性能,提出了一种基于队列管理的媒体优化流量自适应调度算法。首先,制定多策略调度策略,对于用于数据平面上的流列队使用特定选择策略的固定优先级调度,通过软件定义网络(SDN)传输媒体优化流量。然后对不同调度策略和条件下SDN中资源管理的有效性进行了全面分析,通过对单个应用资源分配问题和全网应用资源分配问题的迭代求解,得出优化问题的近似最优解。最后与传统的MPLSTE和ECMP算法进行性能对比和分析。结果表明:提出的自适应调度算法本文方法比MPLSTE和ECMP算法能够多转发约9%的流量,在平均链路利用率和平均传输时延几项性能指标上,均优于对比算法。     

大数据与人工智能背景下的网络舆情治理:作用、风险和路径

大数据技术和人工智能技术作为强有力的信息化手段,为网络舆情治理工作提供了全新的信息资源、技术手段和治理范式,在一定程度上实现了网络舆情治理的全面化、自动化、科学化、精准化和个性化,增强了网络舆情治理的效能;同时,大数据与人工智能在网络舆情治理中仍存在着算法呈现舆情与真实社会民意存在偏差、舆情预测干涉和情绪分析复杂性导致舆情误判、虚假新闻和信息茧房问题误导舆情引导决策等问题.在此基础上,针对网络舆情治理面临的隐私伦理、数据垄断、数据滥用信息管理风险等新挑战,提出了具体的解决措施:优化技术升级,推进网络舆情治理综合化技术发展;完善舆情治理法制和理念,实现舆情数据管理应用机制升级;壮大人才队伍,培养复合型舆情治理专业人才;加强平台自律,提升公众的网络媒介素养和算法素养.     

基于蚁群算法的副本选择策略的研究

副本技术是数据网格中的关键技术。它大大减少传输延迟,提高数据访问和处理的效率。本文研究蚁群算法的原理,同时分析了影响副本选择性能的主要因素,利用这些参考因素设计了基于蚁群算法的副本选择策略,并对这个新算法进行了分析和实现,经仿真平台实验,结果表明该算法可以减少数据访问延迟及带宽消耗,并有效做到网格中存储节点间的负载平衡,提高数据的访问速度。     

大数据驱动下“双一流”高校跟踪评估平台构建研究

在大数据时代,传统的高校评估体系相对滞后,未能客观反映出跟踪评估高校的具体动态结果,未能完全实现评估体系的智能化服务.文章以"双一流"高校跟踪评估为切入点,探索大数据驱动下"双一流"高校跟踪评估平台的构建问题.文章首先梳理了国内外世界一流大学、一流学科的研究现状与热点趋势,以及大数据驱动与跟踪评估的相关研究,明确了世界一流大学和一流学科与大数据跟踪评估的整体特征;其次,在总结国内外研究现状的基础上,重点研究了大数据驱动下"双一流"高校跟踪评估平台的构建;最后,深入解析了"双一流"高校跟踪评估平台构建的功能和作用等问题.本研究期待为构建大数据驱动下的"双一流"高校跟踪评估体系提供重要支撑,为多元评估判断和科学决策提供客观依据.     

全媒体时代主流媒体的数据化生存与发展

基于互联网连接的媒体平台,正在成为各类原生数据的源发地和汇聚中心,对大数据进行整合及应用的能力,将成为未来媒体平台运营的核心能力。建构在互联网平台之上的主流媒体必然要经历从信息总汇向数据总汇的转变,在这一过程中,媒体的业态、社会功能都将发生重大变化。伴随全媒体时代信息技术的快速发展,新闻传播呈现出新的特点和规律：传播主体大众化;传播容量海量化;传播方式交互化;传播手段多维化;传播时效全时化。在这样的背景下,主流媒体应不断进行数据化的探索和创新,基于5G网络,通过大数据技术运用,强化数据库建设,以此为基础,运用基于大数据的人工智能技术改变内容生产和分发方式,并以之作为内容监管的有力武器。未来基于大数据分析的综合业务推动自身产业结构优化。     

新媒体时代短视频广告的传播逻辑与优化策略

短视频广告在用户流量与大数据算法推荐的支持下，逐渐形成了新型的信息传播逻辑，并成为广告商与品牌商为之青睐的广告形式。短视频广告虽然兼具市场、内容、技术、平台等思维传播逻辑，然而由于存在大数据杀熟、内容雷同、算法垄断、海量信息轰炸等问题，导致其传播空间还不够广泛和宽阔。所以在新媒体时代，应从市场规范、内容创新、技术升级、平台管控等角度入手，确保短视频广告的高效传播与规范，提升短视频广告的商业价值。     

基于Spark平台的考勤数据决策树回归分析

校园大数据分析是目前大数据研究的重要领域,针对历年积累的大量学生考勤数据,传统的数据库技术几乎无法完成全量的数据分析,串行的计算方法很难在短时间内计算出分析结果.大数据技术是解决此类问题的一种较好的方法.本文提出了一种基于Spark平台的决策树回归分析方法,可在较短时间内完成大量考勤数据的分析,生成影响学生课堂出勤率的决策树,该决策树对学生课堂出勤率的监测预警以及教学管理决策有一定的参考意义.文中详细描述了数据并行处理的流程以及采用CART算法对学生课堂出勤率进行回归分析的方法.并且比较了传统数据库技术与并行数据处理方式进行学生考勤数据分析的效率,该方法取得了较好的效果.