分享到:

数据流托起信息化训练方舟

信息化的不断发展,在改变着人们的生存方式,也在改变着战争的方式。在我军尚未完成机械化建设任务之时,信息化战争这个不速之客已向我们匆匆走来 ……面对挑战,兰州军区某集团军不等不靠,积极进取。他们组织的网上信息作战联合演练,为我们提供了新的思路。——编者 $$  夏日的西北,骄阳似火。兰州军区某集团军作战指挥中心,全副武装的将军、校官、尉官和信息、网络工程师等几十双眼睛紧盯着电子屏幕,画面上远在千里之外的20余个指挥所清一色的迷彩伪装,千余人严阵以待,一道道电波无声无息地交织穿梭…… $$  “网上信息作战联合演练现在开始!”随着总导演一声令下,一串串指令从导演部传至数千公里外的各个指挥所。指挥员迅速向电子地图、立体沙盘周围聚集,网络监控、文电收发、图上作业网上同步平行展开。这是该集团军面对新军事变革的挑战,为适应我军建设跨越式发展的新形势,以未来信息化战争为背景,组织实施的首长机关异地网上信息作战联合演练。 $$  走出轻车熟路的...  (本文共2页) 阅读全文>>

权威出处: 解放军报2003/06/25
《时代汽车》2019年07期
时代汽车

数据流技术在汽车维修中的应用探讨

在现今社会,伴随着汽车普及开来,汽车培修成为人们生活中的一个必不可少的需求与环节,社会大众对汽车培修的科技性提出了更高的标准。在当下的汽车维修中,数据流技术成为汽车故障检测的基本方法,能够为汽车培修做出较好的技术引擎,本文针对数据技术流对汽车故障的应用做出讨论与思考。1数据流技术在汽车培修中的优势电脑通讯、电路在线测量和元器件模拟是把握汽车数据流、分析汽车运行数值的三个主要措施。电子控制单元中储存的有效数据通过汽车数据流输入到汽车的各个零部件中,有效地显示汽车故障的原因依据。提取并解读汽车数据流不单可以查验汽车各类传感器的运行任务和性能,辨别汽车的工作状态,还可以以数据流为媒介制定汽车的运行规范,为人们的修理工作提供完善的数据资料,以便更精准的排除故障,对症下药。[1]2数据流技术所采用的基本方法数据流技术的基本方法主要有数据分析法、时间分析法、因果分析法和关联分析法这四种方法,大部分的实际操作可以通过以上四种方法进行思维转换和...  (本文共2页) 阅读全文>>

《西安文理学院学报(自然科学版)》2019年04期
西安文理学院学报(自然科学版)

基于大数据的定性数据流聚类优化模型研究

聚类分析是统计多元聚类和无监督机器学习中的一个分支.目标是将一组对象分组成簇,使同一簇中的对象具有较高的相似性,但与其他簇中的对象非常不同.为了解决这个问题,文献中已经提出了各种类型的聚类算法[1].在定性数据流上寻找聚类并捕捉聚类结构的演化趋势,一直缺乏聚类有效性函数和优化策略.因此,本文提出了一种定性数据流聚类的优化模型.1 问题建模令X={x1,…,xn}是n个对象的集合,A={a1,…,am}是m个属性的集合.每一个属性aj的值域为Daj.本文考虑定量数据类型和定性数据类型(即数值类型和分类类型),并假定数据库系统中的数据可以映射到这两种类型之一.与这两种类型相关联的属性域分别称为数值域和定性域.数值域是由实数组成,如果一个域Daj={a,…,a}是有限且无序的,则它被定义为定性域,其中nj是属性aj的定性数量.如果A中的每一个属性都是定性类型,那么X是定性数据集.若X是数据流,每一个对象都有一个到达时间.令S={S1,...  (本文共5页) 阅读全文>>

《中国科技信息》2017年23期
中国科技信息

一种基于数据流的异常值检测改进算法

行业曲线link industryappraisement可替代度影响力可实现度行业关联度真实度相当长一段时间,人们仅仅关注数值和字符,对于数据的概念并不像现在一样清晰。相比现在来讲,过去从数字中发现统计数值的根本原因非常有限。然而现在的数据流经常是多维度的,这种特点与从前大不相同。有时候我们会对这些持续的、快速产生的数据流进行挖掘分析,从而获取其中有用的信息。在进行数据挖据的过程中,并不是所有的数据流都可以直接被使用。绝大多数的数据流,都需要通过异常值的检测,从而得到被清洗过的数据流。我们需要时刻注意异常值检测算法的准确率及时间,使其在工作中具有更高的准确率、花费更少的时间。概述目前基于数据流的异常值检测算法中,主要分为三类:基于深度,基于距离,基于密度。其中,Breunig等人介绍了一种方法,叫做“度”的数值指标是分配给每个项目显示它是否是一个异常值。这个指标称为一个对象的局部异常因子(简称,LOF)。“局部”的意思是指相比...  (本文共2页) 阅读全文>>

《计算机仿真》2018年10期
计算机仿真

云计算中数据流存储负载均衡优化仿真

1引言云计算技术的不断扩展,云计算中数据流存在出日益增加的存储需要[1-2]。网络系统硬件存储设备的改良,当前云计算中数据流存储量高达P级别,使得数据流逐渐成为企业信息整合、医疗数据系统建设所依赖的决定性资源之一[3]。考虑到云计算中数据流存储过程需要进行必要的类别合并以及传输,人们对数据流存储过程中的准确性以及带宽性需求也逐渐提高,通过有效的数据流存储负载均衡机制对数据流进行存储,逐渐成为的当前云计算领域研究的热点[4-5]。为了提高云计算中数据流存储质量,降低存储过程中的超负载安全风险,相关专家学者提出了很多具有实用价值的数据流存储负载均衡优化方法,如黄胜等人[6]提出一种基于节点分类的数据流存储负载均衡优化方法,基于节点位置的不同,将网络数据流提交至客户端所经过的节点划分为两类,当经过边缘类数据流存储节点时,通过该数据的流行度选取有利于提交客户端的位置。对于核心类节点,通过度量该类数据节点的位置与其在不同节点位置的流行度分...  (本文共4页) 阅读全文>>

《成组技术与生产现代化》2016年04期
成组技术与生产现代化

大数据流式计算系统综述

在大数据时代,数据的实时性日益突出,数据的流式特征更加明显,越来越多的应用场景需要部署在流式计算平台中.传统批量处理技术已难以满足数据处理实时性的需求,因此,构建大数据流式计算系统的重要性日渐突出.大数据是从不同类型的数据中快速获得有价值信息的技术,是提升企业和国家竞争优势的重要方式[1].现有大数据技术的计算模式主要有批量计算和流式计算.其中,批量计算采用先存储再处理的模式,是对静态数据进行的计算和价值发现,实时性要求不高;流式计算采用先处理再存储的方式,避免了数据存储产生的延迟,可以对数据实时地分析和处理.随着云计算、物联网等信息技术的应用和发展,数据量飞速增长.大数据时代的到来对数据的实时性有了更高的要求,越来越多的应用场景需要采用流式计算平台,如金融行业、互联网等领域.然而关于流式计算的研究尚处于初级阶段.尽管Twitter、IBM及Yahoo等企业开发的流式计算平台,在一定程度上推动了大数据流式计算的发展[2],但仍存...  (本文共6页) 阅读全文>>