多核环境下内存数据库并发调度技术优化研究

对多核环境下内存数据进行并发调度,可以减少计算机宕机次数和数据切换时时间,提高数据并发调度精度,增加数据操作平稳性。当前的内存数据并发调度方法是利用PrebuiltTrigger对内存数据进行并发调度,在调度过程中,没有设定具体的内存数据调度目标,导致内存数据库中的数据因此错乱无序,存在数据并发调度精度低的问题。为此,提出一种基于Linux的多核环境下内存数据并发调度优化方法。该方法首先采用IACT算法对影响调度进行的数据和内存数据库中相似或重复数据进行清洗,然后以清洗的数据为基础,利用启发式算法对其进行数据特征选取,依据多属性决策理论对内存数据并发调度的最优路径属性权重集合进行计算,以其结果为依据,计算调度最优路径的偏差值,最后利用最小偏差值,建立调度最优路径线性规划模型,对每条调度路径的综合决策属性值进行排序,由此得到调度的最优路径,完成对多核环境下内存数据的并发调度。实验结果证明,所提方法可以对多核环境下内存数据进行高效率地并发调度,提高了数据调度精度,增加了内存数据的可循环利用性,为低开销的内存数据调度提供了支撑。     

基于云计算的大数据自动分类处理系统设计

随着现代网络技术不断进步,系统数据量也在逐渐增多。传统的大数据自动分类处理系统已经无法满足现阶段用户需求,其软件与硬件的设计都比较单一,存在能源消耗大、分类速度慢、处理时间长、内存占用率高等问题,为此,提出基于云计算的大数据自动分类处理系统的设计。首先设计系统硬件结构,主要包括数据采集器、数据处理器以及数据自动存储模块,并详细的介绍了各硬件结构;然后利用时域特征提取数据的算法对频域特征数据进行提取,从而实现数据自动分类处理系统的软件设计;最后对两种系统性能进行对比实验。实验结果证明,基于云计算的大数据自动分类处理系统的资源不仅占用率低,内存消耗小,而且数据库内存较大。该系统不但可以提高数据自动分类精准度,还能加快数据分类速度,从而使系统拥有更好的分类性能。     

基于深度学习的patch-match双目三维重建

以patch-match为核心的算法在双目立体重建中有着广泛应用,因其具有低内存消耗、重建精度高等优良性能;然而,传统patch-match算法需要有序地对图像中的每一个像素点进行迭代求取最优视差值d,从而导致运行时间较高。为了解决该问题,在传统patch-match算法的基础上引入基于学习的模型作为指导来降低运行时间,提高立体重建精度。利用深度学习模型输出每个像素伴有异方差不确定度的初始视差图,异方差不确定度用于衡量网络模型所预测视差值的准确度;将异方差不确定度和初始视差作为patch-match算法的先验信息;在平面细化步骤中,利用每个像素点的异方差不确定度大小动态调整其搜索区间,实现减少运行时间的目标。在Middlebury数据集上,通过与原有算法比较可知,改进后的算法在运行时间上减少20%,同时,在不连续等区域上的重建精度得到略微提高。     

机载千兆网络数据记录器设计与实现

为了满足对新一代网络化机载测试系统输出的海量高速网络化测试数据记录的需要,设计并实现了一种基于COMe主控模块和工业级通用固态硬盘的机载千兆网络数据记录器。该记录器使用集成有英特尔处理器、板载DDR3内存和FLASH存储器的COMe主控模块,可进行IRIGB-AC时间码授时的底板和作为数据存贮介质的固态硬盘构成硬件系统平台,并采用Linux嵌入式操作系统和优化的数据存贮算法程序,完成了一路千兆机载测试网络数据流的接收、打包和记录。试验室和飞机上大量实验结果表明该记录器工作性能稳定,无误码和丢包现象,可以大量应用在使用环境复杂的飞机网络化机载测试系统中。     

基于数据同化和差分进化算法的图像融合

针对现有融合方法不易根据后续处理目的对融合规则进行自适应调整,不同方法的优点不易综合的问题,提出一个基于数据同化和差分进化算法的图像融合框架.在该框架下,将基于非采样下的Contourlet变换作为模型算子,离散小波变换作为观测算子,可根据后续处理对图像各个属性指标值的依赖程度确定各个属性指标的权重,构造由图像各个属性评价指标的加权和所组成的目标函数,再利用差分进化算法来优化目标函数,从而获取更合适的图像.二组实验从视觉效果和量化指标（标准方差、平均梯度、熵、空间频率及均方根交叉熵）两方面验证了该框架的有效性.     

基于数据同化和差分进化算法的图像融合

针对现有融合方法不易根据后续处理目的对融合规则进行自适应调整,不同方法的优点不易综合的问题,提出一个基于数据同化和差分进化算法的图像融合框架.在该框架下,将基于非采样下的Contourlet变换作为模型算子,离散小波变换作为观测算子,可根据后续处理对图像各个属性指标值的依赖程度确定各个属性指标的权重,构造由图像各个属性评价指标的加权和所组成的目标函数,再利用差分进化算法来优化目标函数,从而获取更合适的图像.二组实验从视觉效果和量化指标(标准方差、平均梯度、熵、空间频率及均方根交叉熵)两方面验证了该框架的有效性.     

基于数据挖掘的光纤通信网络异常数据检测研究

为了提高光纤通信网络中异常数据的识别能力,提出了基于熵目标函数最优化的异常数据检测算法。首先,对数据样本进行属性分类,依据异常数据特征密度指标完成邻域区间半径的选取;其次,通过对高阶统计量的大数据聚类度循环迭代,完成特征提取参数的优化;最后,由样本属性概率计算熵目标函数的最优值,并利用最优值完成异常数据检测。实验对1 000组通信数据进行测试,结果显示,该算法的检测精度均值约为95.7%,其数据融合率、检测耗时与平均误检率均优于2种传统方法。该算法具有精度高、收敛快、误检率低的优势,具有一定的应用价值。     

基于先验组分的多谱CT序列DCM融合算法研究

多谱CT成像是通过不同谱段的CT图像表征检测对象中的不同组分。为了便于在同一视图中显示所有组分的信息,需要研究多谱CT序列的融合方法;但是常用融合方法如加权平均法、小波变换融合法等都是针对图像细节信息的优化,不能表达组分的物理特性,从而导致融合图像的灰度不具有物理表征性,影响CT的定量检测。为此,结合具有物理表征特征的数据约束模型(DCM),开展了基于先验组分的多谱CT序列DCM融合算法研究。首先通过能谱滤波分离的成像方法获得多个能谱范围内的多能投影数据,采用TV-OSEM算法重建不同能谱段的CT序列;其次,利用传统DCM模型和改进DCM模型分别对多谱CT序列进行融合,传统DCM模型是严格单能的,由于滤波后能谱的非严格单能特性,其融合结果不能表征出对象序列中的全部组分。针对此问题提出了改进DCM模型。改进DCM模型选择了新的体元定义,并且在多谱CT序列融合中引入先验组分作为参照,通过先验物质对融合结果中其他物质进行校准,实现检测对象中各组分位置的准确分布。仿真实验表明,该方法可从物理表征正确性的角度,实现多谱CT序列融合,在满足CT序列中不同组分区分的同时,其融合图像的灰度具有物理可参照性,有利于后续的CT定量检测。     

云计算下石油化工罐区储罐液仪表设计与实现

近年来,随着我国互联网云计算的不断发展,云计算技术被应用于诸多领域。针对传统石油化工领域中储罐液仪表存在的罐内压力检测精准度差、温度感应灵敏度低与储罐液状态数据分析面窄等问题,提出云计算下石油化工罐区储罐液仪表设计。通过大数据运算核心进行框架构建,在此基础上,采用PCJD气流密度差算法、微感热源运算单元与数据流云算技术,对传统储罐液仪表进行设计改进,从问题的根源进行针对性解决。仿真对比试验证明,提出的云计算下石油化工罐区储罐液仪表设计,具有罐内液压力数据反馈精准度高,温度感应灵敏度高、储罐液综合数据分析速度快、数据分析完整度高等优点。     

存储器子系统高速数传长线链路设计建模与应用

存储器子系统是获取飞行器飞行试验数据的一种途径,射前检测是飞行器发射前对其进行的最后一次把关,其结果直接影响对存储器子系统状态的判断,而存储器子系统高速数传长线链路负责射前检测数据的传输,是影响存储器子系统状态检测结果的关键因素;针对存储器子系统射前检测链路的设计问题,通过引入无线链路模型分析方法,建立了本长线链路计算模型;围绕传输信号的特性参数进行链路设计,取代了以往搭建实际测试链路的过程;同时针对存储器子系统射前检测链路测试问题,引入了射频通路测试方法,采用了矢量网络分析仪进行链路衰减测试,验证了链路设计结果;按照该模型设计的系统链路余量经测试大于5 dB。     

基于云计算和物联网的网络大数据技术研究

为了使网络大数据应用的范围更广,更大程度地提高网络数据存储与管理精度,减少网络数据处理与控制的时间,需要对网络大数据进行研究。当前的网络大数据研究方法多是采用Hadoop基础架构对网络大数据进行研究,在数据存储中没有设定具体的安全存储指标,无法得到数据安全存储指标权重,存在数据存储安全性能低,网络大数据研究精度偏差大等问题。为此,提出一种基于云计算和物联网的网络大数据研究方法。该方法首先利用分级网络编码对网络数据进行传输,以传输的数据为基础,采用CRC算法实现网络数据的计算,然后依据分组存储的方式将数据进行存储,最后利用分层逆序叠加定位法对网络数据进行高精度查询,由此完成对网络大数据的研究。实验结果表明,所提方法可以全面具体地对网络大数据进行研究,提高了数据处理精度和网络数据计算速度,增加了网络数据存储空间容量和查询效率,减少了网络数据运行时的丢失率,扩展了网络数据的运作范围,为后续网络大数据的研究提供了强有力的依据。     

基于BP神经网络的多传感器信息融合研究

BP网络是应用最广的一种人工神经网络,将BP神经网络应用到压力检测领域的温度等非线性补偿,具有重要的实用价值,对压力检测精度的改进效果显著。从传感器信息融合的角度看,神经网络就是一个融合系统。通过对神经网络基本理论的阐述,针对研究对象将BP神经网络原理与多传感器信息融合技术有机集合起来,提出了基于BP神经网络的二传感器信息融合模型及改进算法,建立了BP神经网络训练标准样本库,并对该网络模型进行主要技术指标的测试和仿真工作,测试结果表明构建的模型及其改进算法能很好地满足了高精度压力检测仪的指标要求。     

飞行试验多源iNET数据精密分析技术研究

为了解决飞行试验测试系统跨代升级,网络化测试系统采集记录的多源iNET试飞数据的精密分析难题,针对新形势下的网络化测试系统应用于飞行试验所特有的多源数据测试技术架构,分析了该测试技术架构的特点,以及精密分析对试飞工程师验证测试系统同步采集及数据同步分析算法的重要性,提出了基于数据流StreamID的测试参数iNET精密分析方法及实现技术,实现了多源iNET试验数据的精密分析;最后在采用了网络化测试系统的某试验机的飞行试验中对多源iNET数据进行了精密分析,试验表明使用这些算法的数据处理软件满足飞行试验iNET精密分析的需求。     

基于Hadoop的大数据信息安全监控云平台设计与研究

针对传统的大数据信息监控云平台模式单一、虚拟化程度不高,容易导致信息泄露的问题,为了提高对大数据的信息安全溯源能力,提出基于Hadoop的大数据信息安全监控云平台设计方法。在信息资源云体系下构建大数据信息安全融合模型,通过信息挖掘与匹配方法把云平台中的数据资源、物理资源进行关联性整合,方便数据安全溯源,在Hadoop平台下构建多源信息资源云,建立用户接口注册机制,采用虚拟化技术进行信息保护,实现在云平台下进行信息安全溯源。实验结果表明,采用该方法进行大数据信息安全溯源,大数据信息分类存储性能较好,对异常数据挖掘精度较高。具有较好的信息安全保护能力,确保了信息安全。     

基于互联网+的高校能源管理信息系统设计与开发

为了实现高校能源管理的信息共享,提高对高校能源信息管理的智能水平,提出一种基于互联网+的高校能源管理信息系统开发设计方案。系统采用感知层、网络层和应用层的三层结构,采用RFID、 条形码、蓝牙、红外等数据信息感知技术进行高校能源信息的原始采集,在网络层通过ZigBee 和无线通信技术进行信息融合传输,在控制设备中导入原始数据,在互联网+环境下建立数据处理中心,根据能源管理系统的现实需求进行信息融合和数据存储管理,设计嵌入式控制器对串口、并口、USB端口、以太网口及GPIB接口进行集成控制,在Linux内核下实现高校能源管理信息系统应用程序开发。系统测试结果表明,采用该系统进行高校能源管理,具有较好的信息存储、信息调度和信息检索能力。     

基于TTDF和CNS算法的多路BOTDR散射谱信息高精度分析研究

传统的BOTDR光纤传感系统采用单路传感光纤实现对信息特征的测量,交叉敏感等不可控因素会使散射谱拟合精度较低,信息分析偏差较大。设计了一种同时对多路传感信息进行检测的BOTDR系统。针对基于布里渊光时域反射(BOTDR) 的多路传感散射谱高精度特征提取的要求,提出了一种三次数据融合(TTDF)与布谷鸟牛顿搜索(CNS)相结合的散射谱信息分析方法。该方法利用TTDF对信息数据的融合能力,根据狄克逊准则和格拉布斯准则,剔除了异常值的影响,减小了传感信号的误差;采用布谷鸟牛顿搜索算法进行频谱拟合,不仅通过布谷鸟的智能搜索能力得到全局最优解,而且以该最优解作为牛顿算法的初值进行局部寻优,保证了频谱拟合的精度,提高了布里渊散射谱信息分析的准确度。在温度信息散射谱线性权重比为1∶9的情况下,分析了不同线宽散射谱信息的提取。采用该方法进行多路数据融合的方差约为0.003 0,散射谱的中心频率约为11.213 GHz,温度误差小于0.15 K。理论分析和仿真结果表明,将此方法用于基于布里渊光时域反射的多路分布式光纤传感系统,可有效提高多路传感信号的准确度和布里渊散射谱信息分析的精确度。     

色貌模型的人工神经网络方法的研究

色貌模型(CAM)主要解决不同观察条件、不同背景和不同环境下的颜色真实再现问题。采用人工神经网络(ANN)的方法来实现目前最新的色貌模型CIECAM02的预测,包括正向预测(从色度参数到色貌属性参数)和逆向预测(从色貌属性参数到色度参数),应用自然色系统(NCS)中的部分色样作为神经网络的训练和测试样本。由于正向输出色貌属性参数空间不是均匀的,对于网络预测精度用特殊方法评估,而对于逆向模型则可直接利用LAB色差公式评价。测试的结果表明:用神经网络对CIECAM02模型的预测达到了较高的精度。     

基于改进SSD的车辆小目标检测方法

地面车辆目标检测问题中由于目标尺寸较小,目标外观信息较少,且易受背景干扰等的原因,较难精确检测到目标。围绕地面小尺寸目标精准检测的问题,从目标特征提取的角度提出了一种特征融合的子网络。该子网络引入了重要的局部细节信息,有效地提升了小目标检测效果。针对尺度、角度等的变换问题,设计了基于融合层的扩展层预测子网络,在扩展层的多个尺度空间内匹配目标,生成目标预测框对目标定位。在车辆小目标VEDAI(vehicle detection in aerial imagery)数据集上的实验表明,算法保留传统SSD(single-shot multibox detector)检测速度优势的同时,在精度方面有了明显提升,大幅提升了算法的实用性。     

基于UML技术的空间基础数据库设计与实现

设计合理的空间基础数据库不仅能提高整个空间数据操作时的性能和效率,而且还可以减少后期的维护修复工作,使整个空间基础数据运行的更加快捷,需要对空间基础数据建立数据库。当前的空间基础数据库设计方法采用ArcSDE数据引擎对空间基础数据进行不断地更新调整,再利用多源空间数据格式转换的技术对空间基础数据库进行设计,存在空间基础数据运行时速度缓慢,计算精度低的问题。为此,提出了一种基于UML技术的空间基础数据库设计方法。该方法首先在空间基础数据库设计中建立空间基础数据索引结构,利用R-树族构建空间基础数据索引树,依据空间基础数据索引树,扫描索引空间基础数据,过滤掉不满足查询条件的空间基础数据对象,使空间数据查询结果可以在额定时间内获得,然后采用空间基础数据点、数据线、以及由数据线组成的区域、一组区域、空间基础数据网络的详细存储方式对空间基础数据进行存储,利用MongoDB驱动程序对矢量空间数据进行存储存储,最后通过对空间基础数据库索引、查询、存储等设计实现了空间基础数据库的建立。仿真实验结果证明,所提方法提高了空间基础数据的建库速度,减少了数据运行的时间,提升了空间基础数据的利用率。     

网络信息安全中DES数据加密技术研究

网络信息安全关系到数据存储安全和数据通信安全,为了提高网络信息安全管理能力,需要进行数据优化加密设计,提出一种基于前向纠错编码的DES数据公钥加密技术,采用Gram-Schmidt正交化向量量化方法构建DES数据的Turbo码模型,通过三次重传机制产生密文序列,对密文序列进行前向纠错编码设计,结合差分演化方法进行频数检验,实现网络信息安全中DES数据加密密钥构造,选择二进制编码的公钥加密方案有效抵抗密文攻击。仿真结果表明,采用该加密技术进行DES数据加密的抗攻击能力较强,密钥置乱性较好,具有很高的安全性和可行性。