基于大数据的传感网络链路稳定性检测系统设计

传统检测系统在对链路检测过程中,经常受到移动环境的影响,导致检测结果的完整性以及准确率较低,为解决这一问题,提出并设计了基于大数据的传感网络链路稳定性检测系统。对传感网路传输端、数据中心服务器以及检测端三部分进行具体分析,完成系统硬件设计。为尽量减小移动环境的影响,在软件设计部分,采用直接链路和间接链路稳定性相结合的检测方法,共同完成基于大数据的传感网络链路稳定性检测系统设计。实验结果表明,该系统检测结果的完整性较高,且检测准确率平均值可高达93.5%左右,验证了该系统的优越性能。     

云组合服务网络的异常植入数据检测算法

云组合服务网络在路由转发控制受到节点的同态扰动影响,容易受到植入入侵,为了提高网络的安全性,提出一种基于阈值组合判决的云组合服务网络的异常植入数据检测算法。构建网络异常植入数据的统计特征模型,采用大数据挖掘技术进行云组合服务网络异常植入数据特征检测和滤波分析,提取云组合服务网络数据的谱特征量,采用支持向量机学习方法进行云组合服务网络的异常植入数据检测过程中的自适应寻优控制,采用双门限阈值组合判决方法,实现对目标数据的准确检测,提高对异常植入数据的准确定位检测能力。仿真结果表明,采用该方法进行云组合服务网络异常植入数据检测的准确概率较高,检测性能较好,提高了网络安全性。     

黄石有线直播频道收视率数据分析与研究

本文介绍了黄石有线在高清互动平台运用大数据获取直播频道收视率的方法,并结合数据分析的手段,推断用户行为,发现内在规律,摸索观看习惯,从而对网络公司的市场营销和经营决策提供有价值的数据参考。     

复杂电磁环境三维态势展示方法研究

在复杂电磁空间斗争这条无形的战线上,对电磁环境的准确、直观描述一直是制约指挥人员实施准确、高效指挥的关键因素,本文围绕复杂电磁环境三维可视化方法展开研究。首先提出了混合八叉树分割方法解决了传统八叉树不能对大规模体数据直接体绘制的问题,设计了球形规则网格体数据组织模型,通过抽象电磁环境数据模型的输入、输出和计算功能,构建了复杂电磁环境的通用组织计算框架。针对传统光线投射直接体绘制算法不能正确处理视锥体裁剪问题,提出了一种视锥体裁减修正的方法,通过绘制视锥体近、远截面与体数据包围盒的相交面,解决了由于被视锥体裁剪而丢失数据的绘制错误问题。研究运用等值线绘制算法、颜色映射切片绘制算法和光线投射算法三者相结合的可视化方法,从不同高度和不同方向切割电磁环境,不仅能直观感受到复杂电磁环境的全貌,而且能观察对作战指挥最有影响的细节信息。     

以物联网技术驱动数字油田建设的思考

物联网自诞生以来,相关产业迅速发展,在现代工业、公共服务、家庭民生等领域全方位渗透发展,成为驱动产业发展、推动传统产业升级的重要动力。石油行业作为传统能源型企业,也急需实现数字化转型以提升生产效率、降低生产成本。作者认为数字油田的实现要素与物联网内在架构高度契合,数字油田建设完全可以搭上物联网的便车,实现跨越式发展,所以用好物联网技术对于促进石油行业转型升级、加快智能化数字油田建设具有重要意义。     

基于DSP的多元数据同步采集与存储系统的设计与实现

从硬件和软件两个角度出发,介绍基于DSP的多元数据同步采集与存储系统的组成、工作模式以及功能的测试。系统主要由上位机和数字采集与存储单元组成,其中数字采集与存储单元的硬件部分包括电源模块,值班电路模块,数据采集模块,数据存储模块,时钟同步模块。系统采用DSP作为中央处理芯片,利用经过同步后的秒脉冲作为触发信号,实现同步数据采集。以CF卡作为存储介质,实现数据自容式存储。软件部分实现自检、同步、数据采集存储功能。经过测试,系统工作稳定,功能正常,同步精度在100ns以内。     

基于GIS的统计数据可视化技术研究与实践

GIS可视化技术是当前信息领域中广泛应用的一项技术,实现了文本、图形图像信息相结合的定位、查询、检索模式,信息表达形象化、直观化,操作简便等特点,把GIS技术可视化引入统计数据领域,有助于综合管理和分析复杂的信息数据,给统计领域数据的管理和利用提供更有效的技术手段。     

处理tibco中间件交互数据的通信系统设计与开发

高强汽车板MES系统采用Tibco中间件通过XML与其它系统通信。按惯例是用后台进程定时读取循环解析XML中的数据。该方式资源占用高,要频繁地读取数据库。为了解决如上问题,在新的通信方式上进行了技术攻关,解决了以往不足。通过触发器触发相应报文的解析存储过程,然后直接把解析后的数据保存到数据库。新的方式免除了频繁扫描数据库对数据库系统的占用,降低了服务器磁盘系统的占用,也减少了数据出错的几率。     

组合降采样极限学习机

设计了一种针对不平衡数据集的学习机,即组合降采样极限学习机(EUS ELMs)。当训练数据集不平衡时,普通分类器对少数样本的分类敏感性较低,而给予多数样本过度关注。针对这种问题,将组合降采样结构与极限学习机(ELM)结合起来,形成一种新的组合学习机。该学习机继承了组合降采样结构对样本选择的依赖性小的优点,和极限学习机分类效率高、耗时短的优势,而且可以通过不同的参数设置控制对少数样本的关注度,根据使用者需求获得不同分类效果。