【摘 要】
:
分析了云键—值数据库的特点,提出了基于云键—值模型的信息集成模型。根据该模型提出了并行化数据集成方法。首先根据数据源的依赖关系确定集成活动的优先级;然后根据该优先级结合MapReduce算法实现数据的并行集成;最后通过实验结果表明,提出的方法能更好地支持云数据仓库中的数据集成。
【机 构】
:
南京航空航天大学民航学院,武汉大学计算机学院
【基金项目】
:
国家自然科学基金重点资助项目(61232002),江苏省高校哲学社会科学研究项目(2014sJD041)
论文部分内容阅读
分析了云键—值数据库的特点,提出了基于云键—值模型的信息集成模型。根据该模型提出了并行化数据集成方法。首先根据数据源的依赖关系确定集成活动的优先级;然后根据该优先级结合MapReduce算法实现数据的并行集成;最后通过实验结果表明,提出的方法能更好地支持云数据仓库中的数据集成。
其他文献
为了有效解决PUE攻击检测问题,提出了一种基于码元上升沿特征提取的PUE攻击检测方法。在论证码元上升沿特征可以作为细微特征提取的基础上,结合统计分析,定义特征加权差,放大不同辐射源的特征差异,并以此构建新的PUE攻击检测方法。该方法运算简单有效,满足认知无线网的实时快速检测要求。仿真实验表明该方法具有较好的可靠性和稳定性。
针对现有灰度图像加密方法的不可逆性,通过引入由简单混沌映射产生的随机矩阵降低了计算复杂度,同时仍保持很好的有效性和安全性。提出的方法成功地解决了现有灰度图像加密方法的不可逆问题,并且该方法能够抵抗Hermassi等人提出的攻击方法。
针对蚁群算法局部搜索能力较弱,易于出现停滞和局部收敛、收敛速度慢,不能较好地应用于谐波平衡中的问题,提出了混合蚁群算法。该算法采用蚁群算法的全局搜索能力在全局中搜索初始最优解,利用拟牛顿算法较强的局部搜索能力逐步迭代,最终得到最优解。仿真结果表明:该算法与蚁群算法相比,迭代次数减少了45次,解的收敛可靠性增加了16.23%,同时仿真数据与实测数据拟合较好。混合算法兼顾了蚁群算法和拟牛顿法的优点,明
为了提高基于覆盖率的缺陷定位方法的效率和准确率,将执行轨迹中被失效执行所覆盖的基本块(Cfailure)、被全部执行所覆盖的基本块(C-all)和未被任何执行所覆盖的基本块(C-non)这三个小概率事件进行了分析,指出这些小概率事件的出现包含大量信息,据此提出三条缺陷检测新规则。然后利用执行轨迹所收集的覆盖率度量值计算缺陷贡献率CDCR,给出了缺陷贡献率算法(Codes-TCC)。研究主要创新在于
针对水下传感器网络的多用户干扰大和空间复用率低的问题进行了研究,提出采用AR模型预测信道未来状态,然后基于信道预测完成功率控制的算法,从而减小信道时空不确定性的影响。该算法利用随机几何理论,建立SINR(signal to interference-plus-noise ratio)模型,分析接收端的累积干扰状态,然后发送端在信道预测的基础上,以最小化网络中断概率为目标调整发送功率。实验仿真结果表
基于隐私保护的不同坐标系下的点球关系判定是计算几何中的一类基本问题,针对该问题进行了研究并提出一种新的解决方案。在点积协议基础上设计了一种点球关系判定协议,使得双方均在不透露自己任何信息的情况下,能够完成坐标系的转换,并判定点是否包含在球体内,分析了该判定协议的正确性、安全性和复杂性。最后提出可以使用该协议来解决一类与此相似的几何对象关系的判定问题。
传统的基于关键字的文本检索系统,存在匹配不准确、匹配冗余度高以及算法复杂的现象。针对该问题进行研究,使用概念图作为检索单元,摈弃字符统计的传统方法,通过语义的匹配,在理解的基础上得出问题的答案。在传统的概念图中加入概念内涵属性,提出了C-A&R(concept-attribution&relationship)概念图,并以此作为文本检索系统中文本的表示方法。实验证明C-A&R概念图的概念匹配准确率
为进一步研究复杂网络演化的过程,引入复杂网络空间的概念,诠释了网络结构在复杂网络空间中演化的基本原理,进而提出一种基于复杂网络空间的网络演化模型,给出了具体的网络构造算法。数值模拟显示,该网络演化模型具有较为稳定的度分布函数,其网络规模随时间呈指数增长趋势,网络的平均路径长度正比于网络规模对数值,且节点介中心呈非均匀分布状态。研究表明,给出的网络演化模型具有无标度、小世界特性。
为了更好地复原图像的细节,提出了一种结合局部与非局部的图像复原方法。将图像中的细节准确地提取出来,对提取的细节进行非局部全变差约束,同时对剩下的图像成分进行局部全变差约束。提出的方法很好地结合了非局部全变差和局部全变差的优点,实现了图像细节更好的复原。实验结果表明,提出的方法与近几年的一些较好的图像复原方法相比,不仅主观的视觉效果得到了明显的改进,而且客观的峰值信噪比也增加了0.11~2.28 d
针对现有Deep Web信息集成系统没有考虑查询接口动态性的特点,造成本地接口与网络接口查询能力不对等的问题,提出一种基于演化版本的Deep Web查询接口维护方法。该方法通过构建本地接口的版本化模型来刻画接口的增量变化,识别变动比较活跃的属性集合;然后采取试探性查询来构建最优查询语句,获取网络接口数据源的变动信息,演化出本地接口的下一个版本,实现对本地查询接口数据源的信息维护的迭代过程。实验结果