光纤网络中大数据多路加载调度方法

传统方法对光纤网络大数据调度时,未进行分路加载,造成加载拥挤、传输时延过高等问题。引入多路加载技术,提出一种新的方法解决光纤网络中大数据调度问题。采用自适应比特信息流均衡控制技术构建大数据调度信道模型,通过数据分类属性进行大数据多路加载特征提取;在此基础上设计数据存储结构,计算大数据调度的信道均衡配置参量;通过多路加载方法实现大数据加载调度。仿真结果表明,采用多路加载方法进行光纤网络大数据调度时,大数据多路加载调度的均衡性较好,通信数据的输出稳定性可达88%,数据转发成功率较高,调度时延和误码率较低,具有较高的应用价值。

基于大数据应用背景的网络流量监控系统设计

传统的网络流量监控系统监控流量的稳态误差较高,导致无法对网络流量精准化的监控,为此基于大数据应用背景,设计网络流量监控系统。该系统在原有系统的硬件基础上,设计了无线数字监控表,实现对网络流量精准化的分布式同步监控。在软件设计方面,利用监控端对网络流量进行预处理,通过设计数据库,实现对网络流量的实时监控。实验结果表明,与传统系统相比,该系统对网络流量监控的稳态误差更低。由此可见,基于大数据应用背景的网络流量监控系统可以实现网络流量实时、精准监控。

共享汽车运营管理的数据可视化平台研究

共享汽车是基于“互联网+”共享经济背景下城市新的出行模式。论文研究基于大数据技术对分时租赁共享汽车的数据采集、共享和可视化平台,采集分时租赁共享汽车运营的实时数据和非实时数据进行分析处理,挖掘数据价值,提供数据可视化展示方案,综合实现从数据源到数据服务平台再到应用端数据展示与应用的“平台+应用”全流程解决方案,为共享汽车数据的综合、集中、一体化展示提供了一种高效、可靠的新方法。

TensorFlow在图像识别系统中的应用

人工智能将是未来发展的大方向,深度学习则是人工智能领域的一个重要分支。随着深度学习在国内外的快速发展,以及深度可分离卷积神经网络模型的提出,极大地推动了深度学习在图像识别、文字处理和语音识别等领域的广泛应用。基于Google人工智能系统TensorFlow的深度学习开发平台,可以快速搭建出深度可分离卷积神经网络。文中采用MobileNet模型,Ubuntu16.04开源Linux操作系统,CUDA9.0运算平台,cuDNN7.0.5并行架构,设计Python爬虫程序构建数据集,运用TensorBoard对模型进行可视化。通过对此类模型进行重建和训练,保存训练完成的模型,对图像实现了较高准确度的识别。完成在不同迭代次数下模型性能的测试和分析,通过与Inception_v3模型的准确度与迭代周期进行对比,表明MobileNet在移动端、嵌入端以及网络规模大小和内存限制时具有较好的推广应用价值。

基于MobileNet的敏感图像识别系统设计

目前人工智能技术已经渗透到媒体日常生产的全部环节,研究面向内容安全的图像识别技术,对网络中的违法不良图像信息进行识别和监管,具有重要的现实意义。本设计利用深度可分离卷积神经网络和MobileNet模型,配合cuDNN的GPU并行计算架构,对构建的敏感图像数据集进行训练。保存训练完成的模型,对敏感图像实现较高准确度的识别。

论影响煤矿管理人员素质的因素——变异系数的GRA模型

通过建立影响煤矿管理者素质因素的层次模型,运用变异系数赋权法和灰色系统理论的关联分析方法,结合多次实地调研资料,对影响煤矿管理者素质的因素进行了分析。结果显示,影响煤矿管理者素质的四个因素中,主要体现在基本素质;同时这四个主因素指标中,心理素质对煤矿管理者素质水平的敏感度最高,这样为预防和减少煤矿事故的发生提供了更进一步的可操作依据。

一种基于HTML5的品牌宣传网站设计

基于HTML5与CSS3技术,配合Bootstrap框架,提出一种品牌宣传网站的设计方案。该设计使用JavaScript和JQuery,引用轻量级插件,提升用户体验的交互效果,并结合后台数据库My SQL以及集成开发环境Eclipse和后台服务器Tomcat,实现品牌宣传型网站的后台搜索功能,以提升用户体验以及网站的实用性。

基于高分辨率遥感影像的道路交通信息应用研究

我国城市机动化水平飞速发展,城市交通压力与日俱增,交通拥堵、事故频发已成为许多城市的通病.高分辨率遥感影像技术越来越成熟,利用高空间分辨率遥感影像中道路的物理和几何特征的信息提取,不仅能获得全局性、实时交通信息,也可以实时航空遥感结合地面监视手段,实现交通管理系统高效运行.

浅谈对当代青少年早恋现象的分析

早恋行为是青少年在心理发育的基础上，情绪转化为行为的现象。然而，早恋会带来很多问题，如影响青少年的学习成绩和身心健康发展。然而，很多人认为早恋是青少年对男女关系的摸索，为将来的爱情与婚姻作准备，不宜过份禁制或压制。

基于微分段与组标记的安全校园网的设计

校园网络覆盖校园办公楼栋、学生宿舍和公共场所等,接入包括有线和无线两种形式,给学校教学、科研、管理、服务等各项活动提供了极大便利。本设计方案使用微分段与组标记技术为多角色的校园网络提供一种安全解决方案。该方案通过建立可信任的网络设备域来建立安全网络,可以对任何时间、任何地点、任何人员(教师、学生、职工等角色)进行基于身份的访问控制,保护他们的网络和服务,还可以有效监测学生上网行为。

基于大数据技术的招聘服务平台设计与实现

对高校毕业生就业情况进行研究,为求职者提供准确直观的应聘方案。系统基于Hadoop大数据平台运行,通过数据采集、数据清洗、数据分析、数据可视化等步骤,对于主流招聘网站的招聘信息和相应区域租房信息进行采集分析,对招聘岗位的平均薪资、招聘岗位数量,学历工作经验要求,以及制品区域附近房源价格等信息,采用数据可视化技术直接展示,使用协同过滤推荐算法进行精准推荐。

基于Django的就业推荐系统的设计与实现

随着互联网行业的推动与在线招聘的迅速发展,用户怎样快速找到合适的工作,企业怎样招聘到更符合条件的人才成为难题,因此设计就业推荐系统成为必要和迫切。该设计采用Django框架,PyCharm开发环境,MySQL数据存储,通过对个人信息、用户浏览、投递简历、收藏夹等行为进行分析,采用推荐算法,推荐用户与之匹配的岗位,减少信息推送,提高用户求职效率,降低用户求职过程中的时间成本。