哈图他拉嘎查:“四查四促”办法好

库伦旗哈图他拉嘎查通过"四查四促",推动了学习实践科学发展观试点活动的深入开展。一是查认识,促提高。对照党员干部个人不符合科学发展的传统思维,查工作态度、工作能力、工作思路上存在的不足,破除思想禁锢、拓展工作思路、增强自身素质,把思想统一到科学发展观上来,把思路统一到嘎查村持续发展的战略举措上来。二是查进度,促效率。

基于深度信念网络的电力变压器故障分类建模

基于深度信念网络,构建了深度信念网络分类器模型,分析并用典型数据集对其分类性能进行测试。在此基础上结合电力变压器油中溶解气体分析数据,提出了基于深度信念网络分类器的变压器故障分类新方法,它使用油中溶解气体分析结果作为故障分类属性。对所提出的方法进行了测试,测试结果表明该方法适用于变压器故障分类,具有较强的从样本中提取特征的能力和容错特性,性能优于BP神经网络和支持向量机的方法。

Spark环境下的并行模糊C均值聚类算法

针对聚类算法需要处理数据集的规模越来越大、时效性要求越来越高,对算法的大数据适应能力和性能要求更高的问题,提出一种在Spark分布式内存计算平台下的模糊C均值（FCM）算法Spark-FCM。首先对矩阵通过水平分割实现分布式存储,不同向量存储在不同节点;然后基于FCM算法的计算特点,设计了分布式和缓存敏感的常用矩阵操作,包括乘法、转置和加法等;最后基于矩阵操作和Spark平台特点,设计了Spark-FCM算法,主要数据结构采用分布式矩阵存储,具有节点间数据移动少和每个步骤分布式计算特点。通过在单机和集群环境下测试,算法具有良好的可扩展性,并可以适应大规模数据集,算法性能与数据量成线性关系,集群环境下性能比单机提高2~3倍。

Spark环境下并行立方体计算方法

针对传统联机分析处理(OLAP)处理大数据时实时响应能力差的问题,研究基于分布式内存计算框架Spark加速的数据立方体计算方法,设计基于Spark内存集群的自底向上构造(BUC)算法——BUCPark,来提高BUC的并行度和大数据适应能力。在此基础上,为避免内存中迭代的立方体单元膨胀,基于内存重复利用和共享的思想设计改进的BUCPark算法——LBUCPark。实验结果表明:LBUCPark算法性能优于BUC算法和BUCPark算法,能够胜任大数据背景下的快速数据立方体计算任务。

Spark环境下基于多维布隆过滤器的星型连接算法

为了适应联机分析处理(OLAP)系统中实时数据高性能分析需求不断提高的需求,提出一种能够适合Spark环境并结合多维Bloom Filter(MDBF)的星型连接算法SMDBFSJ。首先,根据多个维表构建MDBF,利用其占用空间小的特点,广播到所有节点;然后,在本地节点完成事实表过滤操作,事实表不需要在节点间移动数据;最后,过滤后的事实表与维表采用重划分方式进行连接,进而得到最终结果。SMDBFSJ算法避免了事实表数据移动,通过MDBF减小了需要广播的数据量,充分结合了广播连接和重划分连接的优势。实验结果表明了该算法的有效性,在单机和集群环境下,该算法相比重划分连接均获得了3倍左右的性能提升。

提升小学语文课堂教学效率的对策研究

小学语文是学生基础学习的重要课程,对学生义务教育有着重要的影响。提高小学语文课堂教学效率是现阶段语文教师亟待解决的问题,教师应当不断探索、及时总结,才能推动我国小学语文课堂高效发展。

新课程改革下提高小学语文阅读教学的对策研究

小学语文阅读教学是新课程改革的重要一环,因此,语文教师必须注重阅读教学的质量,不断创新阅读教学方法,让阅读教学带给学生焕然一新的体验。当前阅读教学现状还不容乐观,语文教师要对当前教学现状进行深入分析,并以此为基础,采取相对应的教学对策优化当前阅读教学,提高阅读教学效率,让阅读教学更加符合新课程改革的要求。

拆回智能电能表自动分拣系统设计

由于缺少标准化工作流程支撑,电能表全寿命周期尚未形成闭环管理。以拆回电能表分拣目标为依据,针对拆回智能电能表的分拣过程进行了研究,完成了自动化检定流水线系统的设计。阐述了系统架构和业务流程及功能,系统提高了从供电局退回的智能电能表的检定效率和质量。通过人工辅助对外观情况进行分拣,对用电信息采集终端的多种型式的表型进行检定,主要包括兼容单相及三相电能表、不能上线表型等。通过优化分拣过程,使自动化分拣系统模块化、自动化效果得以更大程度的发挥,从而增加了检定产量使检定效率得以提高。