基于价值链视角的科学数据流通与利用研究

为了解我国科学数据在价值链上流通与利用的现实问题,在讨论数据要素价值效应的基础上,探索并构建科学数据要素价值链理论模型,进而揭示科学数据要素沿着价值链流通的瓶颈并分析对应的解决方法。研究发现,我国科学数据在价值链上的流通与利用面临着要素配置、标准实践、隐私安全、资产核算4个方面的瓶颈。对此,可以从推进科学数据服务平台的资源共享、持续研制推广科学数据标准及相关统计制度、分级分类管理科学数据并完善治理机制3个方面着力解决。

浅析数据库SQL应用性能优化处理

随着大数据和人工智能时代的到来,以及在线远程办公、网络会议等办公方式的普及,各行各业都再在逐步向办公自动化、数据一体化的转型,很多应用场景被从线下搬到了线上。大量应用场景的使用让数据提取、传输和存储在性能优化面临着巨大挑战。数据库作为存储数据的主要载体,其性能的优化也成为了保证应用高效运行的一个重要的环节。为此作者从应用性能问题出现的原因、存在的风险、排查及处理等方面入手,就如何对造成应用的性能瓶颈问题进行排查和处理,提出一些见解和看法。

涂装车间生产线瓶颈深度分析应用

主要介绍在涂装车间自动生产线中,通过电气自动控制系统和数据分析,查找并发现生产线瓶颈的方法,通过进一步的设备数据深入分析影响生产线表现的具体细节和根本原因,以便针对性地提出更多解决方案。本方法已在涂装生产线测试并投入使用,解决了多个现场疑难瓶颈问题,对提高涂装车间生产运营效率有显著作用。

基于Bottleneck的目标检测网络模型加速研究

针对YOLOv5的网络结构能降低模型复杂度,并解决数据不均衡问题,根据YOLOv5的结构特点,采取5种Bottleneck的替代方案,即IBN层、融合IBN层、Tucker卷积层、SPBottleneck和SEGBottleneck。实验基于COCO数据集,实验结果表明与改进前的Bottleneck相比,所提的IBN层、Tucker卷积层以及SEGBottleneck对模型的复杂度都有明显降低。模型规模分别减小了24.5%、22.5%和20.0%,模型运行速度分别提升了3.0%、3.8%和1.5%。基于Traffic数据集数据不均衡实验的结果表明:空间不均衡问题可以通过引入Focal EIoU解决;选择合适超参数能够加速模型的收敛,解决类别不均衡问题。

冯·诺依曼瓶颈下计算机体系结构的创新

在计算机体系结构的发展过程中,冯·诺依曼架构无疑是最为传统且主流的架构之一。为了追求更加高速的计算效率,人们在冯·诺依曼架构的基础上不断做出优化,直至达到其发展瓶颈。从传统冯·诺依曼架构出发,分析了该架构固有的局限性,并列举了针对这些局限性所作出的基本改良措施。然后具体介绍了存算一体、数据流计算等在冯·诺依曼架构上进行创新的多种技术手段。最后简述了突破原始电子计算机物理材料体系的其他非冯·诺依曼架构的发展历程,例如类脑计算机和量子计算机等,并展望了现代计算机体系结构的发展前景与方向。

在线旅游平台竞争与预订价格差异化研究

在线旅游平台预订高溢价及价格多样化现象引起诸多媒体报道、相关调查和社会各界广泛争议,也使得在线旅游双边市场定价理论面临新挑战。基于此,首先,文章由完全垄断和双边单归属市场拓展到Armstrong竞争性瓶颈市场进行研究,从静态市场和动态竞争两个层面分析平台竞争及定价规律。其次,文章采用实验法对上述规律进行验证和进一步拓展。主要结论如下:(1)文章揭示了酒店产品预订价格多样化的理论基础,即酒店产品预订价格与旅游消费者的使用效益、会员效益、酒店交易收益、平台转移成本之间均成正相关关系,与平台对酒店供应商的边际成本之间成负相关关系。(2)平台不管是否面临消费者转换平台消费的可能,都会选择忽视酒店利益以追求旅游消费者利益和平台收益共同最大化。平台对旅游消费者没有高溢价动机,现实中针对旅游消费者的高价只可能是平台的管理因素或个人原因所致的非理性行为,如酒店和代理商的差异化定价及平台方管理者的短期绩效因素等。(3)在动态竞争市场中,酒店佣金随着旅游消费者数量增加而增加,且平台市场有走向完全垄断的可能。基于上述研究结论,政府规制应锚定双边市场总价,平台应做好分类控制,避免短期非理性逐利行为,酒店在注重收益管理的同时,应尤其注重产品创新与技术效率提升。

ML_Raft算法在mysql分布式集群中的研究

为解决传统的Raft算法存在的数据库同步时间过长、单领导者影响集群性能和稳定性等问题,基于mysql分布式集群,分析了数据一致性问题,提出新的改进算法设计——ML_Raft算法,建立了计算集群与数据同步集群,每个集群功能不同,提高了集群响应能力,降低了每个集群节点的服务压力,提高了集群性能。结合mysql集群的应用环境特点,将计算节点和同步节点分开,提出了多个领导者节点,以保证集群的可靠性,加快了响应速度,提高了用户感知。

基于网格划分的城市交通常发拥堵识别方法

为解决常发性拥堵识别中合流点较多、存在环路导致识别困难、路段值缺失使拥堵难以溯源等问题,提出了基于网格模型的城市交通网络常发性拥堵识别方法,基于空间自相关理论,确定以3 km为识别拥堵扩散的显著范围;定义常发性拥堵路段识别规则,计算常发性拥堵路段在拥堵扩散范围内与邻近路段的时间相关系数,得到强相关路段对应的时序偏移量,最终以北京市朝阳区为例,识别常发性拥堵瓶颈37个,并以健翔桥为例证明方法的准确性.研究表明,本文提出的常发性拥堵路段和拥堵瓶颈识别方法,简化了复杂的路网拓扑关系,为拥堵传播机理的准确分析奠定了基础,结果能为制定疏堵方案提供理论依据和数据支撑.

城市公交网络运行演化分析与瓶颈甄别

传统公交网络运行速度优化多基于人工调查开展,存在成本大、周期长、不精确、覆盖线路及区域有限等问题。该文基于深圳公交GPS数据和地图匹配算法,分析典型区域公交网络的运行态势,并采用渗流理论基本原理识别网络中的关键瓶颈路段。研究发现关键瓶颈路段与常规意义上的最拥堵路段并不一致,关键瓶颈路段上的车辆行驶速度对整个公交网络的运行效率影响非常大,优化关键瓶颈路段上的车辆行驶速度,可明显提高公交网络连通性及整个公交网络的运行效率,可作为改善公交网络运行效率的一个高效、低成本方法。

用于虚拟仪器的USB2·0接口高速数据采集卡的设计

提出了一种用于虚拟仪器的USB2.0接口高速数据采集卡的设计。针对USB2.0高速模式实现难的问题,分析了高速数据路径上的所有瓶颈及其解决方法,提出了系统的同步设计方法。选择ADS5232作为高速A/D芯片,CY7C68013作为USB2.0接口芯片,充分利用了该芯片提供的高速模式、自动工作模式和Slave FIFO端口模式,使用FPGA作为所有模块的控制器,CPU不参与数据处理,只用于寄存器初始化,从而实现高速采样和高速传输。软件部份分析了固件程序,驱动程序和主机应用程序的功能特性以及采集卡和Labview开发工具的接口问题。硬件测试的USB2.0接口的净荷平均速率达到149.6 Mbps,表明高速模式的采集卡是可以实现的。

基于大数据分析的互联网业务用户体验管理

传统的用户体验研究方法以定性研究为主,缺乏大样本的代表性及准确的数据结果,同时用户体验研究对具体的用户详细行为的数据粒度和全方位行为信息数据的要求,在传统的数据分析技术条件下无法满足。大数据技术的发展提供了一种途径,可以在更短的时间内,对更丰富的数据资源进行更快速的整合,更加满足这一要求,并可以在大样本下进行用户体验研究工作,弥补定性分析的短板。大数据本身所蕴含的数据资源也可用于提升用户体验,为用户的个性化管理提供更能全方位刻画用户特征的数据条件。本文就大数据分析在产品、业务、用户3个层面对用户体验的支撑工作进行了研究,并对用户体验数据在互联网业务方面的管理工作进行了探讨。

用户感知的重复数据删除算法

通过大量的实验分析发现：在云桌面场景下,数据拥有者之间的工作相关度越大,则该用户之间存在重复数据的概率越大.基于该实验结果,提出了用户感知的重复数据删除算法.该算法打破了数据空间局部性特征的限制,实现了以用户为单位的更粗粒度的查重计算,可以在不影响重删率的前提下,减少5-10倍常驻内存指纹的数量,并可将每次查重计算的指纹检索范围控制在一个常数范围内,不随数据总量的增加而线性增加,从而有效避免了因为数据总量增加而导致内存不足的问题.除此之外,该算法还能根据存储系统的负载情况自动调整重复指纹检索范围,在性能与重删率之间加以平衡,从而更好地满足主存储场景的需要.原型验证表明,该算法可以很好地解决云计算场景下海量数据的重复数据删除性能问题.与Open Dedup算法相比,当数据指纹总量超出内存可用空间时,该算法可以表现出巨大的优势,减少200%以上的读磁盘操作,响应速度提升3倍以上.

基于模糊聚类分析的构件并行技术研究

提出了一种新的面向科学计算的构件技术——基于模糊聚类分析的构件并行技术,旨在提高构件间的并行度和数据局部性,避免通信瓶颈.该技术分为两个阶段:域划分和子构件组合.其中域划分利用了编译时的数据依赖分析技术.然后考虑访问步长的影响,利用不定方程,提出了区间重叠度的概念.基于此利用所设计的基于区间重叠度的模糊聚类算法实现子构件分类组合,并给出了算法的形式化描述.实验结果表明,通过该算法的编译时优化,构件程序能够获得良好的数据局部性、适中的粒度以及高度的并行性,算法具有很好的可扩展性.

国际地球参考框架数据管理的瓶颈与研究策略

分析了ITRF数据管理的瓶颈——甚大规模对称矩阵的数据管理问题。提出将对称矩阵从半结构化形式转换成全结构化且具有固定字段数的关系型表,再用扩展关系模型原理,建立基于对称-关系模型的数据库。这种对称-关系数据模型理论既能用于管理关系型的数据表又能管理对称矩阵。若用于附甚大规模对称矩阵的ITRF成果数据集,可提高ITRF成果的数据存储、管理和网上发布的效率。

基于Apriori挖掘算法的改进研究

Apriori频繁集算法是比较经典的一种数据挖掘算法,本文针对Apriori算法的瓶颈,提出了一种Apriori_New算法,它通过迅速减小数据库规模从而较大地提高了挖掘效率,当原始数据库规模较大时,此算法效果尤为显著。

电信企业云计算数据中心容量管理

为解决电信企业云计算数据中心基础设施管理中的容量管理问题.采用理论分析和实验的方法,以理解数据中心系统历史容量使用为依据,利用指数平滑法建立容量预测模型,并考虑业务突发对模型的影响,利用斜率调整因子和截距调整因子优化预测模型,实验验证了通过模型计算容量与系统真实占用容量接近的结果.研究结果表明:数据中心系统未来容量需求可以通过历史容量分析建立指数平滑模型来预测.研究结论初步突破了数据中心系统容量不可预测、难于管理的认识,通过容量管理可以使电信业保持系统容量利用率、成本以及服务质量之间的平衡,提升系统资源利用率,提升服务可用性,解决资源瓶颈.

高速数据采集系统中的存储瓶颈问题及其解决

高速数据采集系统中的实时数据存储是一个技术瓶颈。本文介绍了一种基于PLX PCI9656的PCI高速数据连续实时采集存储系统,连续不间断采集存储速率达130MB/s以上,并能将连续的数据流实时写入硬盘。本系统使用工控服务器作为计算机平台,采用SCSI硬盘组成RAID0磁盘阵列,实现简单,工作稳定可靠。

土地利用变更调查数据的应用研究现状与前景

研究目的:总结土地利用变更调查数据研究性应用的时间趋势、学科分布,展望其升级方向和应用前景。研究方法:采用条件检索和文献计量方法对相关文献进行时间和学科分类分析,根据分类结果及其发展趋势分析土地变更调查数据的应用现状和不足。研究结果:土地变更调查数据的应用研究现状在时间上经历了萌芽期、探索期、成长期和瓶颈期,在学科分布上主要集中于土地学科,在三农问题、环境与生态学、社会经济发展和交通领域都有应用。研究结论:土地变更调查数据的研究性应用前景拓展应在提高数据发布规范、健全数据应用管理机制、提升土地污染等关联数据透明度和可得性等方面做出努力。

基于数据选择模型的IB算法

针对数据对象自身模式特征明确程度的不同给IB(Information Bottleneck)方法数据分析带来的问题,定义一个"基于明确因素"的数据选择模型,使得IB方法可从数据集中选取模式特征较为明确的数据对象并对其进行模式分析,提出DSIB(Data Selection Information Bottleneck)算法.DSIB算法采用数据压缩过程中所产生的信息损失作为数据对象模式特征是否明确的判定条件,使用"边选择边学习"的顺序"抽取-合并"策略来优化DSIB目标函数.实验结果表明:随着数据选择标准的不断提高,DSIB算法在提高数据分析精度的同时所牺牲的召回率较小;与未做选择的数据分析算法相比,DSIB算法可更好地识别出数据中所固有的内在模式.

基于定点数据的道路瓶颈拥挤自动识别算法

为研究道路瓶颈处的交通拥挤现象,掌握由道路瓶颈引发的常发性拥挤的分布特点和变化规律,提出了道路瓶颈拥挤的自动识别算法。基于检测线圈历史数据,将交通状态定性划分为畅通和拥挤2种,根据瓶颈拥挤原理,识别道路瓶颈所在,并同时对由其引发的拥挤持续时长和拥挤范围进行鉴别。算法运算结果包含瓶颈定位及由其引发的拥挤持续时长和空间影响范围。以上海市南北高架路东侧10d线圈检测数据为例,验证了算法的有效性和实用性。