读经热与删经潮的教育解读

近年来,我国的读经热引起了社会的广泛关注,山东教育厅对经典的删节也引起了激烈的争论。传统文化经典是中华文化的根基所在,若轻易删节经典,则会破坏文本的完整性,不利于文化的传承,也不利于学生思考能力、创新思维和批判精神的培养。对其中过时的内容,人们应以"了解之同情"的心态对待,同时尊重学生的主体性,以探讨的方式读经,从而跳出"读与不读"、"删与不删"的怪圈。

楚简诗类文献与孔子删《诗》

孔子删《诗》与否一直是《诗》学史上的一大难题,结合楚简中越来越多的诗类文献,并从古本《诗》的编集流传、孔子时《诗》的形态、主张删《诗》者的论据等角度看,孔子可能并未删《诗》。首先,古本《诗》的编集是一个渐进的过程,乐官最初对诗歌进入《诗》文本进行了一定的整理甚至删削,清华简《耆夜》中的《蟋蟀》和《周公之琴舞》等都启示这一点。其次,《诗》传到孔子时,整体框架等与今本《诗》差别应该不是很大。最后,《史记·孔子世家》所言“及至孔子,去其重,取可施于礼义”的说法有不合事实之处;“诗三百”不是专指孔子所删之《诗》而言,它与《诗》的含义不是对立的,而是大体一致的。总之,孔子并未删《诗》,只是进行了正乐、调整篇次等工作。

一种基于多层次校验的低恢复成本纠删码

随着纠删码在分布式存储系统中的实际应用,纠删码为存储系统提供了更加优秀的存储效率,但当节点丢失时,相较于传统副本技术更多的网络传输带宽开销成为了造成系统性能瓶颈的关键因素。为了解决MDS编码高带宽开销对系统性能的影响,一类新型编码方案——分组码被应用在分布式存储系统中,相较于传统MDS编码能够有效地降低节点修复时的数据传输量,从而减少网络带宽需求。在Pyramid分组码的基础上进行层次扩展,提出一种HLRC(hierarchical local repair codes)纠删码。HLRC相较于LRC引入了层次编码模型,将原始数据块构建为编码矩阵,根据层次进行分别编码,生成包含数据块范围不同的局部校验块;每个层次包含的数据块数量不同,可以保证修复节点时的低修复成本,同时还拥有较高的存储效率。HLRC相较于Pyramid拥有额外的校验块冗余,能够降低校验块出错和多节点出错时的恢复开销。在基于Ceph的分布式存储系统中的实验结果表明,HLRC与Pyramid等分组码相比,单节点修复开销最高可降低48.56%,多节点修复开销最高可降低25%。

面向存算联调的跨云纠删码自适应数据访问方法

日益旺盛的跨云存算联调需求对跨云数据访问速度提出较高要求.因此,跨云数据访问速度较高的基于数据冗余技术(纠删码和多副本)的跨云数据访问方法逐渐受到关注.其中,基于纠删码的跨云数据访问方法因其存储开销较低、容错性较高而成为当前研究热点.为通过缩短编码块传输用时以提高数据访问速度,现有基于纠删码的跨云数据访问方法尝试引入缓存技术并优化编码数据访问方案.然而,由于现有方法的缓存管理粒度较粗且未协同优化缓存管理与编码数据访问方案,导致其存在缓存命中量低、缓存命中增效低、低传输速度编码块访问量大等问题,使得其编码块传输用时仍较长.为此,首先提出了一种基于星际文件系统(interplanetary file system,IPFS)的跨云存储系统框架(IPFS-based cross-cloud storage system framework,IBCS),可基于IPFS数据分片管理机制实现细粒度的缓存管理,从而可提高缓存命中量.然后,提出一种面向存算联调的跨云纠删码自适应数据访问方法(adaptive erasure-coded data access method for cross-cloud collaborative scheduling of storage and computation,AECAM).AECAM以编码块(含缓存编码块)与数据访问节点的分布为依据评估数据访问过程中各编码块的传输速度,并据此制定可避免访问低传输速度编码块的编码数据访问方案.此外,AECAM可识别出其制定编码数据访问方案时易选中且实际传输速度较低的编码块,并将其缓存在数据访问节点附近,从而可同时提高缓存命中量和命中增效.最后,基于IBCS和AECAM构建了面向跨云存算联调的存储系统(cross-cloud storage system for collaborative scheduling of storage and computation,C2S2).跨云环境下的实验表明,相较于现有引入缓存的基于纠删码的存储系统,C2S2可以将数据访问速度提高75.22%~81.29%.

基于FPGA的软硬件协同纠删码编码加速方案

纠删码容错技术已广泛应用于分布式存储系统,相较于多副本容错技术能显著降低数据存储成本,并且具有更高的数据通信可靠性和安全性,但在数据存储过程中不可避免地会引入额外的计算开销并增加编码时延,导致数据写入吞吐量降低。针对该问题,提出一种基于现场可编程门列阵(FPGA)的纠删码编码加速方案。首先,利用FPGA的高速并行计算优势对纠删码算法进行硬件加速,并实现并行处理和时序优化。然后,针对上位机与FPGA之间因传输速率和处理速率不一致造成内存中的数据溢出问题,在FPGA上拓展了片外DDR3接口用于数据缓存,提高了通信可靠性,并利用DDR3的随机存取特点实现对数据块的分片。最后,设计基于FPGA的纠删码编码硬件加速架构进行实验验证。实验结果表明,与主流Jerasure 2.0开源纠删码库相比,该方案的数据写入吞吐量提升了2.7~93.0倍,尤其对于小文件的编码写入性能提升更为显著。

左截断右删失数据下OLLGG分布的参数估计

为了探索Odd Log-Logistic Generalized Gompertz(OLLGG)分布在生物学、社会学、计算机和市场营销等领域的广泛应用,本文研究左截断右删失数据下OLLGG分布的多参数回归模型,利用极大似然思想对参数进行估计。通过数值模拟,检验估计方法的有效性,并使用赤池信息量准则来选择适合的分布形式。最后,将本文的回归模型应用于channing house数据集,展示其良好的拟合效果。

一种纠删码条带化数据的一致性检查方法

纠删码冗余策略常用于分布式存储系统.在纠删码数据中,条带是一致性检查的基本单元,每个条带包含多份原始数据单元和校验数据单元.为了减少纠删码条带化数据一致性检查的读取开销,提高纠删码数据一致性检查和读后写的效率,在执行纠删码条带化数据写入时,为每个条带单元加入自修正数据标签(SCDT),后续对每个条带的一致性检查基于SCDT完成.该方法不需要读取每个条带中所有数据单元即可完成该条带的一致性检查,将一致性检查效率提升了1.7~2.6倍,并且当写入数据更新的条带单元数小于临界值时,可以有效减少写入的输入输出(IO)交互次数.本文方法可以更好地应对条带化数据组的部分更新,同时提高一致性检查效率.

区间删失数据下Weibull 比例优势模型的参数估计

基于区间删失数据建模是当前复杂数据分析的热点之一。本研究在两类区间删失数据下建立Weibull比例优势模型,基于极大似然估计给出了模型参数,进一步讨论了估计量的渐近性质。数值模拟验证了模型参数的估计效果,并将提出的模型及方法应用到艾滋病临床试验数据和肺肿瘤试验数据中,给出了感兴趣事件的生存函数曲线,通过与生存函数的非参数极大似然估计比较,表明所提方法具有较好的拟合效果。

混合相依删失数据下非参数比例风险模型的半参数分析

目的构建一种处理混合相依删失数据的非参数比例风险(PH)模型,探讨心脏移植手术风险与风险因子直接的关系并预测心脏移植手术风险。方法基于混合相依区间删失数据的复杂性,考虑失效时间过程与观测时间过程的相依关系,假设风险因子与心脏移植手术风险存在非线性函数关系,建立具有非参数结构的比例风险模型,并给出两步Sieve估计极大似然算法。根据观测过程模型建立估计方程,获得脆弱变量的估计;再分别利用I-样条和B-样条去近似基准风险函数和非参数结构函数,获得Sieve空间中的工作似然函数,对于模型参数求偏导获得得分方程;最后通过求解方程获得参数的极大似然估计,绘制风险因子影响心脏移植手术风险的函数曲线。结果模拟研究揭示了各种设置下所提方法获得的估计量是相合的且渐近有效的,同时获得很好的参数拟合曲线。心脏移植手术数据分析结果显示,心脏供体的年龄对患者手术风险影响呈现正向线性关系,患者(受体)发病年龄影响先增大后平稳,最后有缓慢增大,供体与受体的年龄差对患者手术风险影响呈现正向线性关系。结论本研究建立了一个可分析复杂相依删数据的非参数PH模型,该模型应用于分析预测心脏移植手术风险,通过模型可探索出心脏移植手术风险与风险因子之间的函数关系。

区间删失数据下威布尔混合模型的估计研究

威布尔分布在生存分析领域中有着广泛的应用.该文提出一种新的三参数威布尔分布的混合模型,在形状参数不同情况下构建混合模型,并运用EM算法在区间删失数据下,对三参数威布尔混合模型和在带有协变量情况下三参数威布尔回归混合模型进行估计研究.同时进行相应的数值模拟研究,验证了在有限样本下所提出方法的优良性.最后将所提模型运用到一组关于儿童牙齿健康的实际数据中,验证了所提模型的有效性,具有一定的现实意义.

带有删失函数型协变量的非参数模型的估计研究

该文在删失函数型协变量背景下,研究非参数模型的估计问题,通过使用曲线扩展算法把删失函数型数据扩展为完整函数型数据.该算法具有很好的准确性和灵活性,避免了删失函数型数据难以建模的问题.使用函数型核估计方法得到模型中非线性算子的估计值.通过数值模拟验证该算法的有效性和删失函数型数据对非参数模型的影响,并应用于肝硬化数据集的数据分析中.

渐近II型删失下广义半逻辑分布的统计推断

本文主要研究了广义半逻辑分布在渐近II型删失下的统计推断问题。首先,我们介绍了广义半逻辑 分布的概念和性质,然后提出了渐近II型删失机制。 接着,我们详细推导了在渐近II型删失下,使 用最大似然估计和贝叶斯方法估计广义半逻辑分布参数的过程。 最后,通过数值模拟和实际数据 分析,验证了所提出方法的有效性和适用性。

改进自适应渐进 II 型删失下 Chen 分布的贝叶斯分析

本文基于改进的自适应渐进 II 型删失,对 Chen 分布进行了贝叶斯分析。首先利用 EM 算法得 到了参数的极大似然估计。针对共轭和非共轭的四种信息先验,运用大方差和遗传算法确定了先 验的超参数。进而根据 Metropolis-Hastings 算法实现了后验分布样本的抽取。最后,通过真实 数据集对不同先验下的贝叶斯估计性能进行比较并得出了相应的结论。

损失函数下逐步二型删失数据广义Pareto分布参数的Bayes估计

基于逐步二型删失数据,在几种不同的损失函数下,选择广义Pareto分布,讨论其形状参数的Bayes估计。当尺度参数给定时,为θ参数引入Gamma分布作为先验分布,得到了几种不同损失函数下参数θ的Bayes估计的数学表达式,通过数值模拟方法,比较了几种损失函数下所得到的Bayes估计的效果。结果表明:在Linex损失函数下,广义Pareto分布参数的Bayes估计效果最优。

混合区间删失下逆指数瑞利分布的可靠性分析

基于混合区间删失试验样本数据,研究逆指数瑞利分布的可靠性分析问题。首先,运用极大似然估计法给出混合区间删失试验下逆指数瑞利分布参数及可靠性指标的极大似然估计;其次,运用渐近正态理论给出参数及可靠性指标的渐近置信区间。最后,运用蒙特卡洛方法模拟样本计算给出参数及可靠性指标的平均相对误差(ARE)、均方误差(MSE)和平均区间长度(AL),并讨论不同样本量下混合区间删失试验参数估计值与定时截尾试验参数估计值对精度的影响。

xStripeMerge:基于纠删码存储的高效宽条带生成方法

为了解决纠删码存储系统的已有宽条带生成方法中扩容方案将产生大量宽条带生成带宽,合并方案受限于双条带的问题,提出了一种针对多条带合并下的宽条带生成问题的高效宽条带生成方法。定义了多条带合并过程的2个关键算子,并将宽条带生成问题建模为组合优化问题,提出了优先寻找具有小的奇偶校验块传输成本的窄条带组合方案的高效宽条带生成方法xStripeMerge。实验结果表明,与目前最优的存储扩容方法相比,xStripeMerge可以减少75%宽条带生成带宽。xStripeMerge的时间和空间复杂度远优于扩展的双条带合并方法,xStripeMerge可以在更短的时间内获得与其性能相近的宽条带生成方案,并且xStripeMerge可以适用于大规模存储系统。

由出土诗经类文献论孔子删诗

孔子删诗之说,后世讨论颇多,多本逸诗为说,这是在以传世文献为古人所能见的全部文献这个预设下或者条件下所做的工作。新近出土的郭店简、上博简,特别是清华简和安大简中的有关诗经类材料,为我们重新讨论这个问题提供了契机。从这些材料来看,诗经类古诗确有很多佚失,选诗、编诗、删诗是存在的,孔子可能利用了鲁国乐工、乐官所用的诗本作为教科书的底本,又进行了一些整理的工作,后人将删诗归为孔子,未尝不可。不过,今存的诗经文本,未必源自孔子所用的教本;论诗根据大小序和谈美刺,也未必符合孔子论诗的方式。

纠删码存储系统中数据修复性能优化研究进展与展望

纠删码被广泛应用于分布式存储系统以保存在线应用的用户数据。当部分存储节点发生故障时,纠删码存储系统需使用新的存储节点替换原有失效节点,并恢复失效的用户数据。由于需要执行数据编码、传输和读写等操作,纠删码存储系统通常需要消耗较长的时间执行数据修复操作,存储的用户数据将长期处于不可靠状态。为了保障存储数据的可靠性,研究学者提出了多种数据修复性能优化方案以减少数据修复时间。本文介绍了数据修复性能优化问题,分析了各个应用场景下主要的性能瓶颈和性能优化难点,总结了提升数据修复性能的主要技术方案和研究工作,并对数据修复性能优化研究领域的未来发展方向进行展望,为纠删码存储系统设计人员准确选择适合特定应用场景的数据修复性能优化方案提供思路。

一种基于软判决的非删余极化码参数识别算法

现有非删余极化码参数识别算法默认冻结比特取值均为0,不具备判断冻结比特取值的能力。针对该问题,推导了码字矩阵与生成矩阵列向量之间存在的校验关系,将比特位类型识别、冻结比特取值的判断转化为该校验关系的检验。在此基础上,引入平均似然差作为统计量,给出了统计量的理论分布及判决门限,并利用判决结果中信息比特位占比随遍历码长变化的规律,完成码率、码长等参数的识别。仿真实验表明,相关性质的推导与实际情况一致,所提算法在保持同一计算复杂度水平且不降低识别性能的基础上,克服了现有方法无法识别冻结比特取值的不足。在信噪比为5.5 dB时,对于码长为512的极化码,算法识别率仍接近100%。

删边操作下图的Harmonic能量

设G是一个n阶连通图,H(G)是图G的Harmonic矩阵,图G的Harmonic能量定义为矩阵H(G)的所有特征值的绝对值之和。设e=xy是图G的一条边,G-e表示从图G中删除边e=xy得到的图,d_(x)表示顶点x的度。本文讨论了当删除一条非悬挂边e=xy且N_(G)(x)∩N_(G)(y)=■时,连通图G的Harmonic能量的变化。当d_(x),d_(y)≥d时,Harmonic能量变化的上界为2/d√1+16(d-1)/(d+1)^(2);当d_(x),d_(y)≥2时,Harmonic能量变化的上界为5/3。