基于MAP框架的图像序列超分辨率和模板匹配

许多图像序列处理系统的最终目的是自动或半自动地提取图像序列中的信息 .为了得到被拍摄物体更清晰的影像 ,需要利用超分辨率技术提高分辨率 .为了分析图像中的信息 ,常常需要利用模板匹配 .以往这两个问题是分开求解的 .该文提出在统一的基于最大后验概率估计的算法框架下同时求解图像序列超分辨率和模板匹配问题 .算法框架具有以下两个特点 :首先 ,在超分辨率中引入了模板库中的先验知识 ,提高了超分辨率的恢复效果 .其次 ,在模板匹配中更充分地利用了图像序列中的信息 ,提高了模板匹配的准确性 .

基于MVC设计模式的SQL Maps框架在餐饮物流系统中的应用

本文介绍了MVC设计模式和SQL Maps框架的工作原理,对SQL Maps框架、SQL Maps XML配置文件、SQL Maps XML映射文件、SQL Maps API编程等在高校餐饮物流系统开发中的应用情况进行了具体的分析和阐述.

基于Apriori优化的大数据挖掘技术研究

为解决Apriori算法在大数据挖掘中存在数据负载大、挖掘效率低、冗余性高的问题,提出采用Map Reduce计算框架来优化Apriori数据挖掘算法,将计算任务划分为多个并行任务,提高数据处理效率。将改进的Apriori算法应用于网络入侵大数据挖掘中,并和传统Apriori算法进行对比。结果表明,改进的Apriori算法的数据挖掘效果优于传统Apriori算法,数据挖掘效率高,同时可以有效降低对网络入侵数据的误检率和漏检率。

基于Hadoop平台的文本相似度检测系统的研究

在现有的文本相似度计算方法中,获取关键词权值的TFIDF算法没有完全考虑到关键词在文本中的位置和其在文本库中的离散度对权值的影响,且当处理的文本库中信息量过大时,运行效率较低。针对上述问题,文中提出一种基于语义的信息熵与信息增益的TFIDF算法(TFIDFWGE)。该算法通过对给定的关键词添加位置权重与计算熵值和信息增益,得到关键词的最终权值,并利用Hadoop平台的Map/Reduce框架来实现TFIDFWGE算法和向量空间模型(VSM)的文本相似度计算过程。通过对两组真实的数据集进行的实验结果表明,与现有的TFIDF算法相比,TFIDFWGE算法的查全率和查准率更高,且在Hadoop平台上实现的文本相似度检测系统对信息量大的文本库处理效率更加高效。

一种基于云计算的并行流生成方法

在高速网络中,网络设备的分组转发性能在打开流采集功能后会受其影响。为此,提出一种在网络设备外基于云计算平台的并行流生成方法。在需要监测的网络设备附近部署小型云,把分组流量复制到云中,采用云的Map-Reduce并行处理框架快速地从海量分组数据中生成流记录。设计基于Map-Reduce框架的并行流生成算法,通过配置合适数量的云节点,可分析任意大小的网络流量。用实际网络分组数据对并行流生成方法的性能进行验证,实验结果表明,在由3台、5台或7台节点构成的小型云平台上,从超过40 GB的文本分组数据中共提取了15 160 052条流,与顺序处理相比,耗费时间至少可减小85%、90%和94%。

云环境下基于MKd-Tree的大规模图数据索引技术

由于高维属性和海量数据所带来的影响,数据管理需要相当高的计算负载,传统的集中索引技术已经变得不切实际。为满足数据的快速增长、海量和高维特性的要求,实现了一个高层次的分布式树形索引结构框架MRC-Tree。基于MRC-Tree框架基础上,提出了两种MKd-Tree索引结构构建方法,即OMKd-Tree和MMKd-Tree。理论分析和实验结果表明,基于MRC-Tree框架的MKd-Tree索引结构构建方法具有良好的可扩展性和较高的检索效率。

Grove在学生学籍管理系统中的应用

Grove是一个基于.NET的O/R Mapping框架,通过O/R Mapping框架可以实现对象和关系数据库之间的映射,这种映射可以屏蔽应用系统应用异类数据源问题。本文简述了Grove ORM包含的内容,同时应用Grove工具实现了学生学籍管理系统中的O/R Mapping映射框架。

一种稳定的并行分布式频繁集挖掘算法及其应用

为解决大规模医药数据分析中的频繁集挖掘问题,提出一种稳定且具有良好扩展性的并行分布式算法P-FIM。该算法将挖掘任务分割成无相互依赖关系的同构子任务,实现有效的并行计算;并且充分利用Map/Reduce框架和集群环境的优势提高自身的鲁棒性和负载均衡能力。采用最大规模为512万条记录的中医药方剂数据进行算法性能分析实验,其结果表明,该算法在分布式集群环境中表现稳定,而且随着集群规模的增加其加速比接近线性。以P-FIM算法为基础设计实现的中医药数据相关性分析方案,可有效地从大规模临床数据中获得全面、可靠的病、症、药间相关性的信息。

大数据处理平台Spark基础实践研究

Spark是主流的大数据并行计算框架。文章将通过几段Scala脚本,演示在Spark环境下通过Map-Reduce框架处理大数据。

基于云计算的大数据统一分析平台研究与设计

通过介绍大数据时代的业务特点以及目前大数据时代面临的挑战,对基于云计算的大数据统一分析平台进行了详尽的研究与设计,包括大数据分析平台的架构体系、大数据分析平台的软件架构、大数据分析平台的网络架构、大数据统一分析平台的方案特点等,分析了基于云计算的大数据统一分析平台方案的竞争优势,基于云计算的大数据统一分析平台将更有效支撑未来电信运营商业务的发展。

基于云计算的分布式搜索引擎研究

首先阐述了云计算的概念及其优点,并着重介绍了云计算中的关键技术——分布式计算;然后分析了搜索引擎的工作原理,包括数据抓取和存储、数据整理和索引的构建、检索服务的提供;接着详细描述了分布式搜索引擎里两项最重要的技术——数据的分布式存储和搜索的分布式计算。