大数据科学与工程专业设置探索

针对贵州大数据产业发展的实际需情况,分析大数据的关键技术及特点,结合贵州发展和打造大数据产业的三大机遇和五大优势,对贵州大学设置大数据科学与工程专业的优势进行了分析和展望,利用更好的培养大数据产业人才。

基于大数据分析的用户信息多重加密存储技术

在大数据的分析中,当前方法对信息进行加密存储时,主要以线性微分求解对混合加密存储方法进行优化。在对密钥进行扩展的过程中,信息链路加密存储的信息出现非线性的突变,造成加密存储的信息安全性较低。鉴于此,提出一种基于超带宽的用户信息多重加密存储方法。利用混沌映射给用户信息增加反破解的保护外壳,以达到大数据分析下用户信息多重加密的目的,克服了当前方法存在的弊端,降低了加密信息存储产生的非线性突变。利用超带宽多重加密存储技术对用户信息进行多重加密存储,有效地增强了加密存储信息的抗攻击性,提高了用户信息多重加密存储的安全性,完成了对基于大数据分析的用户信息多重加密存储技术的研究。实验结果表明,利用该方法进行信息的多重加密存储提高了信息的安全性。

基于Hadoop的精准扶贫大数据信息系统

随着我国信息化建设的不断发展,在扶贫开发领域已经积累了大量具有实际指导意义的扶贫数据,如何有效管理和利用这些日益增长的扶贫大数据是当前亟待解决的问题。为实现高性能的扶贫大数据管理平台建设,文中将大数据技术与精准扶贫相结合,提出了一种基于Hadoop的精准扶贫大数据信息系统,设计了分布式数据清洗和FPGrowth算法,实现对扶贫大数据的安全可靠存储和智能管理利用,为精准扶贫提供科学依据。经测试,系统可靠性高,能达到支持决策的作用。

基于HTM-Attention的时序数据异常检测方法

针对现有工业时间序列数据异常检测算法并未充分考虑时序数据在时间相关性方面的研究问题,提出了一种改进的HTM(Hierarchical Temporal Memory)-Attention算法。该算法结合了HTM算法和Attention机制,能学习数据之间的时间依赖关系,并在单变量和多变量时序数据上得到验证。同时,通过引入Attention机制,算法可以关注输入数据中的重要部分,进一步提高了异常检测的效率和准确性。实验结果表明,该算法对不同类型的时间序列异常数据能进行有效地检测,并且比其他常用的无监督异常检测算法具有更高的准确率和更低的运行时间。该算法在工业时间序列数据异常检测的应用中具有较大的潜力。

融合语义和句法信息的方面情感三元组抽取

方面情感三元组抽取(ASTE)是方面情感分析中一项极具挑战性的子任务,目的是提取所给句子中的方面项、观点项和对应的情感极性。现有的面向ASTE任务的模型分为流水线模型和端到端模型。针对流水线模型易受到错误传播的影响,且大部分现有端到端模型忽略了句子中丰富的句法信息问题,提出一种语义和句法增强的双通道方面情感三元组抽取模型(SSED-ASTE)。首先,使用BERT(Bidirectional Encoder Representation from Transformers)编码器对上下文编码;其次,使用双向长短期记忆(Bi-LSTM)网络捕捉上下文语义依赖关系;再次,通过2个并行的图卷积网络(GCN)分别使用自注意力机制和依存句法分析提取语义特征和句法特征并融合;最后,使用网格标记方案(GTS)抽取三元组。在4个公开数据集上进行实验分析,与GTS-BERT模型相比,所提模型的F1值分别提升了0.29、1.50、2.93和0.78个百分点。实验结果表明,所提模型可以有效利用句子中隐含的语义信息和句法信息,实现较准确的三元组抽取。

专业集群下新工科机器人工程专业建设

学科导向的单一专业人才培养体系已无法满足新时代社会发展需求。通过机器人工程专业建设现状分析,得出以专业集群为形态特征的领域工程技术人才培养体系能有效提高人才供给侧与产业需求侧的匹配度,依据产业需求对学科专业动态重构是新工科建设应对新产业技术发展的有效途径。通过对机器人工程专业“先宽后深”的建设主线、“3+1”应用型人才培养模式介绍,为其他高校提供借鉴和启示。

教育信息化2.0背景下的智慧课堂教学设计研究——以高职计算机类课程为例

教育信息化2.0背景下,智慧课堂在高职教学中得到了广泛应用。本文在分析教育信息化2.0及智慧课堂的概念特点的基础上,以高职计算机类课程为例,从教学环境、教学目标、教学内容、教学评价等方面入手,分别探讨课前、课中、课后的相关举措及教学活动,为学生创新能力提升及智慧型人才培养提供助力。

基于分子束外延技术可控制备Bi原子团簇的研究

本研究基于分子束外延(MBE)技术在Si(111)衬底表面成功制备金属Bi原子团簇.首先,分别在100℃、125℃、150℃、175℃、200℃的生长温度下,制备了大小均一、密度不同的Bi原子团簇.实验结果表明,可以通过改变生长温度来精细控制Bi原子团簇的密度,当温度升高100℃,密度从1.05×10^(11)cm^(-2)降低至2.5×10^(7)cm^(-2),实现对团簇密度4个数量级的可控调节,并且发现Bi原子团簇密度对生长温度的依赖性符合经典成核理论.其次,分别在10 s、15 s、20 s的沉积时长下,制备了密度相同、尺寸各异的Bi原子团簇.实验结果表明,可以通过改变沉积时长来精细控制Bi原子团簇的尺寸:当沉积时长增加10 s,高度和直径分别从8.5 nm和65 nm增大到13.7 nm和100 nm,实现对团簇尺寸在10 nm高度、80 nm直径范围的可控调节,并且发现Bi原子团簇尺寸对沉积时长的依赖性符合晶体生长动力学.与分子束外延制备传统的Ⅲ族(Al,Ga,In)原子团簇做对比,这些结果可以为制备Ⅴ族原子团簇提供实验参考和指导,从而促进纳米级含Bi材料的制备.

基于分子束外延技术可控制备Ga原子团簇的研究

本研究基于分子束外延(Molecular Beam Epitaxy,MBE)技术在Si(100)衬底表面成功制备金属Ga原子团簇.通过控制变量法,研究其尺寸形貌与工艺参数之间的关系.第一组对照实验分别在940℃、970℃、1000℃的Ga源温度下制备Ga原子团簇.实验结果表明,Ga源温度的升高导致Ga的蒸发量增加,进而沉积在Si衬底表面的Ga原子增多,Ga原子自组装成团簇,最终表现为Ga原子团簇的高度升高.第二组对照实验分别在3 s、6 s、10 s、40 s、50 s、60 s的沉积时长下制备Ga原子团簇.实验结果表明,沉积时长增加导致团簇的高度逐渐增加,主要由新吸附原子和竞争效应驱动.第三组对照实验分别在0 s、60 s、300 s的退火时长下制备Ga原子团簇.实验结果表明,退火时长的增加导致团簇的高度下降和团簇内的原子重新排列和分布有关.第四组对照实验分别在420℃、500℃的退火温度下制备Ga原子团簇.实验结果表明,升温至500℃退火会促进Ga原子团簇呈现有序排列,是表面原子的热运动和Ga原子团簇与Si(100)的晶格匹配度的共同作用的结果.

二维GaN中带电缺陷性质的第一性原理研究

带电缺陷形成能与电荷转移能级对探索材料中n-type或p-type掺杂具有重要指导意义.基于第一性原理方法,本文结合二维带电缺陷校正理论,将半局域泛函电荷转移能级有效转换到杂化泛函精度,对六方二维氮化镓(Hexagonal gallium nitride,h-_(Ga)N)12种n-type和p-type带电掺杂体系结构性质、磁学性质及缺陷性质进行系统研究.n-type体系包括C_(Ga),Si_(Ga),Ge_(Ga),O_(N),S_(N),Se_(N),p-type体系包括Be_(Ga),Mg_(Ga),Ca_(Ga),C_(N),Si_(N),Ge_(N),结果表明Ge_(Ga)和Be_(Ga)分别是n-type和p-type中最稳定缺陷.n-type体系最稳定价态为0和1+价,施主离子化能分布在低于导带底~0.4到~0.6 eV能量区间,表现为深施主能级特性,会捕获p型h-GaN中空穴,影响空穴导电率;p-type体系最稳定价态为1-,0(Ge_(N)除外),1+价,受主离子化能分布在高于价带顶~1.25到2.85 eV能量区间,表现为深受主能级特性,会捕获n(p)型h-GaN中电子(空穴),影响n(p)载流子导电率.研究结果表明,二维h-GaN体系很难通过单缺陷实现n或p-type掺杂,实验上需要考虑复合缺陷实现双极型掺杂.

基于模糊证据理论的多传感器数据融合算法

针对多传感器实时测量值的可靠性难以评价从而影响数据融合精度的问题,提出一种基于模糊证据理论的多传感器数据融合算法。首先将所有测量值构成的集合视为辨识框架,应用模糊数学原理引入隶属度函数,设计了多传感器之间互支持度计算的新方法,并借鉴信任分配思想将测量值转换为相应的证据,最终通过基于冲突分配的证据组合规则得到融合结果。仿真结果表明,该算法简单有效,无需传感器先验信息条件下仍可获得较高的融合精度。

模糊逻辑数据融合LED智能调光的无影灯系统

通过对传统LED无影灯的工作原理和当前智能照明的发展趋势的分析,提出LED智能恒光无影灯系统设计方案。系统采用多超声波传感器模糊逻辑数据融合算法判断手术过程中造成阴影的遮挡物位置,并根据判断结果产生LED光源组驱动方案,达到实时消除阴影的目的。LED智能恒光无影灯系统利用数字光电传感器TSL2561T实时反馈的数据建立PID闭环反馈调节,通过间接测量手术工作台的光照情况,进行LED亮度的智能调节,使手术台处的亮度满足手术需要。经多次实验数据观察,该无影灯系统可在不同亮度环境下保持光照范围内亮度恒定,无影灯可有效消除阴影,无级调节效果良好。

安全数据库隐蔽通道的标识技术与实例分析

LogicSQL数据库是自主研制基于Linux的高安全级别安全数据库。重点对安全数据库的隐蔽通道标识技术进行研究,为寻求更好的隐蔽通道标识方法,对共享资源矩阵、信息流公式法、无干扰法等标识方法从理论上进行分析,以Log-icSQL安全数据库的隐蔽通道进行实例分析。改进的共享资源矩阵是目前相对比较成功的隐蔽通道标识方法,无干扰法的实际应用可作以后的隐蔽通道标识方法研究重点。

大数据驱动智慧教育发展模式研究

通过描述大数据的特点和发展态势,指出教育将会向智慧教育的方向发展,大数据将会改变传统的学习方式、教学方式和管理方式。大数据建立智能化数据采集系统获取大规模非结构化教育数据,形成教育大数据以支持智慧教育的决策、实施、评价等全过程。需要通过丰富的教育资源、丰富的教与学渠道、针对性的教学方式来构筑大数据教育平台,促进智慧学习。

基于光谱-纹理特征的辣椒早疫病潜育期高光谱图像检测识别

目的早疫病是茄科作物生长过程中的一种常见破坏性病害,严重时会导致作物欠收而损失严重,传统的作物病害检测方法难以在病害潜育期及时发现病害特征从而采取科学有效的防治措施。本文通过高光谱成像仪连续监测从而获得不同感染期辣椒早疫病的高光谱图像,利用光谱角余弦-相关系数和切比雪夫距离确定了辣椒早疫病潜育期最早可识别时间(本实验潜育期最早可识别时间为接种后24h)。方法以辣椒早疫病潜育期病状作为研究对象,采用遗传算法筛选出13个特征波长,经特征波长优化组合并结合逻辑回归模型建立基于光谱特征的作物病害潜育期病状识别模型。同时,利用局部二值模式建立基于图像纹理特征的辣椒早疫病潜育期识别模型。结果实验以120个样本进行测试,基于光谱特征的作物病害潜育期病状检测识别模型在训练集和测试集的准确率均达到93%以上,基于纹理特征的作物病害潜育期病状检测识别模型在训练集和测试集的准确率分别达到了98.96%和100%。结论利用光谱特征或者纹理特征均可实现作物病害潜育期病状的检测识别,纹理特征相比光谱特征更显著地揭示了病害潜育期特征,有效提升了模型检测性能。本文研究成果可为其他作物病害潜育期病状的监测识别提供理论参考。

决策树算法在Weka平台上的数据挖掘应用

决策树算法可以对数据集进行有效的训练学习和快速准确的分类,其中ID3算法是最早提出的一种决策树算法,但是,此算法只适用于处理取值较多属性的数据,不能处理连续数据,对噪声也比较敏感。C4.5算法是对ID3算法的优化,不仅可以对连续值属性进行处理,而且增加了对空值数据的处理功能。在研究和分析主流决策树算法基础上,针对二手汽车数据库在Weka数据挖掘平台进行了C4.5算法的设计与实现。实验结果表明该算法对预测数据集中的相应属性能进行较为准确的预测。

未来无线通信与大数据、人工智能

香农理论奠定了包括4G、5G在内的现代无线通信技术发展的基础。今后,大数据与人工智能(Artificial intelligence,AI)将深刻影响社会的方方面面。面对未来无线通信超异构网络、多种通信场景、大量天线单元、大带宽、新的服务需求,采用大数据技术或数据驱动和人工智能无疑是必然选择。通过给出物理层调制和解调、未知信道端到端无线通信系统例子,分析了数据驱动对未来端到端无线通信的影响;通过分析智能反射表面技术和人工智能赋能软解调的两个例子,提出了人工智能赋能未来无线通信的思路。简而言之,未来无线通信会大量采用大数据技术和人工智能技术,未来无线通信不仅可以实现“全覆盖、全频谱、全应用、强安全”,还需“全智能”。

我国信息安全管理的现状、问题及对策

长期以来,人们对保障信息安全的手段偏重于依靠技术,从早期的加密技术、数据备份、防病毒到近期网络环境下的防火墙、入侵检测、身份认证等等.厂商在安全技术和产品的研发上不遗余力,新的技术和产品不断涌现;消费者也更加相信安全产品,把仅有的预算也都投入到安全产品的采购上.但事实上仅仅依靠技术和产品保障信息安全的愿望却往往难尽人意,许多复杂、多变的安全威胁和隐患靠产品是无法消除的.

“互联网+”和大数据时代智慧交通的发展

以智慧交通为切入点,分析了目前智慧交通建设中存在的问题。阐述了结合大数据技术和"互联网+"战略的智慧交通系统建设思想,分析了当前时代背景下智慧交通系统的建设目标和发展愿景,为我国智慧交通系统的建设提供参考。

大数据技术在智慧城市照明建设中的应用

我国城市照明节能具有巨大潜力,以城市路灯设施为例,其数量多、区域广、用电总量巨大,但是能源利用率依然不高,浪费现象严重。文章重点探索使用大数据方法实现智慧城市照明建设,提出了一种包含中央控制器、通信模块和多种传感器的智慧照明系统架构。在此基础上,以信息感知为基础,进一步组建城市智能交通和智能安防系统。