期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
大数据测试技术研究
被引量:
23
1
作者
代亮
陈婷
+2 位作者
许宏科
钱超
梁殿鹏
《计算机应用研究》
CSCD
北大核心
2014年第6期1606-1611,共6页
在对大数据分析平台研究的基础上,根据国内外大数据测试的研究现状和在交通信息大数据分析平台测试中遇见的问题,对大数据测试技术进行了深入研究。首先分析了大数据测试的特点和难点,分析了在Hadoop处理过程各个阶段测试的主要特点与挑...
在对大数据分析平台研究的基础上,根据国内外大数据测试的研究现状和在交通信息大数据分析平台测试中遇见的问题,对大数据测试技术进行了深入研究。首先分析了大数据测试的特点和难点,分析了在Hadoop处理过程各个阶段测试的主要特点与挑战;然后从功能测试和非功能测试两个方面,分析了大数据分析系统的测试方法。针对于大数据的"4V"特性,分析了测试的难点和解决方案,分析了对于具体业务背景的大数据分析系统在测试前期需要的准备工作和测试环境的搭建要注意的问题;讨论了现有的大数据测试基准及大数据测试中常用的测试工具;分析了大数据自动化测试的技术框架,并研究了在此框架内需解决的关键技术。最后分析讨论了大数据测试技术值得进一步研究的主题。
展开更多
关键词
大数据
测试技术
HADOOP
测试基准
自动化测试
下载PDF
职称材料
基于MapReduce的多元线性回归预测模型
被引量:
17
2
作者
代亮
许宏科
+2 位作者
陈婷
钱超
梁殿鹏
《计算机应用》
CSCD
北大核心
2014年第7期1862-1866,共5页
针对传统的多元线性回归预测方法处理时间长且受内存限制的特点,对时序样本数据设计了基于MapReduce的并行多元线性回归预测模型。模型由三组MapReduce过程组成,分别求解由历史数据所构成叉积矩阵的特征向量和标准正交特征向量,用来预...
针对传统的多元线性回归预测方法处理时间长且受内存限制的特点,对时序样本数据设计了基于MapReduce的并行多元线性回归预测模型。模型由三组MapReduce过程组成,分别求解由历史数据所构成叉积矩阵的特征向量和标准正交特征向量,用来预测未来参数的特征值和特征向量矩阵和未来时刻回归参数的估计量。设计并实现了实验来验证提出的并行多元线性回归预测模型的有效性。实验结果表明,基于MapReduce的多元线性回归预测模型具有较好的加速比和可扩展性,适合于大规模时序数据的分析和预测。
展开更多
关键词
MAPREDUCE
多元线性回归
预测模型
加速比
可扩展性
下载PDF
职称材料
基于MapReduce的最小二乘支持向量机回归模型
被引量:
4
3
作者
代亮
许宏科
+2 位作者
陈婷
钱超
梁殿鹏
《计算机应用研究》
CSCD
北大核心
2015年第4期1060-1064,共5页
针对最小二乘支持向量机处理大规模数据集耗时长且受内存限制的特点,将局部多模型方法与MapReduce编程模式相结合,提出一种并行最小二乘支持向量机回归模型。模型由两组MapReduce过程组成,首先按照输入样本集对样本数据进行聚类操作,再...
针对最小二乘支持向量机处理大规模数据集耗时长且受内存限制的特点,将局部多模型方法与MapReduce编程模式相结合,提出一种并行最小二乘支持向量机回归模型。模型由两组MapReduce过程组成,首先按照输入样本集对样本数据进行聚类操作,再对聚类后得到的子类按输出样本集进行二次聚类操作,分别得到局部模型数目和各局部模型综合加权输出计算结果。实验结果表明,并行最小二乘支持向量机回归模型具有较好的加速比和可扩展性。
展开更多
关键词
最小二乘支持向量机
MapReduce编程模式
局部多模型方法
加速比
可扩展性
下载PDF
职称材料
基于深度学习的短时交通量预测研究综述
被引量:
11
4
作者
代亮
梅洋
+2 位作者
钱超
孟芸
吕金明
《计算机科学》
CSCD
北大核心
2019年第3期39-47,共9页
短时交通量预测是智能交通领域的研究热点,对交通控制与管理具有重要的意义。传统的交通量预测方法难以准确地描述交通量数据内部的本质特征,而深度学习通过其深层结构,能够学习到交通量数据内部复杂的多因素耦合结构,进而对交通量做出...
短时交通量预测是智能交通领域的研究热点,对交通控制与管理具有重要的意义。传统的交通量预测方法难以准确地描述交通量数据内部的本质特征,而深度学习通过其深层结构,能够学习到交通量数据内部复杂的多因素耦合结构,进而对交通量做出更精准的预测,这也使得深度学习成为当前短时交通量预测领域的研究热点。文中首先介绍了传统交通量预测方法和深度学习的研究现状;然后按照生成型和判别型深度结构对现有基于深度学习的短时交通量预测方法进行分类,并总结了深度学习在短时交通量预测研究领域的主要方法,对其性能进行了对比研究;最后对深度学习在短时交通量预测领域存在的问题和发展趋势进行了探讨。
展开更多
关键词
短时交通量预测
交通控制与管理
深度学习
生成型深度结构
判别型深度结构
下载PDF
职称材料
一种监测函数语义信息访存地址序列的方法
被引量:
1
5
作者
陈荔城
崔泽汉
+3 位作者
包云岗
陈明宇
沈林峰
梁祺
《计算机研究与发展》
EI
CSCD
北大核心
2013年第5期1100-1109,共10页
准确地获取应用程序在真实系统上运行的访存地址序列(traces)是进行内存系统调度及结构优化的基础.HMTT是自主研发的软硬件结合的内存监测分析系统,能够实时获取完整的全系统访存traces.但是得到的traces与应用程序上层事件之间存在语...
准确地获取应用程序在真实系统上运行的访存地址序列(traces)是进行内存系统调度及结构优化的基础.HMTT是自主研发的软硬件结合的内存监测分析系统,能够实时获取完整的全系统访存traces.但是得到的traces与应用程序上层事件之间存在语义鸿沟问题,比如上层函数执行流与访存traces的同步问题.针对该问题提出了一种软硬件结合获取包含函数级别语义信息访存traces的方法,软件方面通过二进制插桩的方式,直接修改内存中的进程映像,在目标函数的入口及出口各插入标记tag访存指令,进而能够被HMTT卡监测并识别.采用二进制插桩不需要程序的源代码,不需要对程序重新编译链接,而且引入的运行开销很小.实验表明采用软硬件结合的方式能够有效地获取包含函数级别语义信息的访存traces,对于SPECCPU2006中的访存密集型程序引入的性能开销只是原程序的62%,而使用Pin工具的纯软件方式获取访存traces将导致至少10.4倍的性能开销.
展开更多
关键词
HMTT
访存traces
函数级别语义鸿沟
二进制插桩
ELF
tag访存
下载PDF
职称材料
题名
大数据测试技术研究
被引量:
23
1
作者
代亮
陈婷
许宏科
钱超
梁殿鹏
机构
长安大学电子与控制工程学院
长安大学信息工程学院
ibm中国系统与科技开发中心
出处
《计算机应用研究》
CSCD
北大核心
2014年第6期1606-1611,共6页
基金
国家自然科学基金资助项目(51308057)
国家教育部创新团队发展计划资助项目(IRT1050)
+3 种基金
国家交通运输部基础研究资助项目(2010-319-812-080)
陕西省自然科学基础研究计划资助项目(2014JQ8354)
中央高校基本科研业务费专项资金资助项目(CHD2011TD018)
中国博士后科学基金面上资助项目(2014M550475)
文摘
在对大数据分析平台研究的基础上,根据国内外大数据测试的研究现状和在交通信息大数据分析平台测试中遇见的问题,对大数据测试技术进行了深入研究。首先分析了大数据测试的特点和难点,分析了在Hadoop处理过程各个阶段测试的主要特点与挑战;然后从功能测试和非功能测试两个方面,分析了大数据分析系统的测试方法。针对于大数据的"4V"特性,分析了测试的难点和解决方案,分析了对于具体业务背景的大数据分析系统在测试前期需要的准备工作和测试环境的搭建要注意的问题;讨论了现有的大数据测试基准及大数据测试中常用的测试工具;分析了大数据自动化测试的技术框架,并研究了在此框架内需解决的关键技术。最后分析讨论了大数据测试技术值得进一步研究的主题。
关键词
大数据
测试技术
HADOOP
测试基准
自动化测试
Keywords
big data
test technique
Hadoop
benchmarking
automatic test
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
基于MapReduce的多元线性回归预测模型
被引量:
17
2
作者
代亮
许宏科
陈婷
钱超
梁殿鹏
机构
长安大学电子与控制工程学院
陕西省道路交通智能检测与装备工程技术研究
中心
长安大学信息工程学院
ibm中国系统与科技开发中心
出处
《计算机应用》
CSCD
北大核心
2014年第7期1862-1866,共5页
基金
国家自然科学基金资助项目(51308057
51378073)
+5 种基金
教育部创新团队发展计划项目(IRT1050)
交通运输部基础研究项目(2010-319-812-080)
陕西省自然科学基础研究计划项目(2014JQ8354)
中央高校基本科研业务费专项资金资助项目(2013G3324005
0009-2014G1321041)
中国博士后科学基金面上资助项目(2014M550475)
文摘
针对传统的多元线性回归预测方法处理时间长且受内存限制的特点,对时序样本数据设计了基于MapReduce的并行多元线性回归预测模型。模型由三组MapReduce过程组成,分别求解由历史数据所构成叉积矩阵的特征向量和标准正交特征向量,用来预测未来参数的特征值和特征向量矩阵和未来时刻回归参数的估计量。设计并实现了实验来验证提出的并行多元线性回归预测模型的有效性。实验结果表明,基于MapReduce的多元线性回归预测模型具有较好的加速比和可扩展性,适合于大规模时序数据的分析和预测。
关键词
MAPREDUCE
多元线性回归
预测模型
加速比
可扩展性
Keywords
MapReduce
multivariate linear regression
forecasting model
speedup
scaleup
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
基于MapReduce的最小二乘支持向量机回归模型
被引量:
4
3
作者
代亮
许宏科
陈婷
钱超
梁殿鹏
机构
长安大学电子与控制工程学院
长安大学信息工程学院
ibm中国系统与科技开发中心
出处
《计算机应用研究》
CSCD
北大核心
2015年第4期1060-1064,共5页
基金
国家自然科学基金资助项目(51308057,51378073)
中国博士后科学基金面上资助项目(2014M550475)
+3 种基金
国家教育部创新团队发展计划资助项目(IRT1050)
交通运输部基础研究基金资助项目(2010-319-812-080)
陕西省自然科学基础研究计划资助项目(2014JQ8354)
中央高校基本科研业务费专项资金资助项目(0009-2014G1321041,2013G3324005)
文摘
针对最小二乘支持向量机处理大规模数据集耗时长且受内存限制的特点,将局部多模型方法与MapReduce编程模式相结合,提出一种并行最小二乘支持向量机回归模型。模型由两组MapReduce过程组成,首先按照输入样本集对样本数据进行聚类操作,再对聚类后得到的子类按输出样本集进行二次聚类操作,分别得到局部模型数目和各局部模型综合加权输出计算结果。实验结果表明,并行最小二乘支持向量机回归模型具有较好的加速比和可扩展性。
关键词
最小二乘支持向量机
MapReduce编程模式
局部多模型方法
加速比
可扩展性
Keywords
least squares support vector machine
MapReduce programming pattern
local multi-model method
speedup
scaleup
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于深度学习的短时交通量预测研究综述
被引量:
11
4
作者
代亮
梅洋
钱超
孟芸
吕金明
机构
长安大学电子与控制工程学院
ibm中国系统与科技开发中心
出处
《计算机科学》
CSCD
北大核心
2019年第3期39-47,共9页
基金
国家自然科学基金(61701044)
中国博士后特别资助项目(2015T80998)
+2 种基金
陕西省自然科学基金(2016JQ6067)
陕西省博士后科研项目(2014-074)
IBM公司合作项目(SOWCHD201610)资助
文摘
短时交通量预测是智能交通领域的研究热点,对交通控制与管理具有重要的意义。传统的交通量预测方法难以准确地描述交通量数据内部的本质特征,而深度学习通过其深层结构,能够学习到交通量数据内部复杂的多因素耦合结构,进而对交通量做出更精准的预测,这也使得深度学习成为当前短时交通量预测领域的研究热点。文中首先介绍了传统交通量预测方法和深度学习的研究现状;然后按照生成型和判别型深度结构对现有基于深度学习的短时交通量预测方法进行分类,并总结了深度学习在短时交通量预测研究领域的主要方法,对其性能进行了对比研究;最后对深度学习在短时交通量预测领域存在的问题和发展趋势进行了探讨。
关键词
短时交通量预测
交通控制与管理
深度学习
生成型深度结构
判别型深度结构
Keywords
Short-term traffic flow forecasting
Traffic control and management
Deep learning
Generative deep architecture
Discriminative deep architecture
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
一种监测函数语义信息访存地址序列的方法
被引量:
1
5
作者
陈荔城
崔泽汉
包云岗
陈明宇
沈林峰
梁祺
机构
中国
科学院计算技术研究所计算机体系结构国家重点实验室(筹)
中国
科学院大学
ibm中国系统与科技开发中心
出处
《计算机研究与发展》
EI
CSCD
北大核心
2013年第5期1100-1109,共10页
基金
国家自然科学基金项目(60925009
60921002
+4 种基金
60903046
61272132)
国家"九七三"重点基础研究发展计划基金项目(2011CB302502)
中国科学院战略性先导专项课题(XDA06010401)
IBM共享大学研究(SUR)项目
文摘
准确地获取应用程序在真实系统上运行的访存地址序列(traces)是进行内存系统调度及结构优化的基础.HMTT是自主研发的软硬件结合的内存监测分析系统,能够实时获取完整的全系统访存traces.但是得到的traces与应用程序上层事件之间存在语义鸿沟问题,比如上层函数执行流与访存traces的同步问题.针对该问题提出了一种软硬件结合获取包含函数级别语义信息访存traces的方法,软件方面通过二进制插桩的方式,直接修改内存中的进程映像,在目标函数的入口及出口各插入标记tag访存指令,进而能够被HMTT卡监测并识别.采用二进制插桩不需要程序的源代码,不需要对程序重新编译链接,而且引入的运行开销很小.实验表明采用软硬件结合的方式能够有效地获取包含函数级别语义信息的访存traces,对于SPECCPU2006中的访存密集型程序引入的性能开销只是原程序的62%,而使用Pin工具的纯软件方式获取访存traces将导致至少10.4倍的性能开销.
关键词
HMTT
访存traces
函数级别语义鸿沟
二进制插桩
ELF
tag访存
Keywords
hybrid memory trace toolkit (HMTT)
memory traces
functional level semantic gap^binary instrumentationl executable and linkable format (ELF)
tag memory access
分类号
TP333 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
大数据测试技术研究
代亮
陈婷
许宏科
钱超
梁殿鹏
《计算机应用研究》
CSCD
北大核心
2014
23
下载PDF
职称材料
2
基于MapReduce的多元线性回归预测模型
代亮
许宏科
陈婷
钱超
梁殿鹏
《计算机应用》
CSCD
北大核心
2014
17
下载PDF
职称材料
3
基于MapReduce的最小二乘支持向量机回归模型
代亮
许宏科
陈婷
钱超
梁殿鹏
《计算机应用研究》
CSCD
北大核心
2015
4
下载PDF
职称材料
4
基于深度学习的短时交通量预测研究综述
代亮
梅洋
钱超
孟芸
吕金明
《计算机科学》
CSCD
北大核心
2019
11
下载PDF
职称材料
5
一种监测函数语义信息访存地址序列的方法
陈荔城
崔泽汉
包云岗
陈明宇
沈林峰
梁祺
《计算机研究与发展》
EI
CSCD
北大核心
2013
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部