初探地理国情普查与省级基础测绘的协同生产

本文主要讲述地理国情普查与基础测绘的主要技术工艺及其协同生产的方式方法。明确基础测绘与地理国情项目的区别与联系,在实际作业中突出重点、避免重复,可以事半功倍。     

试论快速发布系统在临夏地震信息数据管理中的应用

随着社会经济和信息化技术的快速发展,面向社会提供更为快速便捷有效的信息共享服务已成为政府和民众的普遍所需.网络环境下如何对空间数据实现规范化的编码和打破GIS系统的封闭性还存在着很多的技术问题.介绍了部署于临夏州地震局的地震信息快速发布系统,以及系统各模块具有的技术要点,并对该系统的技术要点与同类平台对比评测.     

Spark框架下交通流数据高效处理方法及其应用

设计并实现基于Spark的交通流数据处理与预测分析应用框架, 可以完成交通流数据的高效清洗、统计、存储和查询。利用基于多阶空间权重矩阵的STARIMA模型进行交通流预测分析, 可以验证数据处理效率及对预测应用的支撑作用。对比实验结果表明: 1) 交通流数据处理框架运行效率高, 适用于复杂的数据清洗和挖掘算法, 为预测模型建立数据支撑; 2) 交通流预测模型对空间权重矩阵进行了多阶优化, 兼顾高效性和准确性, 预测分析结果可以为交通诱导提供参考。     

海底观测网络数据管理系统设计

针对海底观测网数据管理的需求，建立了数据管理系统的功能模型，设计了数据通信、设备管理、故障诊断及数据质量控制等关键技术的相关实现算法。综合运用Socket网络编程、MySQL数据库技术，依据模块化的设计思想，开发了海底观测网数据管理系统。海试结果表明，该系统实现了对海底观测网的实时数据采集、状态监控、数据分类存储和数据共享等功能，具有长期运行稳定可靠、可扩展性强的优点。     

基于静态指令分配的多模块ROP自动构造方法

返回导向式编程(ROP)是一种可有效绕过数据执行保护(DEP)机制的技术.已有的ROP自动构造技术缺少对ROP模块转换过程的静态指令分配的优化,导致ROP载荷需占用大量内存空间.为解决这一问题,基于已有的ROP自动构造系统Q,针对多模块ROP的模块转换过程,设计了新的静态指令分配规则SIA.SIA通过静态指令分配,构造中间指令序列;通过动态数据填充,实现ROP模块转换过程中的寻址与指针修改.实验表明,相比已有技术,通过SIA规则构造的多模块ROP载荷降低了内存空间占有率,提高了ROP载荷的实用性.     

大数据时代军人使命感培育的特点及机理探究

军人使命感培育是军队政治工作的重要内容。大数据技术的发展,为培育工作提供了全新的路径选择。本文探讨了大数据时代军人使命感培育的内涵及机理,指出应全面理解大数据时代培育理念、培育方式的创新与培育机理,着力提升培育工作的实效性。     

大数据视角下开放型实践教学质量监控体系的构建

将大数据技术深入融合到实践教学质量监控环节,能够对教学管理平台中保存的数据点进行挖掘和分析,有利于构建科学有效的反馈机制,为实践教学资源建设、实践教学安排以及教学模式的改进提供科学化的参考依据,最终推动高校教学质量监控的闭环化。文章从大数据视角出发,对当前构建开放型实践教学质量监控体系的背景进行了分析,在此基础上从原则和策略两个方面对大数据时代下的开放型实践教学质量监控体系的构建进行了研究,从而为提升实践教学质量和管理水平提供一定的参考。     

基于文献计量的中文科技新词探讨

文章以中国知网的中文学术文献数据库为基础,利用词频统计,结合时间参数,对中文科技新词做了探讨。文章认为,高被引论文的关键词包含了专业领域的重要中文科技名词。统计结果表明,大部分高被引论文为基金论文。由于基金论文在全部论文中所占比例较低,因此,不需要考虑全部新论文,只要对其中基金论文的关键词做词频统计,就有助于发现大部分重要中文科技新词。这样,既减少了工作量,也减少了盲目性。此项工作对科研工作者和术语工作者有一定帮助。     

港口竞争力与腹地经济协同机制面板数据分析

本文在港口竞争力评价模型中同时引入港口硬件竞争力和软件竞争力指标,进一步完善了港口综合竞争力评价指标体系.在此基础上,结合面板数据模型分析国内9大港口综合竞争力与其腹地发展的协同机制,基本克服了现有港城研究中普遍存在的单角度、单维度和单主体问题.研究表明:港口综合竞争力存在惯性,较弱港口实现超越较难,但可通过充分结合腹地供需结构和贸易特色提升软实力来以长补短.腹地经济结构以及贸易和物流发展水平对港口综合竞争力具有显著正向影响,港口综合竞争力提升又会改善腹地经济结构,而腹地区域产出水平并不是港口综合竞争力的主要影响因素.研究揭示港口综合竞争力提升应从以基建为核心的要素驱动转变为结合创新和服务驱动,通过整合港口与腹地资源来优化港口竞争力结构,做到港口-腹地相互促进,共同发展.     

基于Copula函数和M-K检验的时空数据异常识别方法

针对时空数据异常识别精度不足的问题,从时间维度和空间维度融合思想出发,构建了一个时空数据异常识别框架.基于该框架,在分布未知情况下,采用阿基米德Copula函数推导了不同空间位置属性数据之间的差异概率.与此同时,建立了以高值点数为核心的空间数据转化方法,形成了空间秩序列,确定了用于假设检验的期望和方差.最后,以窗口大小、范围半径为模型参数,通过M-K检验给出了异常数据的识别方法.实验表明,该方法能够进一步提高时空数据异常检测精度,具有更强的识别能力.