面向车联网低时延需求的分布式路径计算方案

针对传统云服务应用于车联网大数据处理时存在通信时间消耗大、服务质量无法保证的问题,提出一种低时延的分布式路径计算方案。利用云雾网络架构将数据业务就近上传到雾网络设备以及云服务平台;为了让雾网络设备协同处理车载业务,采用一种基于该架构的任务映射策略(也称为业务卸载策略),将以有向无环图表示的车载业务流模型映射到以无向图表示的雾网络拓扑中;为了解决映射中存在的时延波动问题,采用一种改进的离散二值粒子群优化(NBPSO)算法进行优化;将该算法与负载均衡技术相结合得到最优映射方案。仿真结果表明：所提出的分布式路径协同计算方案可有效解决云计算模式下数据处理的高延时问题;当数据量为12 Mb时,采用所提方案的时延比采用云计算的时延降低约2.95 s。     

医疗大数据的应用

近几年来,医疗数据的类型和规模正以前所未有的速度增长,医疗卫生领域已迎来"大数据时代"潮流。本文介绍了大数据的概念、特点和医疗大数据的来源,分析医疗大数据在医药研发、临床诊断、医生评价、个人健康管理新模式等方面的机遇,综述其在技术应用及具体实施中遇到的挑战。     

大数据医疗的发展现状及未来展望

健康医疗大数据是指与健康医疗相关,满足大数据基本特征的数据集合,是国家重要的基础性战略资源,正快速发展为新一代信息技术和新型健康医疗服务业态。本文介绍了我国的大数据医疗发展现状,描述了大数据医疗的场景化体验,并对其前景进行展望。     

大数据计算的基础理论探究

在经典计算中,对前端输入数据的复杂性不做分析。在大数据计算中,前端输入数据的复杂性分析反而成为大数据计算和分析的重点。本文讨论大数据计算的基础理论问题,将大数据计算问题分为目标任务型和内容认知型。大数据计算形式上依赖于一个外部信息源,从计算的有效性,将大数据计算的讨论限制在对数空间复杂类,涵盖了并行计算复杂类。基于带Oracle的图灵计算模型,限制在对数空间内图灵可计算,并且外部信息源能够用一个对数空间可计算的递归函数枚举,引入了大数据可计算的计算模型和大数据可计算性、可判定问题等概念。     

大数据与量子计算

大数据技术的迅猛发展对计算效率提出了更高的要求.由于量子系统的独特性质,量子计算具有经典计算不具有的量子超并行计算能力,能够对某些重要的经典算法进行加速.人们发现,除了大数分解算法,量子计算的更多用途是对量子体系的仿真计算和在数据分析领域的应用.近年来,大数据和量子计算开始融合.虽然实际使用的量子计算机尚未建成,量子计算在大数据的应用在理论上已经取得了一些重要的进展.实验上也有了一些发展.本文首先介绍量子计算的基本原理和Grover量子算法.随后以量子机器学习作为切入点,介绍了量子计算在数据挖掘领域的应用.     

健康医疗大数据与罕见病的精准用药

 药物治疗是罕见病的主要治疗方式,然而目前仅有1%的罕见病能够得到有效的药物治疗。不同来源的基因组、转录组等组学数据与临床表型数据融合起来形成的"健康医疗大数据",可以通过集中小规模罕见病临床数据的方式有效弥补罕见病样本量少的不足。大数据信息可用于研究罕见病新的药物靶点、探索成熟药物在罕见病领域新用法、分析药物不良反应实现个体化用药,并可进一步通过大数据技术建立本地化罕见病知识库,从而实现罕见病的精准诊断和治疗。随着大数据研究的不断深入,仍然需要突破多组学融合及分析技术、基于真实世界的知识提取技术、基于组学的临床决策支持等技术壁垒才能使大数据在罕见病的诊疗中得到最大应用。     

医疗大数据平台设计与实现

为解决医疗数据的高效存储与处理分析等问题,设计并开发了医疗大数据平台.首先,搭建并部署了Hadoop分布式文件系统,设计基于Tomcat服务器搭建的网站平台.然后,通过编写Hadoop WEB API将WEB服务器与分布式文件系统相结合,设计数据处理效率高的Python脚本程序读取并统计分析医疗数据.平台运行测试结果表...     

基于国家卫生统计直报系统的甘肃健康医疗大数据应用实践

随着IT技术的快速发展,健康医疗卫生信息化得到了广泛应用,在医疗服务、健康保健和卫生管理过程中产生海量数据,形成健康医疗大数据。本文介绍了健康医疗大数据的数据分类,论述了健康医疗大数据的研究意义以及应用现状。同时,以抓取国家卫生统计直报系统数据为实例,探索大数据技术在甘肃健康医疗大数据中的应用,提出了健康医疗大数据应用所面临的困惑。     

基于粒计算和使用次数的大数据价值计算方法

大数据作为一种战略资源在各行各业的应用逐渐增多,其价值也随之越来越大.为了评估大数据资源的价值,在对大数据进行粒化基础上,首次提出了基于粒及粒的子集使用次数的大数据价值计算方法,给出了基于算法模型的实用算例,证明了该模型计算出的大数据价值能满足粒度单调性以及数量单调性.     

“大数据+医疗”形势下医院数字化管理工具应用的思考

“大数据+医疗”背景下,医院综合管理手段转向统筹运用大数据、信息流、网络等集办公自动化、电子病历,EMR系统、绩效系统等实时数据监测等数字一体化的管理模式,成为医院“大数据+医疗”发展的重要标志。以目前医院管理中数字化工具应用现状作为参照,分析了目前医院管理中数字化管理工具应用和管理者存在的问题,并且对具有特色的数字管理工具和管理者信息化应用能力的培训提出一些建议。     

大数据环境下的动态最短路径算法

数量庞大、类型复杂的海量数据给智能交通带来了新的挑战.文中对交通诱导中的动态最短路径问题进行了研究,提出了动态交通网络数学模型,在此基础上设计了考虑交叉口延时的动态最短路径算法,并使用当前流行的大数据技术,设计了基于Ha Loop MapReduce的动态最短路径并行计算模型,最后在连续流智能交通管控平台上对算法进行了测试.实验结果表明,文中设计的算法和基于大数据的并行计算模型可以有效地查找到大规模路网中的动态最短路径,同时能很好地满足实时性需求.     

Decentralized Multigrid for In-situ Big Data Computing

Modern seismic sensors are capable of recording high precision vibration data continuously for several months. Seismic raw data consists of information regarding earthquake's origin time, location, wave velocity, etc.Currently, these high volume data are gathered manually from each station for analysis. This process restricts us from obtaining high-resolution images in real-time. A new in-network distributed method is required that can obtain a high-resolution seismic tomography in real time. In this paper, we present a distributed multigrid solution to reconstruct seismic image over large dense networks. The algorithm performs in-network computation on large seismic samples and avoids expensive data collection and centralized computation. Our evaluation using synthetic data shows that the proposed method accelerates the convergence and reduces the number of messages exchanged. The distributed scheme balances the computation load and is also tolerant to severe packet loss.     

大数据与云计算

大数据（Big Data）这个概念近年来在越来越多的场合、被越来越多的人提及,并且经常和云计算联系在一起,云计算与大数据之间到底是什么关系成为热点话题。本专题报告包含以下四个方面内容：1.大数据的价值;2.大数据带来的挑战;3.大数据研究成果;4.云计算是大数据挖掘的主流方式。通过本报告阐述我们对大数据的理解,以及对大数据的价值的认识,探讨大数据处理与挖掘技术,论述以下观点：没有互联网就没有云计算模式,没有云计算模式就没有大数据处理技术,也就没有大数据挖掘技术。     

分层实时计算的大数据挖掘技术研究

计算机和网络平台具有通用性,可针对计算机网络建立分层计算平台,将计算平台分层转换成多个信任层,由此降低计算模型实施难度,提高分层计算的扩展性和灵活性。文章研究实时计算引擎组件Presto和Storm,探索分层实时计算的大数据挖掘技术,并通过在企业财务管理、政府档案管理中的运用,给出发展多媒体技术、优化数据挖掘算法、配合其他系统使用数据挖掘技术,为大数据挖掘技术的发展指明方向。     

适用于移动云计算的多文件数据完整性验证方案

针对移动终端存储空间和计算能力的局限性,提出一个新的适用于移动云计算的多文件数据完整性验证方案。首先,用户发送一个代理授权证书给代理签名方为自己生成代理签名,在代理签名前用户可以上传追加数据到云存储服务器;然后,代理签名方为用户生成代理签名并上传云存储服务器;最后,用户验证代理签名的有效性,代理签名完成。将繁重的代理签名任务交给代理签名方执行,减轻了移动终端用户的计算压力。采用多文件的聚合签名的形式,降低云端和移动用户的通信开销。在随机预言模型下,证明了该方案的安全性。     

Call for Papers Special Issue on Cloud and Big Data Computing

<正>Tsinghua Science and Technology was started publication in 1996.It is an international academic journal sponsored by Tsinghua University and is published bimonthly.This journal aims at presenting the up-to-date scientific achievements in computer science,electronic engineering,and other IT fields.It is indexed by EI and other abstracting indexes.From 2012,the journal enters into IEEE Xplore Digital Library and all papers published there are freely downloadable.     

A Novel Testability-Oriented Data Path Scheduling Scheme in High-Level Synthesis

Scheduling is an important step in high-level synthesis and can greatly influence the testability of the synthesized circuits. This paper presents an efficient testability-improved data path scheduling scheme based on mobility scheduling, in which the scheduling begins from the operation with least mobility. In our data path scheduling scheme, the lifetimes of the I/O variables are made as short as possible to enlarge the possibility of the intermediate variables being allocated to the I/O registers. In this way, the controllability/observability of the intermediate variables can be improved. Combined with a weighted graph-based register allocation method, this scheme can obtain better testability. Experimental results on some benchmarks and example circuits show that the proposed scheme can get higher fault coverage compared with other scheduling schemes at little area overhead and even less time delay.     

Call for Papers Special Issue on Big Data Computing and Communications

<正>Tsinghua Science and Technology was started publication in 1996.It is an international academic journal sponsored by Tsinghua University and is published bimonthly.This journal aims at presenting the up-to-date scientific achievements in computer science,electronic engineering,and other IT fields.It is indexed by EI and other abstracting indexes.From 2012,the journal enters into IEEE Xplore Digital Library and all papers published there are freely downloadable.This special issue is devoted to addressing new challenges in Big Data computation and communications(Big Com).We intend to bring together researchers,developers,and practitioners interested in Big Data analytics,     

Call for Papers Special Issue on Big Data Computing and Communications

<正>Tsinghua Science and Technology was started publication in 1996.It is an international academic journal sponsored by Tsinghua University and is published bimonthly.This journal aims at presenting the up-to-date scientific achievements in computer science,electronic engineering,and other IT fields.It is indexed by EI and other abstracting indexes.From 2012,the journal enters into IEEE Xplore Digital Library and all papers published there are freely downloadable.This special issue is devoted to addressing new challenges in Big Data computation and communications(Big Com).We intend to bring together researchers,developers,and practitioners interested in Big Data analytics,management,security and privacy,communication and high performance computing from academia,industry,and service providers,to share ideas,experiences,and practical implementations related to Big Com.Both theoreticians