深度学习在海洋大数据挖掘中的应用

 介绍了深度学习的关键发展节点和应用发展历程，分析了深度学习在国内外主要领域的发展现状；概述了多个深度学习的关键算法原理，分析了深度学习在海洋数据重构、分类识别和预测等海洋大数据挖掘中的相关应用；提出了深度学习未来可能面临的问题，并从加强顶层设计、信息安全和强化算法鲁棒性等方面，展望了深度学习在海洋大数据挖掘中的应用前景。     

基于MongoDB的医学图像管理技术研究

随着医学图像检测技术水平的不断提高,医学图像的数据量越来越大,对这些医疗数据的存储与深度挖掘也越来越重要,但传统的关系数据库面对这些需求已经出现了瓶颈。采用NoSQL数据库和技术来解决医疗图像数据的存储和管理,以及医疗知识的存储使数据库获得新的技术发展。使用MongoDB(分布式文档存储数据库)作为数据库,实现了一个可以对医学图像进行上传下载,并对图像中信息进行查询的医学图像管理系统,为医学大数据的智能处理提供了数据支撑,给医疗数据的知识发现打下基础。     

大数据时代医学学术期刊网站的优化

在现今信息化时代,医学学术期刊网站需基于大数据、云计算、云服务、智能辅助决策等,着力建设为读者、作者、编者多方服务的信息化平台,并逐渐形成具有医学特色的数字化全媒体,包括开发微信社交互动平台,运用丰富的大数据挖掘医学情报提供个性化服务等;基于互联网、移动网络,移植"互联网+"模式拓宽服务领域,实现立体办刊和多元化经营,并最终走向国际化。因此,未来的医学学术期刊需与互联网实现深度融合,从出版、管理、经营等各个方面实现创新。     

基于语义关联性特征融合的大数据挖掘方法

提出一种基于语义关联性特征融合的大数据挖掘算法.对云存储大数据分布式信息流进行高维相空间重构,在重构的相空间中提取大数据的语义关联维特征量,以提取的特征量为测试集进行自适应学习训练.采用模糊C均值算法进行大数据语义关联特征的稀疏性融合和聚类处理,在聚类中心实现对挖掘目标数据的指向性聚敛,输出数据挖掘结果,并采用特征压缩器进行降维处理,降低计算开销.仿真结果表明,采用该方法进行大数据挖掘的特征提取准确性较好,挖掘数据的聚类能力较强,在实时性和准确性方面具有优势.     

区块链在云数据安全领域的研究进展

云数据存储正在成为大数据的主流存储形式,同时也带来了数据泄漏、非法篡改等安全威胁.区块链具有去中心化、高可信、不可篡改、可追溯等特点,能够为云数据存储提供更好的安全保障,但存在存储性能的不足.本文从云数据的安全需求入手,分别介绍了区块链在保障云数据存储安全和提升存储性能两个方面的最新研究成果,指出应用区块链能够从保密性...     

云存储安全关键技术分析

随着云计算的流行,云存储也得到了广泛的关注和支持。但云存储自身的数据安全问题阻碍其推广应用,云存储的安全问题也不仅仅是传统安全能够完全解决的,这其中涉及到一些新的关键技术和管理技术。本文主要对云存储安全中的数据加密存储与检索、密文访问控制等关键技术进行了分析。     

一种高效挖掘高维数据的频繁闭合模式算法

为了克服传统高维数据挖掘频繁闭合模式算法迭代产生子表,引起算法执行时间长和存储开销大等问题,提出了一种高效挖掘高维数据的频繁闭合模式的算法EMHCP. EMHCP算法采用一种新型结构位图表来压缩存储数据,在仅扫描数据库一次后,建立位图转换表.根据位图转换表来构建混合树结构,采用深度优先的方式和有效的剪枝策略高效挖掘出所有的闭合模式.从而有效地缩小了搜索空间,加快了处理速度.通过在生物数据库应用的实验结果表明, EMHCP算法比已有的CARPENTER和TD-close等算法更为有效.     

基于富客户端的云存储系统设计与实现

针对海量数据的存储问题,通过购置更多数量的存储设备来提升存储能力的传统方法,存在硬件成本高,存储效率低等缺点.通过研究云计算和云存储的相关技术提出一种基于富客户端的云存储模型,并实现了基于富客户端的云存储系统.实验结果表明,该系统能有效地存储、管理海量数据,具有开发成本低、处理速度较快、运行稳定、易于扩展等特点.     

基于数据挖掘技术的青少年健康心理状况研究

目前海量的数据存储已远超过了人们的理解能力，尤其是现代医学数据量越来越大，而传统的统计技术及数据管理工具已经不能满足需求。知识发现及数据挖掘工具在处理海量数据库时显示了它们的长处。介绍了数据挖掘的概念和方法及其在青少年健康心理状况研究中的应用。     

POWERLINE-ALS:一种用于输电线路场景深度学习语义分割的机载LiDAR点云数据集

为实现基于深度学习的输电线路点云精确语义分割,必须建立能够准确反映目标类别特征的点云数据集。但现有数据集无法满足输电线路场景点云语义分割的需要。因此,基于机载LiDAR获取的某地区500 kV超高压输电线路巡检点云数据构建了一套深度学习数据集——POWERLINE-ALS。该数据集包含地线、导线、杆塔、植被、建筑、低矮电力线等6个类别,输电线路长21 km。同时,利用PointNet++、PointCNN、KPConv、SPG、RandLA-Net等5种常用深度学习模型对数据集进行了训练和测试。模型实验结果表明,POWERLINE-ALS能够在目前主流的深度学习模型上应用,具有普适性,其最高测试精度和平均交并比分别达95.31%和82.25%,可以满足实际点云数据语义分割工作的精度要求。     

基于云计算的大数据存储安全的研究

随着网络技术以及云计算的发展,越来越多的数据资料将被存放在云平台,云计算与云存储的安全性也成为了用户选择云服务时最关注的一个问题.文中通过研究国内外的最新研究成果,提出了云存储的安全模型,从云端接入安全、大数据存储的加密安全和数据的完整一致性检验等方面具体归纳概括了国内外的研究趋势.文中归纳了最新的数据安全存储技术及相关方案,综合比较分析其优缺点.最后对基于云计算的大数据存储技术进行了展望.     

一种校园混合云存储系统的设计与实现

在互联网时代,传统的校园数字存储系统正面临着越来越大的压力,已经不能很好地满足日益增长的存储需求.分析了3种云存储模式的优缺点,设计并实现了一个基于混合云模式的校园云存储系统.该系统由文件管理、文件夹管理、权限控制、作业收集、实时同步、系统管理和个性工具等子模块构成.实际使用结果表明:基于混合云模式的存储系统在核心数据保障、存储访问速度、动态扩展容量、安全备份、移动应用、个性定制等方面都能很好地满足"互联网+"的校园存储需求.     

基于兴趣度的云VR资源存储方法

针对云上虚拟现实（VR）资源存储过程混乱和部分云存储空间使用不均衡等存储不当问题,提出一种基于兴趣度的云VR资源存储方法。该方法从虚拟现实资源本身关联度着手分析,定义了兴趣度指数,用于量化云VR资源的关联程度。通过兴趣度指数来构建资源放置组,有效减少了存储过程中的移动次数,并利用兴趣度指数改进的深度强化学习算法进行合理的对象存储设备选择,有效提高了云空间整体使用率。实验结果表明：该方法有效地优化了云VR资源存储过程,解决了资源存储不当的问题。     

云计算环境下的数据存储与管理技术研究

通过对比传统数据存储模型和数据管理模型,阐述了云计算环境下数据存储和管理所带来的挑战,包括数据安全、数据可用性、数据一致性和数据性能等方面,并对现有的解决方案进行了分析。着重介绍了对象存储和分布式文件系统等主流的云存储技术,分析了优势和应用场景,最后总结了云计算环境下的数据存储和管理技术的研究现状和未来发展方向,提出了当前面临的挑战和未来的发展趋势。采用文献综述和案例分析的研究方法,得出结论：云计算环境下的数据存储和管理技术的发展是不可避免的趋势,需要在数据安全、数据可用性、数据一致性和数据性能等方面不断创新和完善。同时,对象存储和分布式文件系统等新兴的云存储技术有着广阔的应用前景。     

开源大数据框架在海洋信息处理中的应用

 随着中国海洋观测技术和数据收集手段的发展,海洋观测数据量日益庞大、数据复杂程度逐渐增多,传统的数据存储方式和处理方法无法有效地对海洋数据进行管理和分析,同时,数据的区域化和分布化成为海洋数据统一管理的一个障碍,对海洋数据挖掘造成一定困难。本文从大数据生命周期的维度,介绍了主流开源大数据框架在海洋大数据获取、存储、处理、智能分析、安全保护和治理方面的技术原理和应用。     

图书馆数据存储发展趋势——云存储

在数字图书馆发展进程中,传统数据存储模式DAS、NAS和SAN的弊端日趋凸显,已不适应新环境下数据资源的存储需求。基于云计算的云存储模式弥补了传统存储结构的不足,将逐渐成为图书馆数据存储的主流。     

一种基于CloudSim的分级云存储仿真模型

随着云存储技术的发展,云存储平台解决了大数据存储与管理的难题。然而当数据量与用户量进一步扩大,系统性能要求逐步提升,需要对目前云存储环境中的数据存储管理技术进行深入的研究与改进。由于应用实际的云存储集群进行优化研究极易受到平台环境的限制,因此基于CloudSim实现了一个分级云存储的仿真模型TCSS,给出了一种三层次的设备分级组织结构,构建了完善的数据I/O业务处理与数据存储管理等功能结构。已经将所有拓展功能模块集成到了CloudSim仿真工具的CloudSim层中,用户可以依据TCSS模型,突破平台限制,完成云存储优化策略的建模与测试工作。     

面向云平台的异构监控数据存储方法

针对云平台监控数据异构、数据量大、冗余量大、时序性强的特点,提出一种异构监控数据存储方法。该方法以反范式化为基础,采用统一数据表达方式兼容异构源数据,通过结合标签分离、数据压缩、预热缓存、索引等机制实现了云平台监控数据的高效存储,提高了存储空间利用率,增强了数据的可扩展性,简化数据管理,降低了数据的开发维护成本。实验结果表明:本文所提出方法满足云平台监控数据高效写入、实时更新与快速查询的实际要求。     

基于Hadoop搭建云GIS平台的探索与研究

近年来,随着互联网的发展,海量GIS的数据亦呈现着井喷的趋势,如何分享、分析和利用好如此庞大、种类繁杂的GIS数据成为一项具有严峻挑战的工作;为此借助于云计算多重数据的分布性、多重异构的特点,结合传统GIS数据特征对搭建云GIS平台进行探索性的研究和应用,最终基于hadoop尝试性构建了一套云GIS平台,完成GIS大数据的云存储和云计算分析等工作。     

信息化教育中学生学习行为数据的分类研究

随着大数据时代的到来,教育信息化发展迅猛.近年来以云计算、数据挖掘、移动互联网等为基础的大数据技术为教育研究提供了多方面支持.利用数据技术进行教育领域的研究,为教育教学决策提供有效支持正在成为教育的发展趋势.基于华中师范大学云课堂平台上的数据,通过社群分类算法,对学生学习行为进行分类研究.构建学习行为社交网络,通过PageRank算法寻找网络中的"核心人物",并结合SimRank算法实现分类.