基于RTCP的流媒体服务器速率动态适配研究

研究并实现了一种基于实时流控制协议RTCP的流媒体发送速率适配方法,通过接收RTCP RR包及RTCP NADU包得到关键控制参数--丢包率、抖动、空闲缓冲区大小,对这些参数设置阈值来决定服务器端发送速率的切换方向,切换后的发送速率则通过决策器对估算的网络带宽与根据控制参数调整的发送速率相运算得到.实践证明:本方法具有抗振荡性、带宽预测性、能快速响应网络状况变化、有效控制缓冲区上溢或下溢的优点.     

PROFINET和MCGS触摸屏通信时数据丢失研究和解决

PROFINET是一种跨供应商的即时、多点通信协议,能够随时访问所有连接的站点,并交换数据,这种通信方式广泛应用在现场多个PLC的联网的工程中;本论述利用S7-200SMARTV2.5、PROFINET多点PLC联网和MCGS触摸屏TCP/IP通信模式,MCGS触摸屏控制和实时监视设备动态,在运行中出现偶然数据丢失现象...     

一个基于ISIS问题签名方案的分析与改进

量子计算具有强大的计算能力.利用量子计算,一些传统的数学困难问题可以被解决,例如:基于大整数因子分解问题、离散对数问题等.2017年,Gupta提出了一个基于格的签名方案,在基于格理论的SIS问题和I-SIS问题困难性假设前提下,称提出的签名方案是不可伪造的.笔者对Gupta的方案进行了研究,指出在适应性选择消息攻击下...     

基于云GIS的网络舆情可视化方法

针对舆情监管中数据自动化获取、情感分析和空间可视化显示的相关问题,研究了基于云GIS的网络舆情可视化方法.通过构建基于OpenStack和GeoServer的云GIS平台为舆情数据的采集、分析和显示提供存储和计算支撑;研发了舆情数据自动化采集引擎,根据网页DOM的结构特点,设计了列表项和列表项属性信息获取算法,实现了舆...     

基于长短期记忆网络的去重操作调度方案

数据去重的过程中,云存储系统会产生大量的计算机调度冲突.针对去重操作调度冲突问题,提出一种基于长短期记忆网络(LSTM)机器学习方法的预测模型,可根据历史操作预测服务器负载情况,由此给出操作序列建议,对服务器进程进行合理调度并实施去重操作.并与基于随机模拟仿真数据的操作调度进行了对比,实验结果表明,本方案在提高服务器去...     

基于FP-tree关联算法的文献主题研究——以大数据哲学研究为例

数据科学与人文社会科学的融合,不仅能丰富人文社会科学的研究方法,还能拓展研究思路、发现新问题、提出新议题。这种融合将人文社会科学研究带入了一个前所未有的时代。本文介绍了一种利用FP-tree算法对社会科学文献关键词做关联规则挖掘,从而获得相关研究领域研究重点、趋势、研究进路以及“数字意外”的流程和方法,并将该方法应用于“大数据哲学研究”领域,直观地揭示目前该领域的研究重点、现状和相关研究路径等。     

基于信度赋值技术的统一融合框架研究

从信度赋值技术的角度,提出了统一融合框架(UFA)的理论机制,它是基于证据支持贴近度(ESMS)前置过滤器耦合包含冲突分配器在内的融合机,在给出一个ESMS函数的同时,也考虑了不同信息源(可靠、非可靠、不完全、冗余及互补)信度赋值中心,克服了错误、虚假和不一致等信息对融合机的干扰,充分发挥了融合机优势,减少了融合计算的复杂度,大大提高了融合效果.将统一融合框架应用于Pioneer Ⅱ移动机器人地图创建方面,通过仿真分析,并与单一融合机的仿真结果作了对比,充分说明了统一融合框架的优越性.     

快速数据读取技术的实现

为提高通过Web Services获取数据的速度,提出了一种基于.Net的AppDomain技术和远程对象调用技术,突破Windows系统的线程限制,以最快的速度从数据供应商那里获取数据的一个业务无关模型,并对此模型的一个典型应用--股票系统的应用进行了讨论.基于此模型,用户可以自由设定并发线程的数目来获取数据,不必受到并发线程数目的限制,也不必修改TCPIP.SYS文件.在IBM xSeries X206m服务器上测试结果表明,与不用Domain技术测试比较,可以提高20倍左右的效率.同时,此模型可以经过简单的修改,应用在各种对速度有严格要求的系统中.     

基于支持向量机的信用评估模型及风险评价

运用基于支持向量机理来建立一个新的个人信用评估预测模型,以期取得更好的预测分类能力.并对SVM分类结果与三层全连接BPN分类结果进行了比较.结果表明,在判别潜在的贷款申请者中支持向量的判别结果比神经网络的要好.为了减小训练集偏差及为了验证两种方法的鲁棒性,基于两种策略(平衡样本与非平衡样本)交叉验证来进一步评价SVM分类准确性,并对两种方法基于两种策略的误分类作了风险代价分析.     

基于蚁群聚类的不平衡数据过采样方法

针对不平衡数据集的低分类准确性,提出基于蚁群聚类改进的SMOTE不平衡数据过采样算法ACC-SMOTE.一方面利用改进的蚁群聚类算法将少数类样本划分为不同的子簇,充分考虑类间与类内数据的不平衡,根据子簇所占样本的比例运用SMOTE算法进行过采样,从而降低类内数据的不平衡度;另一方面对过采样后的少数类样本采用Tomek ...