备件需求预测中的不确定性问题研究综述

备件需求不确定性表现为随机性、多样性、时变性、信息不充分性,预测过程中很难精确地描述备件消耗与影响因素之间错综复杂的关系。以智能计算理论为代表的处理不确定性的各种方法和工具迅速发展。本文梳理了处理备件需求预测不确定性的相关文献,按照不确定性的随机性、模糊性、不完全性、复合不确定性四大类属性,对每个大类分别进行了综述,并总结了相关研究的局限性与发展方向。研究成果可为装备备件管理提供参考。     

基于二进制Granule计算的关联规则挖掘方法

在分析关联规则挖掘Apriori算法时,从信息粒的角度出发,根据二进帝j粒计算的表示方法和Apriori算法中的相似性及交互性,提出了一种用二进制粒计算采表示的Apd槲改进算法,即使用二进制粒计算求出频繁项目集。方法不仅简洁、方便、逻辑性强,而且更适合于计算机运算。     

感知机的DNA计算模型

本文建立了在人工神经网络中实现简单的线性分类功能的、感知机的DNA计算的自装配模型,该模型并行地实现了神经网络的学习过程,充分利用了DNA计算极度并行的特点.     

云计算中云安全探讨

随着云计算这种全新计算方式的迅猛发展,大量关于云计算的软件和方案都被热议,但来自安全领域方面的威胁和技术的不成熟,使得云计算处处存在各种风险,其架构也有着不可避免的脆弱性,这让许多企业不敢举步。要解决云计算中的各种安全问题,使云计算能经受住时间和空间的考验,云安全的研究与完善成为发展云计算的首要问题。本文主要从云计算发展带来的安全问题入手,分析三个层次所遇到的安全问题,指出当前云安全现状及一些应用技术,并对未来云安全的发展进行了展望。     

TPM的工作模型

针对现有计算机系统的安全问题．可信计算平台被认为是比较有前景的发展方向．在可信计算平台中．其核心技术主要浓缩在TPM之中。本文系统地描述了TPM的体系结构．从理论上介绍了TPM的组成部件和工作流程．并简要分析了我国在这方面的研究策略。     

提高中跑运动成绩的内外两条途径

本文一方面运用文献资料和自身的体会论述了从内部提高体能发挥极限的途径；另一方面又从基于自身的观察和研究提出一种跑步时作功的计算方法，指出了从完善运动员的外部体形和运动形态的角度来提高运动成绩的途径。     

计算机性能与异构计算

介绍了传统的高性能计算机的局限性和异构计算的基本原理;指出异构计算具有更高的计算资源利用率,计算任务的总体执行时间最短。     

基于GMMSTS的协同机制研究

分析了在广域网环境下进行大规模分布仿真时海量异构资源难以协同的问题,提出了一种基于网格的多用户多任务仿真训练系统(GMMSTS).详细研究了GMMSTS中存在的多种协同关系,定义了基于用户和基于联邦的两类协同机制,并讨论了具体实现方案,完成了复杂协作关系的有效管理.GMMSTS已应用到某雷达模拟训练器中,其中的协同管理模块成功地实现了多任务,多用户的协同,取得了良好的效果.     

最大互信息系数的并行计算方法研究

针对最大互信息系数（Maximal Information Coefficient,MIC）近似算法在大规模数据场景下的计算时间复杂度高,计算时间增长快的问题,提出一种最大互信息系数并行计算（The Parallel Computing Maximal Information Coefficient,PCMIC）方法。分别在Spark和Spark-消息传递接口（Message Passing Interface,MPI）计算框架中,在不同的数据规模和不同的噪声水平下,利用PCMIC算法对十四种典型的相关关系做并行计算。另外在不同节点数的情况下,选择两种具有代表性的相关关系来测试PCMIC算法在两种计算框架中的性能。实验结果表明：（1）PCMIC算法在两种框架下的运算效果与原始MIC近似算法相比,同样具有普适性和均匀性,而且具有良好的可扩展性。（2）随着数据规模和节点数的增加,PCMIC算法在两种框架中运算的时间增长明显比MIC近似算法慢,而且在Spark-MPI框架下的并行加速比和效率略优于Spark。（3）Spark能够支持MPI任务的调度,为研究不同并行计算框架之间的融合奠定了一定的理论和应用基础。     

DCT在DIS中的应用研究

首先简要介绍了ＤＩＳ和ＤＣＴ的各自特点，然后从计算模型，分布对象技术，分布时钟服务，ＣＳＣＷ四个方面讨论了ＤＣＴ在ＤＩＳ中应用遇到的问题。