大数据科学的认知和数学基础引论

 大数据不仅在科学、工程与计算智能中有着广泛的应用，而且在人类感知、估计、量化、记忆和推理的认知机制中发挥着基础性作用。通过对大数据科学理论的基础研究，提出一组大数据系统的一般原理和分析方法。为了从形式上解释大数据的起源和本质，探讨大数据的认知基础及其数学模型，严格地引出了根植于科学、工程和社会各个领域的大数据的一般模式。研究发现大数据不再是传统实域上的纯数，而是一个前所未有的新型数学结构，称为递归类型化超结构（RTHS）。这一大数据系统的基本拓扑特性揭示了大数据工程的复杂性及其操作与处理的全新认知、理论挑战，以及可选解决方案。     

浅议云计算给图书馆管理带来的挑战

围绕云计算与图书馆管理的联系,分析了云计算给图书馆管理带来的机遇与挑战,并提出应对挑战的措施,以促进云计算更好地融入图书馆管理中,使图书馆管理实现现代化、标准化.     

基于云计算的高校教学资源管理平台的设计

针对高校教学资源建设中存在的资源重复投入、共享困难等问题,为促进教学资源的整合与共享,提高教学资源的管理与应用效率,将云计算技术引入其中。提出了基于云计算的高校教学资源平台架构模型,设计了基于云计算的高校教学资源管理平台,并介绍了平台的功能与业务工作流程。     

导管架平台碰撞极限承载力的非线性集群并行计算

将并行计算理论和方法引入到导管架碰撞极限承载力的非线性分析中,根据美国石油学会API RP 2A-WSD标准中的方法建立桩腿非线性抗侧力-位移曲线,考虑桩-土非线性的特点分析导管架碰撞极限承载力。利用该方法对埕岛油田某导管架平台的碰撞极限承载力进行研究,分别得到平台在碰撞力作用下的平台顶部荷载-位移曲线、主桩腿弯矩变化、Mises应力变化曲线等。将集群并行运算的结果与单一PC机的结果进行对比,验证并行计算的计算精度和计算效率,同时研究不同影响因素对并行加速比和并行效率的影响。计算结果表明:平台主桩腿最大位移、应力随碰撞位置的降低而增大;碰撞位置越低,平台的碰撞极限承载能力越大;并行计算所得到的结果与单一PC机运算得到的结果相差很小,是可信的;并行加速比随着参与并行结点数的增加而增大,并行效率随着参与并行结点数的增加而下降;随着模型节点和单元数目的增多,集群的并行效率提高,并且越复杂的模型和结构在进行计算时集群并行计算能力的优势越明显。     

一种针对汽车三维虚拟仿真系统的多线程渲染优化方法

针对汽车三维虚拟现实仿真系统在多核平台下的渲染效率和CPU利用率较低的这一问题,提出了一种基于OpenMP的多线程渲染优化方法。该方法采取了设置动态线程数量、策略调度以及渲染帧并行绘制等策略,对汽车三维虚拟现实仿真系统渲染过程中的初始化阶段、逻辑阶段以及渲染阶段进行并行优化。在多核平台上进行了实验,结果表明,该方法能有效地提高系统的渲染效率和CPU 利用率,改善CPU的负载均衡。     

一种无需操作系统的硬件级可信度量方法

针对云计算等新型计算环境下的可信度量问题,提出了一种无需操作系统的硬件级全盘任意文件可信度量方法.通过在U-key中放置可信度量代理(TMA),利用TMA自主解析文件系统获取磁盘中任意文件的扇区存储地址,从而能够在不存在Grub、未启动操作系统以及不需要其他任何硬软件支持的情况下,实现对全盘任意文件的可信度量.考虑到TMA的安全性,利用B方法实现了对TMA的形式化开发.与已有的工作相比,所提方法不仅能够应用在云计算等新型计算环境中,而且能够应用于不存在可信平台模块(TPM)等安全增强芯片的普通计算机上.实验证明了本方法是有效的.     

数据云中基于启发式反向蜂群的虚拟机选择节能算法

结合数据中心中数据密集型作业的频繁读写数据特点,综合考虑CPU使用率和RAM使用率两个影响因素构建服务器能耗评价模型,并引入人工蜂群算法及启发式反向思想,将其应用于数据中心虚拟机迁移策略中的虚拟机选择环节,实现云计算中数据中心节能问题的优化.在CloudSim 3.0云计算模拟器中的仿真实验结果表明:该启发式反向蜂群虚拟机选择节能算法(ABCS)与最大最小时间(MMT)、随机选择(RS)和最小使用率(MU)3种经典虚拟机选择算法相比节能20%~25%,虚拟机迁移频率减少至5%以下.     

云计算在电子商务领域的应用发展

基于云计算的电子商务是一种具有发展前景的新型商务模式,从云计算的概念出发,介绍了云计算对电子商务的影响及电子商务领域的云计算技术发展,指出了云计算在电商领域的基本解决方案及广阔发展前景。     

云计算在包神铁路信息化建设中的应用探讨

分析包神铁路信息化建设现状及其面临的突出问题,介绍云计算技术,结合云计算的特点,从资源整合、降低成本等方面分析包神铁路建设企业云计算平台的必要性。依据包神铁路实际情况和云计算的服务模式,提出了搭建包神铁路企业云计算平台的实施步骤。     

一种改进禁忌搜索的K-medoids聚类算法

针对传统K-medoids聚类算法初始聚类中心随机选择、聚类精度不高、全局搜索能力较差以及禁忌搜索算法对初始值随机选取等问题,提出了一种粒计算与最大距离积法相结合的初始化禁忌搜索初始值算法,将改进后的禁忌搜索算法用来优化K-medoids,以提高聚类算法的性能。通过仿真试验论证了该算法具有较高的效率和准确率以及较强的稳定性。