检索结果-南通市图书馆

Description and Classification of Leather Defects Based on Principal Component Analysis

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

Journal of Donghua University(English Edition) 2018年第6期35卷 473-479页

作者：丁彩红黄浩杨延竹 College of Mechanical Engineering Donghua University

The accurate extraction and classification of leather defects is an important guarantee for the automation and quality evaluation of leather industry. Aiming at the problem of data classification of leather defects,a hierarchical classification for defects is proposed.Firstly,samples are collected according to the method of minimum rectangle,and defects are extracted by image processing method.According to the geometric features of representation, they are divided into dot,line and surface for rough classification. From analysing the data which extracting the defects of geometry,gray and texture,the dominating characteristics can be acquired. Each type of defect by choosing different and representative characteristics,reducing the dimension of the data,and through these characteristics of clustering to achieve convergence effectively,realize extracted accurately,and digitized the defect characteristics,eventually establish the database. The results showthat this method can achieve more than 90% accuracy and greatly improve the accuracy of classification.

关键词： defect detection hierarchical classification principal component analysis reduce dimension clustering model

基于AHP的reduce Task预设配比在Hadoop调度中的应用

在线全文

学校读者我要写书评

暂无评论

数据通信 2014年第3期 26-30页

作者：周莲英吴淑跃江苏大学计算机科学与通信工程学院江苏镇江212013

针对Hadoop在进行具体Mapreduce任务调度时,所存在的reduce Task无法在一个合适的Map Task完成比例启动的问题,提出了一种基于AHP的R educe Task预设配比启动方案。该方案基于层次分析法(AHP),选取在资源调度时影响性能息息相关的三个... 详细信息

针对Hadoop在进行具体Mapreduce任务调度时,所存在的reduce Task无法在一个合适的Map Task完成比例启动的问题,提出了一种基于AHP的R educe Task预设配比启动方案。该方案基于层次分析法(AHP),选取在资源调度时影响性能息息相关的三个参考指标:文件上传时间、reduce完成度(Map完成100%)以及系统的响应时间,经过实验得到三个参考值,最后经归一化后进行多属性决策分析得到最佳的reduce Task启动方案。在本文实验环境下的最佳R educe Task最佳启动配比为40%,即当Map Task完成比例为总数的40%时开始启动R educe Task任务。

关键词： Hadoop调度 reduce Task预设配比 AHP

Towards a Closed-Loop Materials Economy

在线全文

学校读者我要写书评

暂无评论

Chinese Journal of Population,Resources and Environment 2004年第1期2卷 9-12页

作者： Zhu DajianSchool of Economics & Management, Tongji University, Shanhai 200092, China School of Economics and Management Tongji University Shanhai 200092 China

This paper introduces the recent appearance of a circular economy in such industrialized countries as Germany and Japan and outlines its concept and principles. The author emphasizes that a circular economy should become the breakthrough point for sustainable development and will enable a shift to a sustainable society of 'doing less with less' away from the current high-consumption society of 'doing more with more'

关键词： Circular economy Sustainable development reduce Reuse and Recycle

基于Map reduce海量教学资源存储模型研究

在线全文

学校读者我要写书评

暂无评论

价值工程 2017年第8期36卷 247-248页

作者：方禹润蔺兵兵齐浩亮白旭峰黑龙江工程学院哈尔滨150050

本文在研究了Map reduce算法基本原理及应用的基础上,针对当前海量教学资源存储的需求,应用了一种基于云计算环境下优化的Map reduce计算模型,通过测试比较改进前后的Map reduce算法模型数据处理性能,实验证明了改进型Map reduce算法模... 详细信息

本文在研究了Map reduce算法基本原理及应用的基础上,针对当前海量教学资源存储的需求,应用了一种基于云计算环境下优化的Map reduce计算模型,通过测试比较改进前后的Map reduce算法模型数据处理性能,实验证明了改进型Map reduce算法模型提高了海量教学资源数据存储模型的存储能力和计算性能。

关键词：教学资源存储 Map reduce

Mapreduce框架下支持差分隐私保护的k-means聚类方法

在线全文

学校读者我要写书评

暂无评论

通信学报 2016年第2期37卷 124-130页

作者：李洪成吴晓平陈燕海军工程大学信息安全系解放军61062部队

针对传统隐私保护方法无法应对任意背景知识下恶意分析的问题,提出了分布式环境下满足差分隐私的k-means算法。该算法利用Map reduce计算框架,由主任务控制k-means迭代执行;指派Mapper分任务独立并行计算各数据片中每条记录与聚类中心... 详细信息

针对传统隐私保护方法无法应对任意背景知识下恶意分析的问题,提出了分布式环境下满足差分隐私的k-means算法。该算法利用Map reduce计算框架,由主任务控制k-means迭代执行;指派Mapper分任务独立并行计算各数据片中每条记录与聚类中心的距离并标记其属于的聚类;指派reducer分任务计算同一聚类中的记录数量num和属性向量之和sum,并利用Laplace机制产生的噪声扰动num和sum,进而实现隐私保护。根据差分隐私的组合特性,从理论角度证明整个算法满足ε-差分隐私保护。实验结果证明了该方法在提高隐私性和时效性的情况下,保证了较好的可用性。

关键词：数据挖掘 k-均值聚类 Map reduce 差分隐私保护 Laplace机制

在线全文

学校读者我要写书评

暂无评论

云平台下基于粗糙集的并行增量知识更新算法

软件学报 2015年第5期26卷 1064-1078页

作者：张钧波李天瑞潘毅罗川滕飞西南交通大学信息科学与技术学院四川成都610031 Department of Computer Science Georgia State UniversityAtlantaUSA

日益复杂和动态变化的海量数据处理,是当前人们普遍关注的问题,其核心内容之一是研究如何利用已有的信息实现快速的知识更新.粒计算是近年来新兴的一个研究领域,是信息处理的一种新的概念和计算范式,主要用于描述和处理不确定的、模糊... 详细信息

日益复杂和动态变化的海量数据处理,是当前人们普遍关注的问题,其核心内容之一是研究如何利用已有的信息实现快速的知识更新.粒计算是近年来新兴的一个研究领域,是信息处理的一种新的概念和计算范式,主要用于描述和处理不确定的、模糊的、不完整的和海量的信息,以及提供一种基于粒与粒间关系的问题求解方法.作为粒计算理论中的一个重要组成部分,粗糙集是一种处理不确定性和不精确性问题的有效数学工具.根据云计算中的并行模型Map reduce,给出了并行计算粗糙集中等价类、决策类和两者之间相关性的算法;然后,设计了用于处理大规模数据的并行粗糙近似集求解算法.为应对动态变化的海量数据,结合Map reduce模型和增量更新方法,根据不同的增量策略,设计了两种并行增量更新粗糙近似集的算法.实验结果表明,该算法可以有效地快速更新知识;而且数据量越大,效果越明显.

关键词：云计算 Map reduce 粗糙集增量学习

大数据挖掘技术应用于汽轮机组运行性能优化的研究

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2016年第2期36卷 459-467页

作者：万祥胡念苏韩鹏飞张海石黎师祺武汉大学动力与机械学院湖北省武汉市430072

基于关联规则的数据挖掘方法已在火电厂汽轮机组的性能优化中取得了较好的应用,但随着大数据时代的来临,传统的数据挖掘方法由于自身缺陷已不能胜任海量数据的挖掘工作。针对此问题,在云计算环境下,基于引入粗糙集中属性约简的基础,在Ha... 详细信息

基于关联规则的数据挖掘方法已在火电厂汽轮机组的性能优化中取得了较好的应用,但随着大数据时代的来临,传统的数据挖掘方法由于自身缺陷已不能胜任海量数据的挖掘工作。针对此问题,在云计算环境下,基于引入粗糙集中属性约简的基础,在Hadoop平台的Map reduce架构上对经典关联规则算法Apriori算法进行改进,实现计算并行化以形成能够应对海量数据挖掘任务的新算法。以某1000MW超超临界机组的运行数据为挖掘对象,利用新算法对典型负荷下的历史数据进行挖掘,挖掘出运行参数与性能指标之间的关系,并得到一些可调控参数的运行优化目标值以指导优化运行。挖掘结果表明,新算法可以应用于汽轮机优化目标值的确定,达到节能减排的目的,其所求出的优化目标值来源于机组实际运行数据,具有代表性,能够反映机组的最佳运行状态。

关键词：大数据 Map reduce 关联规则性能优化目标值汽轮机组运行

基于Mapreduce与相关子空间的局部离群数据挖掘算法

在线全文

学校读者我要写书评

暂无评论

软件学报 2015年第5期26卷 1079-1095页

作者：张继福李永红秦啸荀亚玲太原科技大学计算机科学与技术学院山西太原030024 Department of Computer Science and Software Engineering Auburn UniversityAuburnUSA

针对高维海量数据,在Map reduce编程模型下,提出了一种基于相关子空间的局部离群数据挖掘算法.该算法首先利用属性维上的局部稀疏程度,重新定义了相关子空间,从而能够有效地刻画各种局部数据集上的分布特征;其次,利用局部数据集的概率密... 详细信息

针对高维海量数据,在Map reduce编程模型下,提出了一种基于相关子空间的局部离群数据挖掘算法.该算法首先利用属性维上的局部稀疏程度,重新定义了相关子空间,从而能够有效地刻画各种局部数据集上的分布特征;其次,利用局部数据集的概率密度,给出了相关子空间中的局部离群因子计算公式,有效地体现了相关子空间中数据对象不服从局部数据集分布特征的程度,并选取离群程度最大的N个数据对象定义为局部离群数据;在此基础上,采用LSH分布式策略,提出了一种Map reduce编程模型下的局部离群数据挖掘算法;最后,采用人工数据集和恒星光谱数据集,实验验证了该算法的有效性、可扩展性和可伸缩性.

关键词：局部离群数据相关子空间 Map reduce 局部稀疏度概率密度

在线全文

学校读者我要写书评

暂无评论

高分辨率表意性绘制

计算机辅助设计与图形学学报 2015年第8期27卷 1398-1406页

作者：朱标张宏鑫陈为浙江大学CAD&CG国家重点实验室杭州310058

随着实际应用需求日趋复杂,表意性绘制在如何提高计算效率、数据吞吐性能和绘制效果方面都存在着挑战.文中面向大规模三维数据可视化应用,提出一个高效的交互式表意性绘制框架.首先基于Map reduce并行计算框架提出一种自适应的三维模型... 详细信息

随着实际应用需求日趋复杂,表意性绘制在如何提高计算效率、数据吞吐性能和绘制效果方面都存在着挑战.文中面向大规模三维数据可视化应用,提出一个高效的交互式表意性绘制框架.首先基于Map reduce并行计算框架提出一种自适应的三维模型高分辨率并行光栅化方法;然后设计了一种称为可交互像素块(IPB)的数据存储格式;再基于IPB提出一种适于在线交互的高分辨率表意性绘制方案,以满足非真实感着色、轮廓线和透明等多种效果的集成显示;最终实现了一种基于浏览器-服务器(B/S)架构的轻量化交互可视化服务.对于任意的三维模型,文中方法只需要对其进行一次并行光栅化预处理即可提供在线服务,满足用户对大规模三维模型的各种表意性绘制和交互探索的需求.实验结果表明,该方法适用于大规模CAD设计、博物馆交互展示以及旅游景区指示等大规模场景可视化应用.

关键词：高分辨率表意性并行计算可交互云计算 Map reduce