导读:本文包含了数据对象论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:数据,对象,内存,计量学,主题,热点,冗余。
数据对象论文文献综述
姜春宇,金江善,王君惠,丁琦楠,韩琳[1]（2019）在《船用柴油机冗余CANopen过程数据对象可调度性与一致性问题研究》一文中研究指出针对热冗余通讯在增加船用柴油机电子管理系统通讯可靠性时,默认及冗余总线在不同的抖动下存在数据接收方无法接收两路CAN总线报文的问题,提出以时间戳报文统一系统内所有节点的时间信息,以X+n/Y×TInhibit的偏移量作为异步通讯周期发送的起始时间,以X/Y×TInhibit为时间窗长度,将所有过程数据对象(PDOs)放入不同的时间窗内发送,降低瞬时负荷率,增强可调度性;提出最大延迟时间检测方法,提高两路数据的一致性。通过试验对比冗余CANopen的两种传输模式,结果表明,该方法能有效提高数据的可调度性和一致性。(本文来源于《内燃机工程》期刊2019年04期）
周春阳[2]（2019）在《面向信息物理系统的实时数据对象调度关键技术研究》一文中研究指出信息物理系统(CPS:Cyber-Physical Systems)为现实世界与计算世界之间的深度融合提供了可能,正成为新一代信息技术的热点。在众多CPS应用中,有很大一部分是为了支持实时数据处理,例如工业自动化系统,智能机器人控制,健康监控系统,智慧城市管理等。这类CPS所采集的数据对象大多数具有实时性要求,即数据对象的采集、传输和处理都需要在限定的时间内完成。这些实时数据对象的现实意义是反应了物理世界实体的实时状态,因此,这些所采集的实时数据对象只在一定时限内有效。随着这些新型CPS的日新月异,也为系统的设计带来了新的机遇与挑战。首先,新型CPS多采用分布式架构,其显着优势是可以将系统负载均衡地分布到多个处理单元,因此较少发生单个处理单元的过载现象。然而,分布式处理也会带来一些实时数据处理问题,例如,大部分的传感数据由于传输和处理的实时性需求而不得不在资源受限的嵌入式设备中处理,从而加剧了设备中实时数据对象的计算压力,因此,合理降低分布式系统中的实时数据运算负载可以有效提高系统性能。此外,分布式部署的嵌入式处理单元间的网络通信延迟通常也不可忽略,这种延迟可能干扰系统运行的稳定性,因而合理利用延迟的空闲时间以保障系统实时数据对象的有效性变得更加重要。其次,随着新型CPS规模的日渐庞大,大多数嵌入式设备仍然采用电池供电,其电容量往往有限而且多数应用中的电池难以更换,因此这些广泛部署的嵌入式设备功耗开销代价已经成为制约CPS发展的重要因素,单纯采用降低运行负载的方法难以有效节能,这意味着需要寻求精心设计的节能方法以最大化节能效果。应用节能技术保障实时数据对象处理的有效性,对减轻设备散热的压力,延长系统运行寿命都具有现实研究价值。目前已有的多数研究工作基本集中于独立系统的调度而假设网络延迟忽略不计,难以满足现代信息物理系统中的大量实时数据的分布式处理需求。首次提出了基于动态优先级的实时数据对象传输延迟优化算法JB-EDF和JB-EDF*。在JB-EDF算法中,首先生成事务的初始参数设定,再据此进行单个事务参数的调整。为了扩大事务的调度范围,提出了改进的JB-EDF*方法。该算法首先尝试快速组装一部分事务的可调度子集,再按序处理剩余事务。为了提高算法的运行效率,介绍了一系列技术以实现数据对象的快速处理。实验结果表明,JB-EDF和JB-EDF*算法受到网络延迟波动的影响很小,两者的运行时稳定性更佳,JB-EDF*具有远超现有算法的接受率表现,应用范围更加广泛。面向CPS中实时数据对象的节能调度相关研究尚处于起步阶段。在面向CPS中实时数据对象的底层调度中引入DVFS技术,首次提出了 ML-CS和ML-US两种单核处理器上的节能优化调度算法。在ML-CS算法为更新事务集合设置一个静态降速因子,并尽可能地降低每个事务的执行频率,从而降低了系统调度中的能耗开销。为了更加贴近实际系统的需求,ML-US算法在更细粒度的层面为不同实时事务设置不同的执行频率,通过权衡系统空闲与负载开销之间的关系,以充分发挥DVFS技术的高效节能效果。实验结果表明,总体上ML-CS和ML-US相较于不采用DVFS的方法具有明显的系统节能效果(最高达60%),两者的系统计算资源利用率更高,对于实时数据的时效性保持度也更好。随着多核处理器的普及,有必要将CPS中实时数据对象的节能调度方法扩展到多核处理器平台,目前国内外相关研究也相对较少。首次证明了多核CPS的实时数据对象更新事务节能调度是NP难问题,采用基于划分调度的方法将复杂问题转化为两个子问题,即单核节能调度与多核事务分派调度,从而在单核上可以直接应用已有DVFS方法进行节能调度。进一步提出多核映射算法TCBM(Temporal Consistency Balanced Mapping),证明了处理器能耗与单核上所处理的更新事务密度相关,尽可能均衡地将更新事务分派到不同的处理器,有利于降低系统能耗开销。实验结果表明,TCBM算法相较于传统的多核分派方案可以获得约35%的节能效果提升。(本文来源于《华中科技大学》期刊2019-01-01）
陈姗[3]（2018）在《一种基于属性值分布的异构数据对象的相似度计算方法》一文中研究指出现有的算法无法计算不同类型的对象之间的相似度,本文提出一种基于属性值分布的异构数据对象的相似度计算方法,通过计算异构数据的属性值分布之间的相关度,作为相关属性的权值,再对两个对象逐对计算其属性之间的相似度,使用相关属性的权值进行加权后取和,作为对象之间的相关度。实验证明,本算法在通用性、健壮性,召回率方面都优于现有的方法(本文来源于《网络安全技术与应用》期刊2018年12期）
许洪强[4]（2018）在《面向调控云的电力调度通用数据对象结构化设计及应用》一文中研究指出电力系统快速发展,要求对电网实施集中分析决策、多专业业务协作及跨调度机构工作协同。文章综合考虑电网一体化特征和调控运行管理业务需求,以实现调度通用数据结构化建模的标准、准确、完整、灵活为目标,从对象ID编码规则、对象模型规则、对象建模方法、全局共享等方面,对电力调度信息进行全局统一规划,提出面向调控云的电力调度通用数据对象结构化设计方案,该设计方案可夯实专业间、机构间的业务协作和数据交互共享的基础,能够加强电网运行集中决策,为深度挖掘数据的潜在价值以及大电网安全运行和调控精益管理提供服务。(本文来源于《电网技术》期刊2018年07期）
褚征[5]（2018）在《基于内存云的大块数据对象并行存取策略》一文中研究指出伴随着大数据时代的不断加深,数据量呈指数趋势不断增长,同时数据维度也相应地持续增加,因此,快速实时数据分析等需求面临着新的挑战。提升数据存储服务的实时性、准确性以及交互性是数据分析领域重要的需求。然而当前大数据存储技术大多采用基于HDFS的分布式文件系统进行设计,存储层之上的众多应用性能也受到该文件系统与磁盘交互高延迟特性的制约。内存云(RAMCloud)是一种将所有数据存储在集群服务器内存中的新型存储系统,它能够加速数据的访问速度,有效解决了磁盘访问延迟较大的瓶颈。加之近年来内存价格的不断下降,使得内存云不断成熟以至达到普遍商用化成为了可能。使用内存云对数据对象进行存取时需限制对象的大小,因为内存云仅支持存储容量最大为1MB的小块数据对象,一旦数据对象的大小超过1MB,那么该对象将无法被直接存储在内存云集群中。然而,现实生活中需要被存取的对象大多为大于1MB的大块数据对象,为了充分利用内存云的快速访问特性且解决其存储大小受限问题,本文对内存云中大块数据对象的存储与读取方式展开了深入研究,并由此提出了一种基于内存云的大块数据对象并行存取方法。本方法共分为两个模块,分别为大块数据对象的存储和读取模块。其中存储模块充分利用了数据分割的思想,首先将大块对象分割成可以被内存云直接存储的若干个大小为1MB的小块数据对象,该分割过程在客户端进行,同时会生成相应的数据摘要,然后采用并行计算的策略将分割后的所有数据对象同时存储在内存云的集群中。读取模块的过程与存储过程反向对应,首先利用并行策略从内存云中读取所有小块数据对象,读取过程需根据数据摘要进行,然后将读取到的所有数据进行合并得到原始的大块数据对象。通过实验分析表明,在原始的内存云集群体系架构下,本方法的存储速度为16~18微秒,读取速度可达到6~7微秒;在InfiniBand的网络架构下,本方法的并行策略可以使得大块数据对象的存取与小块数据对象的存取具有相同级别的速度,成线性增长的加速比表明了本方法的高效性。同时,随着移动互联网的快速发展,如何从大量的移动应用中抽取有效的描述信息继而为移动用户提供有效准确的推荐策略变得尤为迫切。目前,移动应用市场对应用的推荐策略相对传统,大多是根据应用的单一属性进行推荐,如下载量、应用名称、应用分类等。针对推荐粒度过粗和推荐不准确的问题,本文提出了一种将内存云与LDA主题模型相结合的方法。该方法从应用的标签入手,构造应用的主题模型分布矩阵,利用该主题分布矩阵构建移动应用的相似度矩阵,同时提出了将移动应用相似度矩阵转化为可行的存储结构的方法。大量的实验证明了该方法的有效性,此外相比现有的应用市场推荐的应用其相似度提升130%。使用此方法解决了移动应用推荐过程中推荐粒度过粗的问题,从而使推荐结果更加准确。同时也证明了内存云加速机器学习的训练速度并提供线上应用热切换功能,使内存云与机器学习应用相结合成为了可能。(本文来源于《新疆大学》期刊2018-06-30）
岳珊[6]（2018）在《混合内存云架构的数据对象管理策略》一文中研究指出大数据时代催生的新型存储架构内存云(RAMCloud)基于其访问快速、易于扩展、存储量大等优点在近年来得到长足发展。内存云任何时候都将数据存储在动态随机访问存储器(Dynamic Random Access Memory,DRAM)中,由此摒弃了磁盘访问的高延迟、低吞吐量的缺点,实现了数据快速访问,使用内存替代磁盘能够更快速地进行数据存取和处理。DRAM由于自身断电易失原因不能长久地保存数据,内存云架构通过将主服务器中的数据进行若干备份到备份服务器中来保证数据持久性,由此使得存储代价增加,同时使用内存存储数据使得系统总能耗增加。相变存储器(Phase-Change Memory,PCM)是近年来出现的一种新型存储介质,由于其非易失、存储密度大、能耗低等优点逐渐进入学术界和工业界的视野成为DRAM的替代者。但PCM也具有两个较大的弱点:相比于寿命10~(15)的DRAM其寿命是非常有限的;PCM的读写速度是不对等的,写数据速度相比读数据速度慢很多。由于上述缺点,不能完全使用PCM代替DRAM作为内存进行数据存储。必须考虑结合两种内存的优点,优化已知缺点构成混合内存云存储架构。本文通过研究内存云架构,对其不足之处进行了优化研究,使用PCM替代部分DRAM构成同级混合内存云架构,考虑到PCM的寿命远远低于DRAM,如若不进行写入次数和磨损均衡控制,系统将在PCM主机寿命到时自动崩溃,本文通过讨论规定时段内数据是否存在于PCM内的概率,如果数据存在的概率高于0.7就不再对将此数据写入。同时构建双向链表,通过统计PCM中的页面的访问计数进行动态排序,始终保持链表从尾部到头部写入次数单调递增,保证数据写入始终在链表尾部。数据对象管理方面首先通过两种器件的读能耗、写能耗、待机能耗和活动能耗的比较计算出混合内存云架构的内存分配比,发现当DRAM与PCM的比例为4.847:1时系统存储性能最优。随后对数据进行读写倾向性预判断,计算出所有存入系统的数据倾向性,将读倾向性高的数据存储于PCM中,其余所有数据存储于DRAM中,此步骤是为了减少PCM的写入数据量。为了保证架构的稳定性,构建数据迁移模型,在每个PCM主机中管理一个LRU链表,动态地将PCM中某时段读倾向性不高的数据对象迁移到DRAM中,同时通过成本效益分析法将DRAM内存重要性较低的数据删除。构建的混合内存云架构在数据读取、断电恢复和保证访问命中率、数据存储量等方面都有较好的性能。(本文来源于《新疆大学》期刊2018-05-25）
公丕金,吕从民,宫永生[7]（2019）在《面向空间应用的数据对象存储与检索系统研究》一文中研究指出针对当前标准对象存储系统的数据对象属性存储和检索方面的不足,结合空间应用数据对象特点,进行了对象属性设计,提出了一种基于HBase数据库的属性管理方法。该方法利用HBase数据库对数据对象及其属性进行集中管理,同时采用分段散列索引实现利用对象属性快速检索对象数据。测试结果表明,基于HBase数据库对象管理方法性能优于现有的属性管理方法,具有较高的对象属性检索效率。(本文来源于《计算机应用研究》期刊2019年03期）
岳珊,于炯,鲁亮,王跃飞,蒲勇霖[8]（2018）在《混合内存云架构的数据对象管理策略》一文中研究指出为有效解决内存云主要存储器件DRAM面临能耗损失大、数据可靠性差、断电易失等问题,提出使用非易失性存储器件PCM替换部分DRAM器件构成混合内存云架构。构建最优分配比模型,在系统总能耗一定的情况下,DRAM和PCM的分配比为4.847∶1时,系统的存储效用最高;通过数据对象预分类模型将数据对象按照读写倾向性分配到内存器件中,构建二室模型对数据对象的迁移和备份速率进行计算,确保系统的稳定性和可靠性。模拟算例结果表明,与相同能耗的内存云架构相比,该混合内存云架构提高了9.37%的存储能力,断电恢复延迟减少15.87%。(本文来源于《计算机工程与设计》期刊2018年02期）
陈静,何香玲[9]（2017）在《测震数据对象关系映射软件包设计》一文中研究指出在深入研究JOPENS数据库数据模型,SEED文件格式基础上,通过对Jrdseed开源软件包进行继承、功能扩展与封装,设计实现Java环境的测震数据对象关系映射软件包。即使不了解测震数据存储标准,也能应用该程序,只需调用该通用软件包接口,便能高效便利的从多种数据来源(来自JOPENS数据库中的连续波形、事件波形以及SEED文件)轻松获取解压缩处理后的测震数据,使研发效率获得大幅提升。(本文来源于《地震地磁观测与研究》期刊2017年04期）
方志超[10]（2017）在《基于多元数据对象的科学计量学热点主题识别研究》一文中研究指出识别热点主题是反映特定研究领域发展状况的关键手段,也是推动科技决策工作走向循证的重要环节。随着数字出版时代科学计量学数据对象日益充盈,可用于识别热点主题的数据选择也愈发丰富。本文选取了科学计量学的元数据(发文数据)和叁类影响力数据(引用数据、使用数据和Altmetrics数据),辨析了这四类数据对象的内涵,论述了它们之间的联系和差异。并且以Web of Science数据库提供的论文元数据、被引频次数据、使用次数数据和altmetric.com提供的Altmetric Attention Score数据为代表,以科学计量学领域的五本国际英文期刊的12914篇论文为研究对象,定量地展现了四类数据对象的时间和论文分布特征。并基于这四类数据对象的内涵与特征,分别对其应用于识别热点主题的适用性进行了分析。本文以科学计量学领域为例,运用四类数据对象分别对科学计量学领域的热点主题进行了识别,绘制了热点主题的共现网络。本文还追踪了四类数据对象在不同时期内所识别的热点主题的变迁状况,以此探讨不同时期和关注度视角下热点主题识别的数据优化选择问题,发掘了使用数据和Altmetrics数据这两类新兴科学计量学数据对象在识别热点主题方面的应用潜力。(本文来源于《大连理工大学》期刊2017-05-01）
数据对象论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
信息物理系统(CPS:Cyber-Physical Systems)为现实世界与计算世界之间的深度融合提供了可能,正成为新一代信息技术的热点。在众多CPS应用中,有很大一部分是为了支持实时数据处理,例如工业自动化系统,智能机器人控制,健康监控系统,智慧城市管理等。这类CPS所采集的数据对象大多数具有实时性要求,即数据对象的采集、传输和处理都需要在限定的时间内完成。这些实时数据对象的现实意义是反应了物理世界实体的实时状态,因此,这些所采集的实时数据对象只在一定时限内有效。随着这些新型CPS的日新月异,也为系统的设计带来了新的机遇与挑战。首先,新型CPS多采用分布式架构,其显着优势是可以将系统负载均衡地分布到多个处理单元,因此较少发生单个处理单元的过载现象。然而,分布式处理也会带来一些实时数据处理问题,例如,大部分的传感数据由于传输和处理的实时性需求而不得不在资源受限的嵌入式设备中处理,从而加剧了设备中实时数据对象的计算压力,因此,合理降低分布式系统中的实时数据运算负载可以有效提高系统性能。此外,分布式部署的嵌入式处理单元间的网络通信延迟通常也不可忽略,这种延迟可能干扰系统运行的稳定性,因而合理利用延迟的空闲时间以保障系统实时数据对象的有效性变得更加重要。其次,随着新型CPS规模的日渐庞大,大多数嵌入式设备仍然采用电池供电,其电容量往往有限而且多数应用中的电池难以更换,因此这些广泛部署的嵌入式设备功耗开销代价已经成为制约CPS发展的重要因素,单纯采用降低运行负载的方法难以有效节能,这意味着需要寻求精心设计的节能方法以最大化节能效果。应用节能技术保障实时数据对象处理的有效性,对减轻设备散热的压力,延长系统运行寿命都具有现实研究价值。目前已有的多数研究工作基本集中于独立系统的调度而假设网络延迟忽略不计,难以满足现代信息物理系统中的大量实时数据的分布式处理需求。首次提出了基于动态优先级的实时数据对象传输延迟优化算法JB-EDF和JB-EDF*。在JB-EDF算法中,首先生成事务的初始参数设定,再据此进行单个事务参数的调整。为了扩大事务的调度范围,提出了改进的JB-EDF*方法。该算法首先尝试快速组装一部分事务的可调度子集,再按序处理剩余事务。为了提高算法的运行效率,介绍了一系列技术以实现数据对象的快速处理。实验结果表明,JB-EDF和JB-EDF*算法受到网络延迟波动的影响很小,两者的运行时稳定性更佳,JB-EDF*具有远超现有算法的接受率表现,应用范围更加广泛。面向CPS中实时数据对象的节能调度相关研究尚处于起步阶段。在面向CPS中实时数据对象的底层调度中引入DVFS技术,首次提出了 ML-CS和ML-US两种单核处理器上的节能优化调度算法。在ML-CS算法为更新事务集合设置一个静态降速因子,并尽可能地降低每个事务的执行频率,从而降低了系统调度中的能耗开销。为了更加贴近实际系统的需求,ML-US算法在更细粒度的层面为不同实时事务设置不同的执行频率,通过权衡系统空闲与负载开销之间的关系,以充分发挥DVFS技术的高效节能效果。实验结果表明,总体上ML-CS和ML-US相较于不采用DVFS的方法具有明显的系统节能效果(最高达60%),两者的系统计算资源利用率更高,对于实时数据的时效性保持度也更好。随着多核处理器的普及,有必要将CPS中实时数据对象的节能调度方法扩展到多核处理器平台,目前国内外相关研究也相对较少。首次证明了多核CPS的实时数据对象更新事务节能调度是NP难问题,采用基于划分调度的方法将复杂问题转化为两个子问题,即单核节能调度与多核事务分派调度,从而在单核上可以直接应用已有DVFS方法进行节能调度。进一步提出多核映射算法TCBM(Temporal Consistency Balanced Mapping),证明了处理器能耗与单核上所处理的更新事务密度相关,尽可能均衡地将更新事务分派到不同的处理器,有利于降低系统能耗开销。实验结果表明,TCBM算法相较于传统的多核分派方案可以获得约35%的节能效果提升。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
数据对象论文参考文献
[1].姜春宇,金江善,王君惠,丁琦楠,韩琳.船用柴油机冗余CANopen过程数据对象可调度性与一致性问题研究[J].内燃机工程.2019
[2].周春阳.面向信息物理系统的实时数据对象调度关键技术研究[D].华中科技大学.2019
[3].陈姗.一种基于属性值分布的异构数据对象的相似度计算方法[J].网络安全技术与应用.2018
[4].许洪强.面向调控云的电力调度通用数据对象结构化设计及应用[J].电网技术.2018
[5].褚征.基于内存云的大块数据对象并行存取策略[D].新疆大学.2018
[6].岳珊.混合内存云架构的数据对象管理策略[D].新疆大学.2018
[7].公丕金,吕从民,宫永生.面向空间应用的数据对象存储与检索系统研究[J].计算机应用研究.2019
[8].岳珊,于炯,鲁亮,王跃飞,蒲勇霖.混合内存云架构的数据对象管理策略[J].计算机工程与设计.2018
[9].陈静,何香玲.测震数据对象关系映射软件包设计[J].地震地磁观测与研究.2017
[10].方志超.基于多元数据对象的科学计量学热点主题识别研究[D].大连理工大学.2017
论文知识图
