导读:本文包含了实时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:实时,对象,数据,主存,系统,时序,数据流。
实时对象论文文献综述
周春阳[1]（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）
华峥[2]（2018）在《面向实时流程对象并行知识发现的算法研究》一文中研究指出随着计算机软硬件技术、网络技术、信息技术的飞速发展,数据以流的形式在金融应用、股票分析、气象监测、网络安全等众多领域内源源不断产生。为了能够及时地对数据流进行处理,获得生产设备的状态信息,课题组以完整的流程工业生产过程为研究对象,提出了用于流程对象大数据集的知识发现模型——TC-A-C/T Flow算法流。该模型能够挖掘环节间的隐性关系,把握流程工业的生产状况和异常情况,具有较大的实际意义。本文以课题组原有的知识发现算法流为基础,针对流式数据无限增长、实时有序、更新频率快等特点,设计改进了基于数据流的聚类分析算法和关联规则算法,能够更加有效地挖掘环节间的影响关系,具有重要的理论价值和实际意义。面向数据流的聚类分析和关联规则分析在流程工业的生产中有着重要的应用。针对现有数据流聚类纯度低、难以反映数据流演化特征的问题,分别提出基于密度网格的数据流聚类算法DEGDS(A Data Stream Clustering Algorithm Based on Density and Extended Grid)和基于中心权值的聚类算法CW-Stream(A Stream Data Clustering Algorithm Based on Center Weighted)。通过对原始数据聚类处理,采样数据的划分更加合理,同时为后续的关联规则分析提供了理论支持,降低了挖掘的难度。在此基础上,针对传统关联分析效率低下的问题,提出了并行增量的关联规则算法PIMH(Parallel Incremental Association Rule Mining Based on Hierarchical)。本文的研究内容和创新工作主要分为以下叁个方面。(1)一种基于数据流的密度网格聚类算法的研究针对目前数据流算法的聚类质量问题,提出了基于密度网格的聚类算法DEGDS。算法借助Spark Streaming并行计算平台,采用自动确定微簇中心的方法比较理想地解决了初始值对聚类结果的影响。为防止网格尺度划分不当产生的边界缺失问题,采用扩展网格的方式准确扩展了网格边缘。为平衡计算负载,提出相邻密度估计与网格边界相结合的方法实现了网格的合并。最后,通过实验对比,验证了算法的聚类质量较高,在效率上具有良好的加速比和可扩展性。(2)一种基于数据流的中心权值聚类算法的研究然后,针对传统流式聚类没有足够强调当前数据重要性的问题,本文在第叁章算法的基础上创新性地提出了中心权重的概念,并介绍了基于中心权值的聚类算法CW-Stream。为实现对数据流对象的准确描述,提出中心权值的迭代学习过程,将中心权值与每个数据对象的距离特征结合起来,既保留了历史数据的特征又考虑到数据流的演化特性,能够在有限的空间内把握数据流的变化趋势。为了进一步获得数据对象的完整状态,用模糊隶属度矩阵的形式保存数据对象的摘要信息,中心权值的加入为模糊隶属度带来了方向性的特征。实验结果表明,算法在精度和效率方面有不同程度的提升,可以有效地处理流式数据。(3)一种基于数据流的并行增量关联规则算法的研究最后,针对大部分传统的数据流关联规则算法资源消耗大,单机计算能力有限,候选项集过于庞大等瓶颈,提出了改进的并行增量关联规则算法PIMH。基于前两章聚类结果,算法借助Spark并行挖掘平台,并行处理分区数据,只需对原数据集扫描一次便可得到挖掘结果。针对候选项集过大内存无法容纳的问题,采用局部剪枝方式并行压缩候选项集。实验证明PIMH算法减少了数据挖掘的开销,具有较高的时间效率。总而言之,本文提出的算法是对现有的基于数据流的聚类算法和关联规则算法的补充和改进。在理论分析和实验结果上都能表明,与现有的算法相比,本文提出的算法综合考虑了结果的准确性和挖掘处理的时间,具有更好的精度和适应性,能够有效地解决数据流的挖掘问题。(本文来源于《济南大学》期刊2018-06-01）
胡德凯,陈洁,胡海洋,李忠金[3]（2018）在《基于主动对象的实时数据分析系统设计与实现》一文中研究指出现场态势分析是现代社会信息化管理的重要手段,数据分析平台是现场态势分析系统的核心关键。采用主动对象技术设计开发了一个支持多数据格式的现场态势数据分析平台。该平台不仅支持用户单点登录和实时多维度数据态势分析,而且还允许用户在实时态势分析中,根据实际需求进行动态定制。研发的数据服务平台软件已有实例监所勤务系统投入工程使用。开发的系统能够较好地实现对监所勤务子系统数据的存储、分析及上报,实现对数据的实时动态态势分析。(本文来源于《工业控制计算机》期刊2018年04期）
沈忱[4]（2018）在《面向对象的实时叁维视景仿真系统》一文中研究指出面向对象的实时叁维视景仿真系统是计算机领域运用比较广泛而且非常新颖的技术。实时叁维视景仿真系统的研究和开发对影视业,建筑业,采矿业等等都会有很大的推动作用。因此本文从以下几个方面来全面论述实时叁维视景仿真系统:实时叁维视景仿真系统的优点,实时叁维视景仿真系统的运用。(本文来源于《电子技术与软件工程》期刊2018年04期）
姜慧文[5]（2018）在《基于移动设备的实时对象叁维重建》一文中研究指出近些年,利用摄像机或传感器的数据作为输入,恢复现实世界物体叁维结构的方法受到了人们的广泛关注。随着移动设备的发展和普及,手机改变了人们的生活,也成了生活中不可或缺的必需品,未来越来越多的工作将基于移动设备展开,利用移动设备搭载的摄像头进行实时的叁维重建具有重要的应用前景。但是,大多数有效的重建算法都需要图像深度作为输入,这就需要专业设备的支持,而无法在普通的移动设备上实现。幸运的是,随着人们对运动推测结构(Structure From Motion)问题的研究,出现了一些不需要深度信息的叁维重建算法,但是这些算法又需要大量的计算,而移动设备搭载的便携图形处理器性能较弱,对于这样的大量计算,很难达到实时。也有一些研究人员基于移动设备提出了非实时的方案或是将拍摄到的图像传输至云端计算,但是这样的方案对用户体验不够友好,或者必须在有网络连接的地方才能运行。本文对目前已有的叁维重建算法进行了研究,在移动设备的叁维重建过程中,通过引入苹果ARKit,提高了移动设备相机位姿估计的稳定性。在此基础上,提出了一种并行分层投影方法,提高了叁维重建过程中模型投影的效率。本文设计并实现了一种基于移动设备的对象叁维重建算法,算法的输入是移动设备搭载的普通RGB摄像头拍摄的序列帧图像,先用稠密的图像矫正和块匹配算法估计深度图,最后使用并行的模型更新算法将相机图像及深度图融合到一个TSDF体表面模型上,并利用并行的模型投影算法对用户进行反馈。实验结果表明,该算法可以在移动设备上实时的重建出表面连续的叁维模型。本文克服了移动设备搭载的便携摄像头和便携处理器在性能上的局限,可以实时的为用户反馈扫描的情况,最终生成的体表面模型可应用于虚拟现实、增强现实等多个应用场景。(本文来源于《浙江大学》期刊2018-01-01）
严军,曾威,王德伟,邹晓军,刘小燕[6]（2017）在《实时高精度DCT对象模型开发研究》一文中研究指出提出传统变速器动力经济性仿真模型的局限性,介绍了DCT物理模型开发方法基本流程,描述了某DCT基本结构,基于Modelica平台建立了其实时高精度对象模型,通过仿真数据与试验数据对比,验证了DCT对象模型的精度与实时性。(本文来源于《第19届亚太汽车工程年会暨2017中国汽车工程学会年会论文集》期刊2017-10-24）
薛忠斌,白利光,何宁,周烜,周歆[7]（2017）在《路网中高吞吐量移动对象实时查询算法》一文中研究指出随着无线通信技术、空间定位技术和移动计算技术的快速发展,基于位置的查询成为数据库领域的一个重要研究问题。研究了路网中移动对象的KNN查询,一系列的算法被提出用于解决移动对象的KNN查询问题。然而,这些算法关注于查询的快速响应问题或者专注于解决移动对象的快速更新问题。随着移动对象数量的不断增加,当查询和更新大量涌入时,吞吐量成为一个更重要的问题。针对移动对象的更新数据流和查询数据流,提出了一种基于内存的高吞吐量移动对象KNN查询算法——DSRNKNN算法,用于处理路网中移动对象的KNN查询。DSRNKNN算法采用了基于快照的模式。在每个快照中,DSRNKNN算法通过重新构建索引的方式避免了复杂的索引维护操作,充分发挥了硬件的性能;通过每次执行一组查询的方式,充分利用查询内和查询间的并行,增加了数据的局部性,提高了算法的效率。在基于实际路网生成的数据集上对算法进行了测试,实验验证了DSRNKNN算法具有很好的性能表现。(本文来源于《计算机科学》期刊2017年03期）
张家碧,杨智应[8]（2016）在《基于最小边界扇形的移动对象轨迹实时化简算法的进一步研究》一文中研究指出随着各种便携式个人通信设备增加,带有GPS定位功能的设备在日常生活中日渐普及。在方便人们日常生活的同时也带来海量数据的管理等问题。提出一种新的基于最小边界扇形的移动对象实时化简算法,提出了关键点(key point)的概念。在具有基本定位功能的设备上,更好地获得接近原始轨迹的简化轨迹,同时基本保持原有的通信代价和计算开销。还提出一种新的基于区域面积的误差度量方式。实验结果证实该算法有较好的化简率和较快的处理速度,得到的化简结果更加接近实际。(本文来源于《现代计算机(专业版)》期刊2016年20期）
于鸽,冯山[9]（2016）在《基于可延迟调度提升实时数据对象时序一致性服务质量算法》一文中研究指出针对保证实时数据对象时序一致性调度算法在软实时数据库系统环境下的应用问题,提出了一种基于概率统计的可延迟优化(SDS-OPT)算法。首先,分析和比较了现有算法在可调度性、服务质量(Qo S)以及工作负载方面的特征与不足,指出优化现有算法的必要性;然后,利用最速下降法提升作业的执行时间筛选基准值,进而增加实时更新事务可调度的作业数量,以确保实时数据对象的时序一致性服务质量(Qo S)最大化;最后,从工作负载和服务质量两个方面对所提算法和现有算法的性能进行对比分析。仿真实验结果表明,相对于已有的针对固定优先级可延迟调度算法(DS-FP)和统计性的非确定性可延迟调度算法(DS-PS),所提算法能够保证实时数据对象的时序一致性,同时降低工作负载,服务质量提升明显。(本文来源于《计算机应用》期刊2016年06期）
郑德宝[10]（2016）在《面向对象的实时软件开发方法研究》一文中研究指出当今是个信息自动化的时代,软件已应用于人们生活的环境的各个方面。把面向对象的实现方法引入到实时软件系统的开发过程中具有重大的作用,可以达到反复使用,开发周期时间短、软件质量增强、开发有保障以及开发成本低等效能目的。这样就确保了实时软件的良性开发并使这种开发系统化和工程化,更使人们无论在生产方面还是学习方面都会有很大的便利并提升了生产生活的质量(本文来源于《电子制作》期刊2016年07期）
实时对象论文开题报告
（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：
随着计算机软硬件技术、网络技术、信息技术的飞速发展,数据以流的形式在金融应用、股票分析、气象监测、网络安全等众多领域内源源不断产生。为了能够及时地对数据流进行处理,获得生产设备的状态信息,课题组以完整的流程工业生产过程为研究对象,提出了用于流程对象大数据集的知识发现模型——TC-A-C/T Flow算法流。该模型能够挖掘环节间的隐性关系,把握流程工业的生产状况和异常情况,具有较大的实际意义。本文以课题组原有的知识发现算法流为基础,针对流式数据无限增长、实时有序、更新频率快等特点,设计改进了基于数据流的聚类分析算法和关联规则算法,能够更加有效地挖掘环节间的影响关系,具有重要的理论价值和实际意义。面向数据流的聚类分析和关联规则分析在流程工业的生产中有着重要的应用。针对现有数据流聚类纯度低、难以反映数据流演化特征的问题,分别提出基于密度网格的数据流聚类算法DEGDS(A Data Stream Clustering Algorithm Based on Density and Extended Grid)和基于中心权值的聚类算法CW-Stream(A Stream Data Clustering Algorithm Based on Center Weighted)。通过对原始数据聚类处理,采样数据的划分更加合理,同时为后续的关联规则分析提供了理论支持,降低了挖掘的难度。在此基础上,针对传统关联分析效率低下的问题,提出了并行增量的关联规则算法PIMH(Parallel Incremental Association Rule Mining Based on Hierarchical)。本文的研究内容和创新工作主要分为以下叁个方面。(1)一种基于数据流的密度网格聚类算法的研究针对目前数据流算法的聚类质量问题,提出了基于密度网格的聚类算法DEGDS。算法借助Spark Streaming并行计算平台,采用自动确定微簇中心的方法比较理想地解决了初始值对聚类结果的影响。为防止网格尺度划分不当产生的边界缺失问题,采用扩展网格的方式准确扩展了网格边缘。为平衡计算负载,提出相邻密度估计与网格边界相结合的方法实现了网格的合并。最后,通过实验对比,验证了算法的聚类质量较高,在效率上具有良好的加速比和可扩展性。(2)一种基于数据流的中心权值聚类算法的研究然后,针对传统流式聚类没有足够强调当前数据重要性的问题,本文在第叁章算法的基础上创新性地提出了中心权重的概念,并介绍了基于中心权值的聚类算法CW-Stream。为实现对数据流对象的准确描述,提出中心权值的迭代学习过程,将中心权值与每个数据对象的距离特征结合起来,既保留了历史数据的特征又考虑到数据流的演化特性,能够在有限的空间内把握数据流的变化趋势。为了进一步获得数据对象的完整状态,用模糊隶属度矩阵的形式保存数据对象的摘要信息,中心权值的加入为模糊隶属度带来了方向性的特征。实验结果表明,算法在精度和效率方面有不同程度的提升,可以有效地处理流式数据。(3)一种基于数据流的并行增量关联规则算法的研究最后,针对大部分传统的数据流关联规则算法资源消耗大,单机计算能力有限,候选项集过于庞大等瓶颈,提出了改进的并行增量关联规则算法PIMH。基于前两章聚类结果,算法借助Spark并行挖掘平台,并行处理分区数据,只需对原数据集扫描一次便可得到挖掘结果。针对候选项集过大内存无法容纳的问题,采用局部剪枝方式并行压缩候选项集。实验证明PIMH算法减少了数据挖掘的开销,具有较高的时间效率。总而言之,本文提出的算法是对现有的基于数据流的聚类算法和关联规则算法的补充和改进。在理论分析和实验结果上都能表明,与现有的算法相比,本文提出的算法综合考虑了结果的准确性和挖掘处理的时间,具有更好的精度和适应性,能够有效地解决数据流的挖掘问题。
（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。
实时对象论文参考文献
[1].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
[2].华峥.面向实时流程对象并行知识发现的算法研究[D].济南大学.2018
[3].胡德凯,陈洁,胡海洋,李忠金.基于主动对象的实时数据分析系统设计与实现[J].工业控制计算机.2018
[4].沈忱.面向对象的实时叁维视景仿真系统[J].电子技术与软件工程.2018
[5].姜慧文.基于移动设备的实时对象叁维重建[D].浙江大学.2018
[6].严军,曾威,王德伟,邹晓军,刘小燕.实时高精度DCT对象模型开发研究[C].第19届亚太汽车工程年会暨2017中国汽车工程学会年会论文集.2017
[7].薛忠斌,白利光,何宁,周烜,周歆.路网中高吞吐量移动对象实时查询算法[J].计算机科学.2017
[8].张家碧,杨智应.基于最小边界扇形的移动对象轨迹实时化简算法的进一步研究[J].现代计算机(专业版).2016
[9].于鸽,冯山.基于可延迟调度提升实时数据对象时序一致性服务质量算法[J].计算机应用.2016
[10].郑德宝.面向对象的实时软件开发方法研究[J].电子制作.2016
论文知识图
