简介：于复杂的数据库进行快速调度,不仅需要多服务器合作,同时也可能涉及多个数据库之间的数据筛选与查找,而问题的难点在于,不同的数据库在计算机语句设置方面也是不同的,这就意味着查询和筛选的规则以及具体的语言逻辑存在着差异性,这种差异也会影响数据有效调度的效率。基于以上问题,笔者提出一种新的数据库调度方法,其主要基于数据相互混沌的特征,实现复杂数据库的调度。通过并行数据调度技术与混沌优先级因子两种方式的有机结合投入到具体的寻优调度计算中,不仅能够快速将混沌特征进行获取,同时能够结合时间序列计算出具体的数据节点的任务量,最终建立优化模型。结果表明,这一改进模型对于复杂数据库的数据调度有一定的积极作用。

简介：提出了一种基于并行层叠结构的新型数据链,通过信道化收发信机、信道聚合、数字跳频、全双工及可变时隙等技术,实现信道传输资源按需组合;通过信道分配和时隙分配二次调度,将复杂的网络规划过程分解成2个低复杂度的小规模优化过程,实现网络规划调整.可以满足指挥控制数据链大用户容量、武器协同数据链低时延以及情报侦察数据链高传输带宽的要求,简化数据链的组织应用,初步实现和体现“三链合一”技术思想.

简介：文章介绍了并行排序算法的设计,仅是从检测和开拓现有串行算法中的固有并行性而直接将其并行化入手,基于SIMD-SM模型(如图1),没有涉及共享存储器的互斥操作.对插入排序中直接排序、二分法插入排序、树形选择排序进行了研究.

简介：归纳出对在线社交网络研究具有挑战性的一些课题,介绍描述用户关系的逻辑模型（粉丝模型）,提出逻辑关系寓意邻接矩阵（粉丝矩阵）。用此模型展示对微博平台Top-X信息查询的聚合-排序-删除算法。进一步应用映射和化简概念将上述Top-X信息查询算法扩展于并行计算环境,给出映射关注和化简粉丝在Ha-doop系统联机实现的算法。粉丝模型和相应的算法实现了对新浪微博74.7GB和Twitter的101GB实际数据的多种约束下信息查询和微博转发预测,特别是在Hadoop系统联机环境下,新方法的信息化简和计算性能明显提高。

简介：通过对大型系统中多线程模式在实际应用中存在的优缺点分析,提出基于线程池的多任务并行处理模型,并在此基础上详细描述了该模型的3个主要功能模块,为解决多线程环境下如何提高任务并行处理效率提供了一种实现方法。

简介：并行无疑已经成为了下一个开发领域的热点。随着Intel和AMD不断地将。更多核心数量的CPU推向市场，软件开发人员面临的一大挑战就是如何有效地利用多个核心，写出能更好的引入并行运算的代码。用户绝不希望运行在自己的多核CPU之上的软件，却只能利用到一个CPU核心，或仅仅在少数的地方使用了多线程技巧。现代软件的复杂性，也要求开发人员能充分榨取到硬件所提供的每一分运算能力。无论是运行在客户端机器上的游戏、3D制图软件，还是运行在服务器上的数据库、业务处理系统，都开始向着并行的方向前进。

简介：

简介：I／O部分一直是制约计算机系统整体性能提升的瓶颈。本文提出外存性能模型，用于定量分析外存的I／O性能并帮助克服I／O瓶颈，并在此基础上，提出用多通道I／O克服PCI总线瓶颈。采用多钱程控制和异步I／O技术，使所有通道的磁盘并行工作。对比实．验表明，最大顺序读性能提升了46％，顺序写提升48％，随机读提升4％，随机写提升57％。

简介：数据库技术的成熟、数据挖掘应用、生物基因技术的发展、历史数据的几何级膨胀等使高性能计算（HighPerformanceComputing，HPC）成为必要。虽然通过创建分布式系统可以解决部分大型计算的问题，但是分布式系统有通信开销大，故障率高；数据的存取结构复杂，开销大；数据的安全性和保密性较难控制等弱点。随着计算机处理器，特别是GPU（GraphicalProcessingUnit）计算能力的飞速提高，高性能计算正在逐步进入桌面（低端）领域，我们开始探讨并行编程模型与并行编程等软件技术。

简介：摘要网络技术的发展导致海量数据和信息的产生，如何对其进行正确有效组织和管理，这就对数据库的设计和实现提出了更高的要求，计算机数据库系统的应用和优化亦面临着挑战。本文从并行数据库系统的体系结构、并行数据库的查询，聚集，排序及数据可靠性等方面入手，阐述了对并行数据库的认识和看法。

简介：在ASP中使用ADO技术来访问Web数据库,RDO、DAO和ADO是比较常见的Web数据库访问技术,使用ADO的对象可以建立和管理数据库的连接

简介：随着信息技术的发展，大量的数据不断被收集和存储，对数据的挖掘规模越来越大，传统的数据挖掘已经无法解决海量数据挖掘问题。网格技术的发展，使得广域分布的海量数据的挖掘问题得到解决。文章根据现实中海量数据挖掘的需求和网格的本质，把并行关联规则挖掘算法应用于网格数据挖掘中，并建立了一个并行数据挖掘模型，验证了并行数据挖掘系统在网格环境的可行性与合理性。

简介：随着电力用户的增加，各种电力用户产生的数据，用传统的简单的负荷预测方法难以满足人们对于大数据的分析。大数据时代的来临，在电力系统中不断显现出来的。随着智能电网、通信网络技术和传感器技术的发展，直接导致了电力用户侧数据呈指数式增长，使电力用户侧大数据变得十分复杂。本文主要是针对电力用户侧数据的一些特点提出一些并行负荷预测方法。电力用户侧数据特征有数据数量大、数据结构类型繁多和更新的速度快。电力用户侧大数据在存储处理这些数据上对我们研究这些数据是一个挑战。本文是基于随机森林算法的并行负荷预测方法，通过现代热门的云计算，对影响数据的历史负荷、温度、风速等数据进行并行化分析。

简介：PCIe总线在雷达系统中应用日益广泛，但FPGA内部集成的PCIe硬核数量有限，难以满足雷达并行录取多种数据的需求。为此，本文提出了一种改进的PCIeDMA数据传输方法，利用XilinxFPGA集成的单个PCIe硬核实现了多路数据在高速传输情况下的并行录取。针对实现过程中遇到的时序问题，提出了采用多级FIFO级联方法进行时序优化。依据XilinxFPGA的时钟网络特点，对时钟资源进行优化，便于日后系统的扩展和升级。

简介：摘要：于电力用户侧大数据实时的采集，传输和存储，还有庞大的历史数据进行有效而快速的分析。这些大数据不仅仅包括智能电表收集的用电量，还有各类传感器按照固定频率采集的温度、天气、湿度、地理信息和风速信息等。用户测数据复杂程度增大，数据存储规模将从目前的GB级增长到TB级，甚至PB级，逐步构成了用户侧大数据。而针对这些数据的分析支撑着智能电网的可靠安全地运行，对这些数据的分析具有跨时代的意义。

简介：摘要：随着科技不断进步，电子信息技术得到迅速的发展，尤其是大数据系统发展更为迅速，而且被广泛应用于各领域。居民企业生产生活的进行导致了人们对电量的需求越来越高，电力用户数量以惊人的速度增长着。同时伴随着国家科技水平的提高，一系列新型科技被应用到电力系统运营管理中来，具体有计算机网络技术、自动化控制技术、遥感技术等先进科技，这些先进技术的应用，对于电力系统网络智能化的发展起到了关键的促进作用。

简介：目的：解决考虑模糊环境条件影响下的复杂机械产品并行拆卸路径规划问题，并给出成本和模糊时间最优的拆卸方案。创新点：建立混合模糊模型，引入三角模糊数表示拆卸工序加工时间，提高拆卸路径规划的环境适应性；采用并行加工方法，尽可能地提高生产资源利用效率，缩短加工时间和降低加工成本；使用混合编码方式，用同一条染色体表示拆卸工序和工位信息，简化模型表达和运算；在遗传算法中引入高斯变异方法，提高算法的收敛速度。方法：1．引入一个包含N个工位和L个零部件的拆卸序列规划问题，提出混合模糊拆卸模型实现对此问题的数学描述；2．采用包含高斯变异算子的遗传算法，对结果进行优化计算，以得到最短的模糊加工时间和加工成本；3．将本文所述方法的计算结果与快速搜索随机树算法的运行结果进行比较。结论：在算法分别迭代50次、100次和150次的情况下，本文所述方法得到的最优解均优于快速搜索随机树算法的解，并且运行时间均短于快速搜索随机树算法。

简介：从心理语言学的观点出发，分析了词汇发生模型、连接主义模型和交股模型在词汇提取方面的异同点，阐明了这些模型对英语词汇习得的启示。

简介：

简介：目前,DB2并行数据库系统已被广泛应用于银行业的诸多核心业务系统中。本文分别从并行数据库系统的目标、本质、原则、方法及逻辑结构模型等方面,对DB2并行数据库系统的核心技术做一全面、系统化分析,望能为DB2实践应用提供些许借鉴与指导。