导读:本文包含了集成计算环境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:环境,信息资源,架构,景观,数据,神经网络,体系结构。
集成计算环境论文文献综述
饶婷婷,代向裕[1]（2018）在《在综合集成研讨环境中基于PageRank的专家权威值的计算方法》一文中研究指出针对综合集成研讨环境中专家权威值的计算问题,提出了一种较为全面的专家权威值的计算方法,该方法通过对专家职称,最高学历,参加研讨次数以及专家在研讨过程中的行为进行分析,客观的计算出在综合集成研讨环境下专家的总体权威值。实验结果表明,提出的专家权威值计算方法合理有效;在综合集成研讨环境中,对评判专家水平有一定作用,为与会专家在综合集成研讨环境中进行交互提供良好条件。(本文来源于《电子技术与软件工程》期刊2018年22期）
何瓦特,杨毅[2]（2017）在《云计算环境下的西南民族档案资源集成管理研究》一文中研究指出本文以云计算理论为指导,提出具有西南民族特色的"云计算环境下的西南民族档案资源集成管理"的新模式,分别从云计算环境下的西南民族档案资源集成管理的核心服务、管理服务和用户接口方面进行了剖析,为西南民族档案资源集成管理提供了建设性意见。云计算环境下的西南民族档案资源集成管理将是一个新理念、新模式,它的构建为西南民族档案管理者、爱好者和研究者带来零距离、全天候和个性化服务。(本文来源于《兰台世界》期刊2017年21期）
何晓冬[3]（2017）在《虚拟信息资源大数据特征集成调度的实现及应用——以云计算环境为例》一文中研究指出在本文中,在大型数据环境下研究了基于云计算的虚拟信息资源的大数据特征集成调度应用和实现,借由云计算环境当中企业的虚拟信息资源的大数据特征集成调度来提高网站的访问量和数据,通过自主计算关联值来提高管理能力。其中,在分布式计算当中,由于云计算往往是计算较大的数值,为了实现云资源的处理和信息系统通讯,本文基于云计算环境下的虚拟信息资源的大数据特征集成调度进行讨论,从大数据特征集成调度的优点开始谈起,对企业当中云环境下的虚拟信息资源的大数据特征集成调度作出研究和分析。通过本文以云计算环境下的虚拟信息资源大数据特征集成调度为主题,对大数据特征集成的实现与应用进行了阐述和探讨,希望有关工作者的工作能够做出一点帮助和贡献。(本文来源于《中国高校科技》期刊2017年S1期）
王蕾,陈崇成,唐丽玉[4]（2017）在《集成虚拟森林环境与景观指数计算模型的森林景观格局分析》一文中研究指出森林景观格局分析是森林景观优化配置与实施规划的基础。本文以森林资源二类调查数据为基础,采用森林景观定量空间分析方法,在自主开发而成的森林景观可视化系统Vis Forest支持下,利用VS2008开发平台、Arc Engine组件与OSG图形渲染引擎,集成景观指数计算模型和地理信息系统的分析方法,形成森林景观格局分析与景观叁维可视化模拟系统,实现了景观格局分析的定量化和景观可视化;并以闽侯县白沙国有林场2013年的数据为例,按优势树种划分森林景观类型,计算分析了景观组成结构、斑块特征和景观异质性等。结果表明,杉木林、马尾松林、湿地松林、木荷林、非林地是白沙林场的优势景观类型,总体景观类型丰富、景观异质性较高;木荷作为隔离带树种,以小面积狭长斑块居多,其形状指数和分形维数最大,斑块形状复杂而不规则;森林景观的叁维可视化模拟为研究景观格局提供了一个直观、交互的展示平台。(本文来源于《地球信息科学学报》期刊2017年02期）
董晓明,胡洋[5]（2016）在《基于模型系统工程在全舰计算环境集成框架的应用概览》一文中研究指出"全舰计算环境"(TSCE)作为当今软件密集型复杂武器系统的典型代表,需要从研制模式上转变传统的系统工程实践,采用基于模型的系统工程(MBSE)解决方案,从以文档为中心转变为以模型为中心,实现系统的快速开发以应对需求和环境的变化。首先,介绍MBSE的发展概况及国内外相关研究情况,然后,结合TSCE集成框架并参考经典的V模型,梳理系统工程过程,初步建立各个阶段与美国国防部体系结构框架(Do DAF)视点或模型的对应关系。重点讨论为了得到合适的TSCE系统模型应该采用的建模规范和标准,主要包括:系统建模语言(Sys ML)、可扩展标记语言(XML)模式、面向服务架构(SOA)、业务流程模型与标注(BPMN)、军事想定定义语言(MSDL)、联合作战管理语言(C-BML)等。形式化建模方法的应用预期将在构建TSCE集成框架的过程中发挥重要作用。(本文来源于《中国舰船研究》期刊2016年06期）
刘菲,郝风杰[6]（2015）在《云计算环境下Web服务集成系统的研究》一文中研究指出作为云平台提升应用性能的一种重要手段,Web服务集成技术近年来受到了工业界和学术界的广泛关注。从云计算与Web服务集成技术的结合入手,分析设计了基于云计算的系统体系结构,并基于此提出了基于Web Services的异构数据集成方法和应用集成的总体架构。最后,给出了该系统的相关实现实例。实验表明,该系统架构的应用在降低构建成本的同时大幅提高了系统性能。(本文来源于《计算机科学》期刊2015年S2期）
王征宇[7]（2015）在《神经网络集成分类方法及其在并行计算环境中的应用研究》一文中研究指出集成学习是一种新的机器学习范式,它通过对弱学习机进行整合,获得达到强学习机效果和质量的整体输出。集成学习从统计学上、计算上和表示上的叁个方向,而不是直接从人工智能和学习算法的方向上,有效地提高了机器学习的效果,这从机器学习研究的方法论上来说是一个重大的进步。神经网络集成是指子学习机为神经网络的集成学习算法,由于人工神经网络本身就被很广泛地用于各类分类算法,所以神经网络集成也是分类器集成最常用的一种计算框架,成为目前国际机器学习和神经计算界的一个长期活跃的研究热点。现有的集成学习算法存在两个比较普遍性问题。一是通用性问题。没有一个“万能算法”能解决所有的问题,必须具体问题具体分析。二是性能问题。集成学习算法带来了数倍于单学习机模式的计算量,在实时系统或者海量数据处理系统的应用中会导致性能问题。针对上面这两类问题,本论文的研究目标主要包括:一是分别针对低维数据和高维数据这两种比较典型的分类问题,提出了更加合适的集成算法组合。二是提出针对并行性计算优化的集成算法,并将并行集成学习算法应用在并行计算框架上解决实际问题。具体如下:1、现有基于模糊积分的神经网络集成算法,一般是以衡量正确率的模糊密度为基础的,这样来确定子神经网络权重的方式不够全面。本论文设计了一个能够从正确率、误差距离和失效程度叁方面更加有效和全面衡量子神经网络重要程度的模糊密度,并将其用于神经网络集成器的计算。通过对双螺旋分类问题的研究,证明了提出的神经网络集成算法在这种典型的低维度数据分类问题上的有效性。2、高维度数据的分类问题,一般都需要基于特征抽取或者特征选择的数据降维预处理。本论文设计了一种方法,通过采用多种特征抽取方法来对同一原始训练数据获得多个训练集,从而提高子神经网络差异性。在另一方面,经典的Adaboost算法在用于多类分类问题时,容易忽略整体正确率不高、但对某个类别拥有分类“特长”的子神经网络。本论文提出多维Adaboost(Multi-Dimension Adaboost,MD-Adaboost)算法,通过为子神经网络对于不同分类的输出设置独立权重,使得各个子神经网络在输出集成中能够拥有更加合理的权值,从而提高神经网络集成分类器的整体性能。该算法应用在人脸表情识别(Face Expression Recognition,FER)中获得了较好的结果。3、集成分类算法在海量数据集的训练和分类中会产生巨大的计算量,针对这个问题,本论文提出了基于Mapreduce并行计算框架和遗传算法的并行选择性神经网络集成算法(Maprduce-baesd Selective Neural Network Ensemble with GA,MSNNE-GA)。算法通过“选择”的手段降低了集成分类器的规模,同时通过使用Mapreduce框架实现了集成分类器在训练、选择和分类多个阶段的并行计算,有效缩短了算法的运行时间。实验中使用该算法更优地解决了双螺旋分类问题,同时与单个分类器相比,分类的速度也有了大大的提高。4、上面提出的MSNNE-GA算法是全局优化算法的一种,但其使用遗传算法的选择过程并行度不高,而且存在频繁的数据交换损耗。除了全局优化选择算法,选择性神经网络集成常用的方法还包括聚类。本论文提出了另一种可并行的选择性神经网络集成方法(Selective Neural Network Ensemble with K-means and PSO,SNNE-KP),通过将聚类和类内的全局优化算法(或称局部优化算法)结合起来,不仅从提高子神经网络的多样性和准确性这两个方面来共同提高神经网络集成的质量,而且还提高了算法的整体并行度。在对UCI部分数据集进行分类的实验中,SNNE-KP算法获得了更好的分类准确率。除此之外,基于Hadoop的并行计算也能有效的提高神经网络集成分类器的构造速度和分类速度。5、对基于混合神经网络计算平台(Hybrid Neural-Net Computing Platform,HNetCP)的分布式虚拟仿人机器人(Virtual Humanoid Robot,VHR)进行了扩展,将基于Hadoop的并行计算框架作为机器人的学习模块,实现了基于以上提出的SNNE-KP神经网络集成算法框架实现了人脸识别算法。在实验中完成了人脸识别与叁维仿真系统的联动控制,并对集中式VHR和分布式VHR进行了对比分析。(本文来源于《华南理工大学》期刊2015-06-12）
柏艳平,韩丽敏,谭晔[8]（2014）在《中国石油ERP应用集成系统的云计算环境成功搭建》一文中研究指出本报讯（通讯员柏艳平 韩丽敏 记者谭晔）9月22日，记者从集团公司信息管理部获悉，ERP应用集成项目6个平台成功投用，标志着ERP应用集成系统的云计算环境成功搭建，为构建中国石油统一的云计算架构打下坚实基础。 ERP系统作为中国石油信息化的核心(本文来源于《中国石油报》期刊2014-09-23）
刘向,王伟军,李延晖[9]（2014）在《云计算环境下信息资源集成与服务系统的体系架构》一文中研究指出针对云计算环境下多源、异构、大规模、动态信息资源特征和人们日益发展的个性化信息服务需求,构建了客户需求驱动的信息资源集成和服务系统。系统采用中介器/封装器设计模式,以GLAV方式实现中心计算节点和分布式存储节点之间的信息交互,以面向服务工程的设计方法,提出了云计算环境下信息资源集成与服务系统所包含的硬件及虚拟化层、信息资源层、控制层、服务层和用户访问终端五层结构的体系架构。(本文来源于《情报科学》期刊2014年06期）
董晓明,冯浩,石朝明,黄坤,姚晋[10]（2014）在《全舰计算环境体系结构和系统集成框架》一文中研究指出"全舰计算环境"(TSCE)代表了舰船信息系统集成技术的先进水平,带来舰船系统设计和集成方式的变化。提出一种全舰计算环境体系结构和系统集成框架。全舰计算环境由基础设施和各种领域应用组成。其系统集成框架可以自顶向下分为3个层次,即功能集成、数据集成和物理集成。其中:功能集成包括构件、服务和任务3个层次;数据集成区分实时与非实时应用,包括基于数据分发服务(DDS)的实时数据总线和企业服务总线(ESB);物理集成除网络基础设施外,还包括显示层、核心层和适配层,分别对应人机接口设备、数据处理设备和适配处理设备。全舰计算环境的工程实施将带来工程管理与系统研制模式的变革。(本文来源于《中国舰船研究》期刊2014年01期）
集成计算环境论文开题报告
（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：
本文以云计算理论为指导,提出具有西南民族特色的"云计算环境下的西南民族档案资源集成管理"的新模式,分别从云计算环境下的西南民族档案资源集成管理的核心服务、管理服务和用户接口方面进行了剖析,为西南民族档案资源集成管理提供了建设性意见。云计算环境下的西南民族档案资源集成管理将是一个新理念、新模式,它的构建为西南民族档案管理者、爱好者和研究者带来零距离、全天候和个性化服务。
（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。
集成计算环境论文参考文献
[1].饶婷婷,代向裕.在综合集成研讨环境中基于PageRank的专家权威值的计算方法[J].电子技术与软件工程.2018
[2].何瓦特,杨毅.云计算环境下的西南民族档案资源集成管理研究[J].兰台世界.2017
[3].何晓冬.虚拟信息资源大数据特征集成调度的实现及应用——以云计算环境为例[J].中国高校科技.2017
[4].王蕾,陈崇成,唐丽玉.集成虚拟森林环境与景观指数计算模型的森林景观格局分析[J].地球信息科学学报.2017
[5].董晓明,胡洋.基于模型系统工程在全舰计算环境集成框架的应用概览[J].中国舰船研究.2016
[6].刘菲,郝风杰.云计算环境下Web服务集成系统的研究[J].计算机科学.2015
[7].王征宇.神经网络集成分类方法及其在并行计算环境中的应用研究[D].华南理工大学.2015
[8].柏艳平,韩丽敏,谭晔.中国石油ERP应用集成系统的云计算环境成功搭建[N].中国石油报.2014
[9].刘向,王伟军,李延晖.云计算环境下信息资源集成与服务系统的体系架构[J].情报科学.2014
[10].董晓明,冯浩,石朝明,黄坤,姚晋.全舰计算环境体系结构和系统集成框架[J].中国舰船研究.2014
论文知识图
