期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于次序依赖的智能配电网损坏数据自动修复模型构建 被引量:3
1
作者 卢俊 李朝瑞 +2 位作者 肖康 戚永青 邓奕星 《电子设计工程》 2021年第21期74-78,共5页
目前提出的智能配电网损坏数据自动修复模型修复完整度较低,导致损坏数据收集精准度较差。基于次序依赖构建一种新的智能配电网损坏数据自动修复模型,确定自动修复数据通过序列的组数,设定迭代数据,重新在动态规划结构中应用二分法查找... 目前提出的智能配电网损坏数据自动修复模型修复完整度较低,导致损坏数据收集精准度较差。基于次序依赖构建一种新的智能配电网损坏数据自动修复模型,确定自动修复数据通过序列的组数,设定迭代数据,重新在动态规划结构中应用二分法查找相应的n值与符合复杂度的次序依赖位置。根据分层数据采集优化结构得到智能配电网损坏数据自动修复模型。实验结果表明,基于次序依赖的智能配电网损坏数据自动修复模型有效提高了修复完整度,增强了损坏数据收集精准度。 展开更多
关键词 次序依赖 智能配电网 损坏数据 自动修复 修复模型
下载PDF
基于HBase的非关系型数据库损坏数据隔离技术 被引量:1
2
作者 胡楠 乔林 +1 位作者 冉冉 胡畔 《信息技术》 2017年第8期113-116,共4页
随着科学技术的发展,数据化信息呈爆炸式增长,数据信息的处理和储存问题随之产生,因此,数据库系统安全变得至关重要。为增强合法数据的可用性,有效地解决损坏数据隔离问题,文中以HBase为基础,提出了针对非关系型数据库损坏数据隔离技术... 随着科学技术的发展,数据化信息呈爆炸式增长,数据信息的处理和储存问题随之产生,因此,数据库系统安全变得至关重要。为增强合法数据的可用性,有效地解决损坏数据隔离问题,文中以HBase为基础,提出了针对非关系型数据库损坏数据隔离技术模型,由于HBase吞吐量高、延迟低、自身的持久化等优点,依靠两阶段提交协议完成了多行多表之间的同步,同时使用HBase的单独一列实现锁服务,并对分布式系统中的问题进行研究,HBase调用read uncommitted、read committed和repeatable read三种隔离级别以满足不同类型损坏数据隔离技术的要求,并试验证明了该隔离技术具有更高的数据利用率,在事务运行的空间和时间性能负载上有着重要的现实意义和应用价值。 展开更多
关键词 隔离技术 HBASE 非关系型数据 损坏数据 性能实验
下载PDF
基于CTMO模型的信息系统损坏数据隔离方法
3
作者 赵岩 《计算机仿真》 北大核心 2020年第12期479-483,共5页
当前信息系统数据的应用价值极高,但其管理者在实际的工作中无法全面管理该数据,存在合法信息系统数据被隔离,受损数据隔离的效果欠佳等问题,降低了合法数据的可用性。为提高信息系统合法数据的应用性能,提出基于CTMO模型的信息系统损... 当前信息系统数据的应用价值极高,但其管理者在实际的工作中无法全面管理该数据,存在合法信息系统数据被隔离,受损数据隔离的效果欠佳等问题,降低了合法数据的可用性。为提高信息系统合法数据的应用性能,提出基于CTMO模型的信息系统损坏数据隔离方法。通过信息系统事务分析已经损坏的数据,构建损坏数据隔离机制;利用CTMO标记数据与事务,使其遵循CTMO模型内运算操作规则;构建损坏数据实时隔离方法,在标记事务与数据的动态基础之上,通过CTMO模型对信息系统损坏数据进行隔离。仿真结果证明,所提方法隔离信息系统损坏数据的效果较好,且隔离速度快,过程简单。 展开更多
关键词 信息系统 损坏数据 数据隔离 标记事务
下载PDF
基于CTMO模型的数据库损坏数据隔离技术 被引量:2
4
作者 戴华 秦小麟 +1 位作者 郑吉平 储惠 《计算机学报》 EI CSCD 北大核心 2011年第2期275-290,共16页
为了有效地解决现有数据库隔离技术中存在的合法数据误隔离问题,提高合法数据的可用性,提出了一种基于颜色-时序标记对象(CTMO)模型的数据库损坏数据隔离技术.首先,在事务依赖和影响关系的基础上,提出数据影响关系定义,给出确定损坏数... 为了有效地解决现有数据库隔离技术中存在的合法数据误隔离问题,提高合法数据的可用性,提出了一种基于颜色-时序标记对象(CTMO)模型的数据库损坏数据隔离技术.首先,在事务依赖和影响关系的基础上,提出数据影响关系定义,给出确定损坏数据的理论方法;其次,提出CTMO模型,并给出针对事务及其修改数据的动态CTMO标记算法(DCMA)和基于隔离标记向量的损坏数据实时隔离算法(RDQA);然后,证明了该隔离机制的完全性和正确性;最后,给出包含隔离率、误隔离率和数据可用度的隔离效果评估方法.实验结果表明,该隔离机制具有更低的误隔离率和更高的数据可用度;并且在事务运行的时间、空间性能负载上具有良好的表现. 展开更多
关键词 数据库安全 可生存性 损坏数据隔离 颜色-时序标记对象 隔离标记向量
下载PDF
基于Dropout-多尺度空洞卷积神经网络的轴承故障诊断 被引量:1
5
作者 陈伟 王复淞 +2 位作者 郭婧 黄博昊 白艺硕 《机电工程》 CAS 北大核心 2023年第5期644-654,共11页
为了提高故障诊断模型对故障轴承低信噪比信号的特征提取能力,使模型在强噪声环境下仍能发挥作用,提出了一种基于Dropout-多尺度空洞卷积神经网络(D-MDCNN)的滚动轴承故障诊断模型。首先,通过Dropout数据预处理,对训练数据进行“损坏”... 为了提高故障诊断模型对故障轴承低信噪比信号的特征提取能力,使模型在强噪声环境下仍能发挥作用,提出了一种基于Dropout-多尺度空洞卷积神经网络(D-MDCNN)的滚动轴承故障诊断模型。首先,通过Dropout数据预处理,对训练数据进行“损坏”,强迫模型仅依靠少量特征便可进行故障诊断,以提高模型的抗噪声能力;然后,使用不同扩张率的空洞卷积扩充了多尺度信息,并利用CNN模块来完成对特征的提取与故障诊断;同时,在模型中加入批量归一化处理操作,用来加快模型训练的收敛速度,提高了模型的性能;最后,利用美国凯斯西储大学轴承数据集和东南大学齿轮箱数据集对基于D-MDCNN的模型进行了实验验证,并将实验结果与采用其他深度学习模型所得的实验结果进行了对比分析。实验结果表明:在无噪声至4dB的噪声环境下,D-MDCNN在西储大学和东南大学两个数据集上均可取得99%的诊断准确率;相比于其他同类模型,基于D-MDCNN的模型具有更高的诊断准确率和抗噪声能力。研究结果表明:基于D-MDCNN的模型是一种有效的轴承故障诊断模型。 展开更多
关键词 强噪声环境 低信噪比信号 滚动轴承故障诊断 故障特征提取 Dropout-多尺度空洞卷积神经网络 损坏训练数据 抗噪声能力
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部