课程文献中心 更多>>

关键词： 数据库技术   分布式查询   数据结构   管理程序  

摘要： 随着信息技术的快速发展，人们获取和产生数据的方式越来越先进，越来越多的结构化数据被存储下来，数据量达到了TB级别，甚至PB级别，这些数据具有规模大、处理速度快、蕴含价值高等特点，国际上已经有相关的海量结构化数据处理技术，但国内技术并不成熟，实现海量结构化数据的分析处理，有利于推动国内大数据技术的发展。\n 本文通过分析当前主流的大数据技术，包括大规模横向扩展的数据库技术、分布式文件系统HDFS和MapReduce数据处理技术、可扩展的NoSQL技术、面向特定应用的分布式索引和检索技术、并行数据处理技术以及主流的大数据处理产品，提出了适用于海量结构化数据存储和查询的处理方案----XSDP（Structured Data Processing，X有eXtense、eXtreme、eXecutive及“未知”的意思）平台，主要包括支持在线动态扩展的数据存储划分技术、海量数据处理并行任务流技术、用户自定义任务流技术、海量结构化数据的关联和嵌套查询技术。其中数据存储采用分级存储和多种划分方式，分级存储实现了性能与成本的兼顾，数据表以复制或分区方式存储于节点组中，分区方式包括Round-robin、Hash、Range、List四种，实现数据的负载均衡以及实现最小数据迁移量的动态扩展;并行处理任务流技术通过对类SQL语句的解析，形成更小粒度的计算算子，从而实现任务的并行执行及海量结构化数据的关联和嵌套查询技术，同时任务流采用可读文本方式，用户可通过文本编辑器实现自定义任务流。该平台已经初步应用于上海某公司，负责将每日产生的数据导入系统并进行分析，数据导入速率为4.3GB/分钟，目前已存储约400TB数据量，并完成对该部分数据进行各种统计、关联、过滤等类别的查询，目前系统运行正常，并能够满足查询需求。

关键词： 铁路信息化   行包制票系统   数据结构   软件工程  

摘要： 信息化是当今社会发展的大趋势，也是铁路发展的战略制高点和现代化的主要标志，信息技术在铁路的广泛运用，将大大提升铁路的整体综合竞争力。而随着铁路信息化的快速发展，南宁铁路局行包管理的信息化水平和速度与当前路局的行包业务规模相比显得相对滞后。铁路路网的不断改造，站名、线路名不断变化，导致行包里程计算维护困难，行包数据审核困难，已经不能适应当前的业务需求。行包制票工作的信息化，将大大提高当前行包业务的工作效率，是当前行包业务发展的必然趋势，同时也是适应铁路跨越式发展需要，加强和改进行包工作的重要措施和途径。南宁铁路局行包制票系统的开发建设已经势在必行。\n 论文从系统总体结构、要点与难点、功能设计、数据结构等几个方面进行阐述。系统总体结构主要考虑硬件的组网方式、软件的设计中的数据库、运行软件等。要点与难点主要考虑运价里程、运费的计算和数据安全。功能设计包含业务的办理、统计结算、参数维护、数据备份与恢复。最终实现了行包票查询与编辑、收入统计结算、里程、运费计算标准更新、系统参数维护、数据备份恢复、事件日志、与审核系统的接口等各项功能。

关键词： 课件   数据结构   教学法  

摘要： 对计算机专业学生而言,程序设计语言课程的学习影响到数据结构、编译原理等相关课程;同时,作为实践性很强的学科,通过这些课程的学习形成较强的程序设计能力,是学生未来工作之必需。因此,从教学手段、教学方法、教材建设和教学内容改革等多角度提高程序设计语言课程教学质量的探索一直以来是热点论题。

关键词： CDIO   数据结构   工程理念   教学改革  

摘要： 本文基于CDIO工程理念,以及培养创新性工程师的人才培养需求,分析了数据结构教学的现状,并针对问题提出了以项目为驱动来引入工程理念的教学改革方案,取得了良好的教学效果。

关键词： 趣味教学   数据结构   课程   教学法  

摘要： 对数据结构课程进行了改革探索。分析了高职院校数据结构课程教学中存在的问题,将趣味教学法与传统理论教学相结合,实现二者的优势互补,以获得较好的教学效果。

关键词： 计算机绘图   场景模型   图像处理   数据结构  

摘要： 真实感图形绘制一直是计算机图形学重要且基础的研究内容，广泛应用在电影、游戏、模拟仿真等领域。由于人们对真实感绘制的要求越来越高，使得场景几何越来越复杂，绘制效果越来越丰富，从而对绘制速度和质量提出了更高的要求。在此，场景及数据结构的组织和表达对真实感图形绘制的速度和质量的提升有着非常重要的作用，一直是图形学中的研究热点。目前，在多片元效果绘制、矢量纹理映射、景深效果、运动模糊效果、光场效果绘制等方面已有一些较好的组织和表达，但在绘制速度和质量上离许多应用的要求还有很大的差距。本文对此进行研究，提出了一些新的场景组织和表达方式，使得一些真实感效果的绘制效率得到了很好提升。本研究主要内容包括：\n ⑴提出了一种新的场景模型组织形式，以提高图形处理器(GPU)绘制多片元效果的效率。该方法使用面片集合的块而不是单独的面片组织来表达场景模型，使其能在GPU上高效精确地绘制多片元效果。该方法首先将模型分解成块，使得每个块都能在GPU中进行正确的排序和绘制，并使用网格结构来管理这些块，使得在任意视点下都能快速地排序块。在绘制时，根据当前视点，使用网格结构快速地排序块，并以流处理的方式逐个地传输块到GPU中。一个块一旦传入到GPU中就立即绘制它，并与前面绘制块的结果进行色彩合成操作。通过此方式，该方法仅需单遍数据传输，空间需求很低，与模型的深度层次无关。并且，流式传输块的过程中还可以对连续的块进行打包处理，以进一步加速。实验结果显示该方法比已有方法速度更快，同时能有效地处理任意规模的大模型，甚至是已有方法很难处理的外存模型。\n ⑵提出了一种Diffusion curve图(DCI)的显式矢量化表达，即Diffusioncurve纹理，以进行快速高质量的矢量纹理映射。常用的DCI原始隐式表达必须通过泊松方程的迭代求解来计算整个DCI才能得到单个纹理值，而我们使用格林方程对DCI扩散过程进行公式化的显式表达，能直接计算得到任意点的纹理值，支持纹理的随机读取，并能保持DCI的紧凑性和分辨率无关性。此外，该公式在任意矩形区域内（如纹理区域）存在封闭形式的解，有利于进行快速的反走样绘制。结果表明该方法能在GPU上实时绘制反走样的Diffusion curve纹理，可有效地生成含有丰富细节的控制曲线和颜色变化的高质量结果。\n ⑶提出了一种紧凑的层次图像表达，以快速绘制二次光线景深效果。迄今，在实时及交互式景深绘制方法中，还很少关注二次光线的景深效果，因为相比于主光线，二次光线的共享性内容较少，很难处理。我们提出使用正多面体和K-means对二次光线进行聚类，并在每个聚类中，对可能与此聚类二次光线相交的物体，使用虚拟视点生成紧凑的层次图像表达。由此，加速处理景深绘制中的二次光线。结果表明该方法能在通用图形卡上交互式地生成二次光线上的景深绘制效果，极大地增强了场景的真实感。\n ⑷提出了一种新的基于蓝噪属性的线段采样表达，以提高绘制的质量。该方法研究如何生成具有较好分布的线段采样表达，以有效地减少绘制结果中的抖动及走样瑕疵，并对线段采样进行了频率分析。分析显示线段采样的频谱等价于点采样的加权频谱。该权重会导致各向异性，且此各向异性可在点采样、线段采样和线采样之间根据采样的长度进行平滑改变。因此，线段采样可在相同采样率的噪声（点采样）和走样（线采样）之间进行平衡。基于此分析，该方法提出了新的基于蓝噪属性的线段采样表达，极大地减少了在重构结果中的噪声和走样瑕疵。结果表明该采样表达能提升景深、运动模糊及时域光场重构等效果的绘制质量。

关键词： 创新教学   人才培养模式   大工程观  

摘要： 本文以湖南国家农村农业信息化示范省项目建设工程为背景,以大学生科技创新教育培养模式为基础,结合信息学院大学生学习数据结构课程实际情况,阐述大工程观视野下数据结构课程教学目的及其作用,提出用大工程观指导学生学习数据结构的方法,并通过相应系列创新教育成果对比,探讨这种教育培养新模式的优点。

关键词： 数据结构   面向对象   课程学习系统   可行性分析   软件工程  

摘要： 为给教师与学生提供一个学习交流的平台，本文分析设计了数据结构与算法课程学习系统，主要工作分为对系统的分析和设计两个阶段。在分析阶段，本文首先从技术、社会经济效益和项目主要风险三个方面着手，对系统进行了可行性分析;其次，用活动图的方式对系统的业务管理进行了一一展示;随后，将系统需求用清晰明了的用例进行阐述。分析阶段采用面向对象的思想，将系统划分为六个模块:完成习题、用户管理、资料管理、统计作业、题库管理以及其他管理。其中完成习题、统计作业和管理题库是数据结构与算法课程学习系统的核心功能模块。在设计阶段，本文首先对系统进行了体系结构设计，随后根据系统的整体包图，详细设计了各个功能的类图，并提供了详尽的数据库设计。

关键词： 个别化教学   网络课程   数据结构  

摘要： 个别化教学以学生为主体、学生的自主学习为中心,追求学生个性的全面发展,受到了人们的广泛关注。在网络课程教学中尝试个别化的教学能培养学生的自学能力、激发学生的学习热情。

关键词： 前馈型神经网络   径向基神经网络   股票预测   数据结构   采样频率  

摘要： 一直以来，股市预测是经济预测领域研究的一个重要分支，寻找有效的预测方法，找寻匹配的数据结构，验证预测模型是专家学者们研究的重点。本文以数据挖掘技术神经网络相关算法为指导，从股票历史交易数据出发，以定量经济预测方法为主，定性经济预测方法为辅，研究神经网络结构和采样频率对股票预测结果的影响。\n 本文立足于神经网络结构和采样频率两个方面，对股票历史交易数据进行数据采集、数据构建、数据建模以及实例验证，通过对九种数据结构和两种神经网络算法的大量匹配实验，力求在实验的基础上分析股票成交量、成交价等因素对股票短期走势的影响以及在数据采样过程中，采样的时间频率不同对股票结果的影响;本文完成的主要工作如下:\n 1、选取了2012年度到2013年度国阳新能、中国石化、中国铝业的交易数据，分析了选定股票数据总体走势及波动特点，并按照不同的采样频率完成对股票的数据收集、数据构造、数据建模;由于本文研究的是对股票预测结果的短期收盘价走势，过长的时间跨度会造成数据冗余和积累过时规律，故选取的历史数据以中短期为宜，选取的测试样本数占总样本数20％-30％。\n 2、将不同网络结构和采样频率构造的数据进行预测分析，实例验证对比了前馈型神经网络和径向基神经网络对于不同股票不同数据结构的推广预测能力，总结出验证选取股票与两种神经网络具备较优泛化能力的相关算法和参数;并在此基础上对实验过程中发现的神经网络结构参数的调整原则进行了分析和总结。\n 本文以股票真实交易数据为研究依据，实例验证了我国股市未达到弱势有效，具有一定的可预测性;实例验证了不同的股票适用不同的网络结构和采样频率。本篇论文是神经网络算法在股票预测领域中一个具体应用，是对股票市场预测领域研究的一个补充，预测结果对研究分析股票影响因素具备一定的参考价值。