课程文献中心 更多>>

关键词： 家庭文件共享   文件中转传输   网盘服务   存储空间管理  

摘要： 伴随着互联网的发展与普及,终端设备如手机、平板、电视盒子以及便携式电脑等在数量和种类上都快速增长,越来越多的终端接入到互联网给部署服务的互联网服务器带来了更大的压力。用户如何更加方便和高效的管理自己的终端设备成为网络应用设计中不可忽略的问题。对于小区用户而言,每个家庭中普遍会有多种类和多数量的终端联网设备,这些设备存储着小区用户需要共享的文件。针对小区用户共享文件的需求,当前市面上主流的共享文件系统多以单个用户为单位进行功能设计,无法满足小区用户在多设备上的文件共享需求,而且这些主流的共享文件系统并没有结合小区的网络结构和环境进行系统设计。本文设计的基于小区服务器的家庭共享文件系统结合了云存储和P2P的结构特点,设计和实现了一种基于小区服务器环境的高性能系统架构。相比于其他文件共享系统而言,更加充分考虑到小区用户的需求和网络环境,让用户通过绑定与解绑设备的方式来互联家庭设备,不受单账号的限制;设备上文件的共享和传输控制操作都通过手机控制,不用再繁琐的进行设备上的操作;小区的服务器资源被充分利用,系统利用富余的服务器网络带宽来实现文件的中转传输,通过存储管理利用服务器存储空间来提供个人网盘服务,大大节省了系统成本。此外,在小区服务器提供小区监控视频存储空间的同时,服务器需要满足共享文件系统的个人网盘服务的存储需求,两者需要存储管理的介入来实现存储空间有序利用。本文设计以一种存储管理方案来解决上述问题,使用最大最小公平分配算法来为用户分配预留存储空间,在实现有效的存储管理的同时,减少频繁的存储空间计算和分配。通过共享文件系统的功能和性能测试,证明了本文系统可以满足小区用户对共享文件服务的需求,达到了系统设计的预期目标。设计系统存储管理仿真实验,通过实验结果分析与对比,验证了我们存储管理方案能够给系统在共享文件存储服务上带来性能提升。

关键词： IPFS   以太坊   分布式系统   数据库管理  

摘要： 互联网技术的快速发展,极大地影响着社会生产力的发展和工作方式的变革,利用它下载文件或者传输信息,正在成为人们生产生活的依赖。但是当前互联网信息传输是建立在HTTP(Hyper Text Transfer Protocol,超文本传输协议)协议上的,随着承载数量的不断上升,HTTP的弊端也逐渐显现:一是数据被集中存储在中心服务器上,导致数据的下载和上传速度都受到限制。二是对于服务器来说,由于存储成本昂贵,所以数据具有一定的生命周期,对一些Web文件会进行定期的删除,无法做到持久化保存;三是HTTP的加密效果一般,信息泄露变得不可避免。基于以上问题,本文基于一种新的信息传输协议——IPFS(Inter-Planetary File System,星际文件系统)实现文件分布式存储,利用以太坊(Ethereum)的加密机制和时间戳保护信息,相比较于HTTP协议下的互联网传输机制,加强了信息的安全性和实现了分布式存储。本文的主要研究内容和创新成果如下:(1)建立了基于IPFS和以太坊的通信存储系统。该系统通过搭建IPFS私属节点以及以太坊私链,采用多节点实现了分布式通信存储系统,通过多节点在IPFS上处理数据,将不可变的IPFS链接放入以太坊交易中,利用加密算法以及时间戳保护内容,将IPFS的分布式存储和以太坊的安全性相结合,通过把编写的智能合约部署在GETH(以太坊官方客户端)搭建的以太坊私链中,实现了 DApp(Decentralization Application,去中心化应用程序)的应用。每个边缘层节点,可以获取上传到IPFS系统中的文件hash值,并存储在以太坊节点中,每个节点通过MetaMask(一种以太坊钱包),完成与DApp交互,从而完成了基于IPFS和以太坊的通信存储系统的搭建。(2)基于MySQL数据库实现了交易数据信息标签化管理。在任意IPFS节点上传数据,将IPFS链接放入以太坊交易中,利用IPFS和以太坊通信存储系统得到IPFS hash值、ETH合约地址、交易hash、区块值以及Gas使用值,将数据打包,制定唯一的标签,利用该标签存入到数据库中,利用MySQL数据库的管理特性,进行标签的增删改查,实现了数据信息的标准化管理。(3)IPFS存储策略优化。IPFS中的P2P网络使用了分布式哈希表(DHT),它是基于键值对的分布式系统,但由于它的冗余因子值较大以及数据存储策略不够灵活,导致不适合存储较大数据,本文设计了一种新的存储策略,在数据接入层进行设计实现,精准管理数据信息以及备份,通过此存储策略,数据接入层会对所有数据,包括使用频率较少的数据进行存储,使系统能长期存储所有数据,这样可以保证对可能存在价值的数据的可用性。最后,本文对该基于MySQL数据库管理的IPFS和以太坊通信存储系统,在实验室网络条件下进行了测试,通过将数据文件上传至该系统,将获取的数据交易信息在数据库进行制定标签,通过查询此标签可以获取到所有数据交易信息,实验表明该系统是可行的。

关键词： 学校   人脸识别设备   设备管理系统   设备运维  

摘要： 随着社会信息化水平的稳步提升,物联网技术得到了很好的发展。现在越来越多的学校致力于建设智慧校园系统,各种各样的人脸识别设备被应用其中。新设备的使用为学校提供了便利条件,同时也带来了一系列问题。目前,市面上存在许多不同类型的人脸识别设备,它们的功能特点、操作方式都有所不同。对于类型各异的人脸识别设备,学校管理人员如何实现设备统一操作管理、智能检测设备状态、动态获取实时数据,是目前面临的主要难题。为解决上述问题,本文基于实习企业项目,采用B/S架构、Spring Boot框架、My SQL数据库等技术设计一个操作简单、功能完善的校园人脸识别设备管理平台,提供一站式设备管理、故障检测、故障反馈、数据可视化等功能。本文的主要工作内容如下:(1)研究国内外相关物联网设备管理系统的发展现状,分析学校人员在使用和管理人脸识别设备过程中遇到的问题以及实际需求,将平台划分为系统配置、设备管理、设备运维、数据可视化四个模块,分别实现不同的功能。(2)对平台的整体架构及各功能模块进行流程分析和设计实现。系统配置模块整合了Spring Security框架,提供登录验证和请求拦截等功能,保障平台的安全性。设备管理模块通过制定统一的接口,设计不同的实现类执行具体的逻辑操作,实现对所有设备统一管理。设备运维模块根据设备的类型,定时执行不同的方法检测设备状态,及时反馈故障信息。数据可视化模块采用前后端分离模式,通过Web Socket协议传输实时数据,提高传输效率。此外,考虑到每个学校对数据安全性要求有所不同,为此设计了本地部署和远程部署两种策略以供选择。(3)搭建系统运行环境,部署启动平台,使用不同的测试工具分别对各模块进行功能测试和性能测试并分析结果。最终测试结果表明,本平台能够稳定运行且各模块功能正常,能满足学校的实际需求。

关键词： 高校   多媒体设备   管理   问题   解决对策  

摘要： 随着我国国民经济不断发展、科学技术不断进步，我国教育事业也在不断进行改革，现代化教育在高职院校教学模式中得到应用和推广，发展趋势良好，在高校教学体制实施过程中取得了很好的效果。信息化教学是高校在教育改革中应用的教学模式，信息化教学的基础设施就是多媒体设备，其在高校被广泛应用。多媒体设备除了被用在日常的教学中外，还被学校社团、培训、开会等活动使用。主要阐述目前高校多媒体设备存在的问题，对存在的问题进行分析，并提出相应的解决对策，保障多媒体设备在高校管理工作中发挥应有的作用。

关键词： 自动机器学习   协同过滤   分布式系统   自动编码器   集成学习  

摘要： 过去十年见证了机器学习研究和应用的爆炸式增长，尤其是深度学习方法在许多应用领域取得了重大进展，例如计算机视觉、语音处理和游戏。然而，许多机器学习方法的性能对过多的设计决策非常敏感，这对新用户构成了相当大的障碍。即使对于一个数据科学家，寻找一个好的机器学习模型仍然需要很长时间，因为需要考虑许多因素，包括数据预处理、算法选择和超参数调优方法，繁琐的搜索将面临组合爆炸问题。　　自动机器学习(AutoML)的目标是以一种数据驱动的、客观的、自动化的方式做出这些决策，方便各个领域人士使用机器学习解决问题。尽管已经提出了许多AutoML框架，但仍有一些问题有待解决。一般来说，现有的AutoML系统可以大致分为两类:基于参数优化的AutoML和基于协同过滤的AutoML。本文首先对AutoML研究现状进行了整理，总结了当前研究存在的问题和不足，针对监督学习中的分类任务，并结合相关领域理论，提出了几种新的AutoML系统，主要内容和创新点如下:　　(1)针对基于超参数优化的AutoML算法耗时长，收敛慢以及并行化差等问题以及基于内存的协同过滤与AutoML之间的联系，提出了一种基于内存协同过滤的分布式AutoML框架，命名为CF-DAML。本项工作首次将AutoML问题定义为基于内存的协同过滤与选择性集成学习之间的耦合问题，摆脱了以往大量工作需要耗时的超参数优化模块，在保证分类准确率提升的基础上大大降低了时间复杂度。在CF-DAML的模型推荐模块，本文所提出的加权L1范数(W1-norm)考虑到了不同的元特征对推荐结果的重要性程度不同，改进了以往被广泛采用的普通L1范数相似度计算方法。在CF-DAML的集成学习模块，本文提出了原创的分布式模型集成系统(MSSE)，其基模型的选择基于三个条件:可用性、准确性和多样性;与以往集成所有候选模型的工作相比，MSSE可以保证集成学习的高效性。在20个UCI公开数据集上对比实验表明CF-DAML优于当前研究现状，消融实验证明了W1-norm和MSSE的有效性和高效性。　　(2)针对基于协同过滤的AutoML框架无法学习到数据集和模型管道的非线性潜在特征的弊端，本文首次提出了一个包含非线性的模型推荐系统模块(MLPRS)和并行集成学习模块(PSES)的AutoML框架Dsa-PAML。首先在离线阶段，通过同时训练数据集和机器学习管道自动编码器获得模型管道推荐系统。在线上阶段，新数据集和机器学习管道自动编码器的最内层（瓶颈层）的激活执行点积运算，作为机器学习管道在该数据集上的预测分类精度，从中选择预测性能最好的N个模型管道推荐给该数据集;集成学习模块则依次执行并行训练候选管道、选择高性能和多样化的机器学习管道、堆叠式集成基学习器并训练元学习器。在30个UCI公开数据集上对比实验表明Dsa-PAML在分类准确率指标上显著优于基于矩阵分解的AutoML框架。　　(3)本文还介绍了软件包CF-DAML和Dsa-PAML的安装说明及使用方法，这两款软件是基于开源机器学习库scikit-learn开发的，可以在Linux和Windows系统中运行。它们可以Python函数包的形式使用，但需要配置相应的Python环境。为了使软件脱离于特定的Python环境并方便用户的使用，本文基于Pyinstaller融合了CF-DAML和Dsa-PAML这两个函数包，开发了对用户友好的前端可视化界面。通过点击exe可执行文件并设置相关参数即可快捷方便地使用它们做监督学习中的分类任务。

关键词： 精益生产   设备管理   质量管理   成本管理   生产计划管理  

摘要： “十四五”规划国家出台了碳达峰、碳中和的战略目标,国家生态环境部在2021年已将钢铁产业纳入了“高能耗、高污染”行业,“双碳”目标下钢铁等高能耗产业的生存和发展面临着非常大的挑战。同时随着我国钢铁产能不断扩大,国内的钢铁需求量未同步上升,加之新冠疫情及国际贸易摩擦等影响,我国的钢铁出口量也呈下降趋势。钢铁企业要生存,一方面要积极响应“双碳”目标,逐步向低能耗低污染转型,一方面要在产能日益过剩的大环境下,不断的提升产品品质,降低产品成本,确保企业在激烈的市场竞争中获得生存和发展。基于此背景下,钢铁企业推行精益生产管理不但可降低企业的能源消耗,同时也能帮助企业提升产品的市场竞争力。本文以H公司精益生产管理为研究对象,运用现场调查法深入H公司生产现场收集其精益生产管理相关数据和资料,采用比较分析法从设备管理、质量管理、生产成本管理、生产计划管理四个方面与先进钢铁企业进行对比分析,找出H公司精益生产管理中存在的问题,主要包括设备故障停机率偏高、外部质量异议损失偏高、钢管综合成本偏高、年度生产计划完成率偏低。通过应用数据对比分析法,访谈调查法,分析出问题的原因,包括管理层重视程度不够、资金投入不均衡、人员素质参差不齐、产量至上理念根深蒂固等。本文通过查阅相关文献资料、以及对H公司的相关数据进行分析研究,提出了H公司精益生产管理相关的改进措施,如深入推行TPM管理、推进POKA-YOKE建设、工序成本管理精细化、建立拉动式生产方式等。通过改进措施的实施,H公司的设备故障停机时间将不断下降、产品的质量逐步向“零缺陷”靠近、制造成本持续降低、生产的准时化不断提高。本文的研究将为H公司持续深入推行精益生产起到一定的指导作用,促进H公司有效利用精益生产的工具和方法,来提高钢管质量和企业经济效益,进而提高企业的竞争力,实现H公司的高质量发展。

关键词： 分布式系统   任务调度   响应式   任务分级  

摘要： 分布式系统凭借优秀的计算能力得到广泛的应用,任务调度是分布式系统尽可能合理的将任务分配到各个处理器上的过程,进而充分利用分布式系统的计算能力提高程序的处理效率。目前分布式环境下任务调度的研究取得了一定的进展,但仍然有许多问题有待进一步研究和解决。本文以独立任务和依赖任务为研究对象,建立了响应式调度模型,改进了任务调度算法,最后将其应用到分布式定时任务系统,达成了减少任务调度完成时间的研究目标。本文的主要研究工作如下:针对高耦合的调度模型导致资源竞争严重的问题,本文结合Actor模型和事件驱动体系结构建立了松耦合的响应式调度模型。通过Actor模型对组件进行解耦,建立了资源隔离机制,解决了资源竞争严重的问题。通过事件驱动体系结构实现了异步通信模型,降低了任务调度过程中的通信延迟。在响应式调度模型的基础上,针对于独立任务调度延迟的问题,通过多层级时间轮定时算法将时间粒度进行细化,减少单个时间槽中的任务数量,提升了独立任务的定时调度准确率。针对于依赖任务在处理器性能差异较大、任务数据量较大时调度性能较差的问题,本文对任务调度算法进行改进。首先通过拓扑排序对任务进行层级划分,保证任务数据传输的完整性,然后按层级动态计算每个任务在不同处理器上的调度指标,减少处理器性能差异对任务调度的影响,并且将具备依赖关系的任务指派到同一处理器上执行,减少任务之间的数据传输量,最后通过任务调度策略最大化同级任务的调度并行性,提升任务调度效率。

关键词： 区块链   Hyperledger Fabric   农产品质量检测   LIMS   分布式系统  

摘要： 保障农产品质量安全已成为最基本的民生福祉之一,农产品质量检测是其中的关键一步。然而当前的农产品检测LIMS(Laboratory Information Management System)系统无法保证检测数据的安全性和可溯源性,无法满足社会公众对农产品质量安全检测的需求。而区块链技术具有不可篡改、可溯源、去中心化等特点,能够充分解决以上问题。因此,本文在农产品检测LIMS系统中引入了区块链技术,成功保障了检测数据的安全性和可溯源性,同时,在智能合约模块引入了环签名算法成功了保证存储数据的真实性和防篡改。本文所做主要工作如下:(1)分析现有的区块链技术,确定技术方案。农产品检测是农产品溯源的一个重要环节,常见于多机构合作,因此本文针对这一需求对区块链技术进行详细分析,最后选定联盟链中的Hyperledger Fabric框架进行系统开发。针对农产品检测LIMS系统存在检测报告文件过大导致存储在区块链上造成资源浪费和效率低下等问题,在区块链技术的基础上引入了IPFS(Inter Planetary File System),使用IPFS存储文件,区块链存储文件索引,提升了文件存储的效率和性能。(2)使用软件工程的方式对系统进行需求分析和总体设计。在功能设计上使用用例图的分析方式,划分了系统管理、检品检测、限量库三个服务模块。为了保证数据的安全性和查询的效率,引入了区块链加数据库的双层存储设计。在系统架构设计上引入了分布式系统架构,解决了原有单体农产品检测LIMS系统存在的扩展性差、可靠性差、复杂度高等问题,提高了系统的稳定性和性能。(3)实现并测试了基于区块链技术的农产品检测LIMS系统。基于联盟链Hyperledger Fabric和rpcx分布式RPC(Remote Procedure Call)服务框架,对LIMS系统的关键功能模块进行实现,包括系统管理模块、结合区块链的检品检测模块,限量库模块。本文侧重于介绍检品检测模块,并辅以流程图、时序图及UML类图加以补充说明。在需求分析的基础上,针对系统的主要功能模块、区块链模块及分布式架构制定了的测试方案,并对系统进行功能测试和性能测试,测试结果表明系统达到了预期效果,成功实现了检测数据的安全存储。

关键词： 分布式存储系统   移位加   锯齿解码   编码分布式计算   神经网络  

摘要： 在大数据时代,数据量以翻倍的速度增长。集中式处理数据的方式早已过时,数据的存储,计算离不开分布式的应用。但在分布式应用中,会存在一些不可靠的设备,这些设备的计算速度比平均计算速度慢,其被称为掉队节点。掉队节点的出现会给整体的运算带来延迟。为克服这一问题,编码技术一直备受青睐,具有组合性质(Combination Property,CP)的编码被提出:假设k个数据包被编码成n个编码包,其中n≥k,那么可以在n个编码包中任意选择k个编码包,以此来恢复原始数据。在分布式存储系统中,大部分的编码技术都采用线性编码,在编解码阶段存在着计算复杂度高、资源消耗大的弊端。因此,如何解决线性编码技术给分布式存储系统中带来的难题,降低复杂度,减少存储开销需要进一步的研究。为了解决高计算复杂度的问题,结合移位加(Shift-and-Add,SA)和锯齿解码(Zigzag Decoding,ZD)的编解码方式且具有组合性质的CP-ZD码被提出。然而,现有的元素单次参与编码的CP-ZD码共同存在的缺点就是在m(27)k的应用场景下,开销过大,其中m(31)n-k。所以,聚焦于m(27)k的场景,本文提出了一种具有更低开销的倒序移位码(Rev-Shift码),不仅证明了此码满足CP-ZD性质,而且实验结果显示,在m(27)k的场景下,开销比现有的CP-ZD码都要小。其次,当前元素单次参与编码的CP-ZD码的开销下界还未找到,现有的CP-ZD码没有衡量的标准。所以,在CP-ZD码的必要条件的基础上,本文推断并证明其可能存在的一个开销下界,并且未来的工作可以以此为标准,开展进一步的研究探讨。然而,在元素单次参与编码的情况下,由于开销大的问题,锯齿码还是有其使用局限性。随着n,k等参数的不断增大,开销是以参数的平方增加的。所以,本文创新性地提出了元素多次参与编码的思路,利用柯西矩阵在有限域的良好性质,以此来设计一种基于柯西矩阵的元素多次参与编码的框架。这种编码方案的开销与参数n呈对数关系,与现有平方级别的开销对比,开销大大减少。在编码分布式计算系统(Coded Distributed Computing,CDC)中,线性编码引入的冗余计算可以弥补掉队节点的延迟。然而,由于线性编码不能直接应用于深度神经网络(Deep Neural Network,DNN)训练中的非线性激活函数,需要逐层应用编解码,从而拖慢训练。为了避免逐层编解码,本文提出了一种基于构造编码数据的新型DNN训练方案。该方案在训练之前加入构造新的编码数据操作(该操作可以在训练之前完成,不会给训练效率带来任何的影响)。基于这些额外构造的数据及原有数据,训练阶段可利用(n,k)性质而只需等待前k个返回的数据进行训练,且该训练过程无需编解码操作,从而显著提升训练速率。实验结果表明,基于构造编码数据的训练方案能够实现与集中式近似的预测准确率,并相对逐层线性编解码方案显著降低延迟。

关键词： TPM   设备管理   点检定修制   改进方案  

摘要： 我国经济发展进入高质量发展的阶段,制造业作为国民经济的重要组成部分,必然是促进经济高质量发展的中坚力量,这就要求制造业必须要加快升级改造,需要进一步提高对成本、质量、技术等的重视程度和改进速度。而TPM(全员生产维护Total Productive Maintenance)恰是能够在成本、质量、技术等方面为企业发展提供有力支撑的管理工具,因此高效开展TPM工作,是促进企业高质量发展的一个有效途径。JT公司是一家大型现代化钢铁企业,随着TPM推行的不断扩展、不断深入,TPM工作也来到了瓶颈期,为了更好地深入推行TPM工作,为企业高质量发展提供基础保障,以JT公司为研究对象,对TPM工作进行全面研究分析研究。首先,通过阅读了大量文献,对TPM管理的历史发展等进行全面的研究,掌握了TPM国内外发展情况,明确了研究内容、研究方法,并制定了技术路线。通过对TPM理论知识和设备管理的理论知识的研究与对比,为促进两者有效融合奠定了理论基础。然后,对当前JT公司设备管理现状和TPM现状进行了阐述,并对JT公司当前阶段TPM管理存在的问题进行了分析,为后续TPM改进方向提供了现实依据。重点对TPM推进模式进行了改进。结合点检定修制的管理,按照三大模块推进,从岗位标准文件管理、点检管理、检修管理、液压润滑管理、物料管理等方面制定工作措施,并制定了一系列的保障措施。最后,总结了TPM改进的效果,并对下一步工作提出了优化建议。通过对JT公司TPM工作方案的研究改进,可以为类似的企业在TPM推进过程中提供一些理论基础和实践案例,对工作的有效开展提供借鉴。图7幅;表8个;参43篇。