欢迎访问发表云网!为您提供杂志订阅、期刊咨询服务!

云计算理论论文大全11篇

时间:2023-01-28 15:05:11

绪论:写作既是个人情感的抒发,也是对学术真理的探索,欢迎阅读由发表云整理的11篇云计算理论论文范文,希望它们能为您的写作提供参考和启发。

云计算理论论文

篇(1)

计算是一种以互联网为依托的数字化技术,通过统一分配、筹划等多种计算方式,精简了以往复杂、烦琐的计算程序,被广泛应用于商业计算领域中。截至目前,学术界仍然没有明确云计算技术的概念,笔者浅显地认为,云计算技术是一种历经变革的新兴计算模式,借助云计算,将需要共享的数据或资料传输到设备上,并对其统一筹划和整理,从而将这些内容转化为虚拟资源,按需索取,既简单又便捷。

1.2云计算的种类

1.2.1公有云

公有云是指按照云计算的规模划分,在对已有资料筹划和整理后,总端操控处将其发送给需求者,具有操作简单、快捷等优势。但公有云模式的缺陷也较为明显,即采用公共模式存放所有的资料,容易导致资料泄露。因此,应提高此模式的安全性和可靠性。

1.2.2私有云

私有云与公有云相似,二者都按照计算规模划分,业内人士将私有云称为“私有模式”。私有云具有自行调整资源的优势,但在最初的准备阶段,需要大量的启动资金才能开展,这是私有云模式的明显缺陷。

1.2.3混合云

混合云是指公有云与私有云的合体,兼备了二者的优势和弊端。

2云计算在高校实验室的应用现状

随着时代和经济的发展,在我国高等教育院校中,计算机的使用频率和普及程度在逐年上升。作为一种新型的管理系统,云计算被广泛应用于高校实验室中。因此,我们应按照教学的实际需要,制订最佳的管理策略。

2.1简化设备管理

仅凭校园的硬件设备完成对设备的维护工作是不可能的,但如果延长维护时间,不仅会耽误日常使用,还会造成重复性故障,进而加大了整改难度和资金投入。从专业的角度看,软件的修复和更新工作均十分烦琐。而使用云计算技术能有效补足这方面的短板,实验室的管理人员只需借助云计算设备修复和更新“有需要”的机器,便可有效缩短工作时间,从而减少操作的复杂程度.

2.2统一安全修复高校

由于高校的教学任务繁重,所有学生都在同一个实验室上课,导致计算机设备处于不停歇的运转状态,硬件和软件的使用频率过高,造成系统超负荷工作,加之计算机的数量庞大,无法做到及时维护,这也加大了系统出现故障的概率。而云计算可利用云端对每一台计算机进行操控,用户可按需索取。比如,用户想要对系统杀毒或升级,便可利用云计算同时进行这2种操作,且操作方式简单、快捷,有效节省了时间。此外,服务器还会记录用户的所有访问,检测可能会影响设备安全运行的潜在威胁,并对系统自动修复、还原。现阶段,我国大部分高校采用还原保护方式,在安装应用后,必须放开保护权限,系统长时间处于无保护的状态下,容易受到恶意侵犯。而云计算具有软件备份、统一管理资源和设备的功能,管理系统时,系统仍处于防护状态,从而可消除对系统产生威胁的因素,有效改善以往不安全的运行环境。

2.3减少学校资金投入

因为成本太高,多数高校不可能一次性更换所有的设备,所以,分批购买是大多数高校购买计算机的方式,但这样会造成机器型号不一、种类繁杂等情况,进而加大了实验室管理工作的难度。而引用云计算技术,可实现软件云端化,在服务器中安装软件,这样在降低高校设备维修费、使用费用的同时,还延长了计算机的使用寿命,可谓一举两得。

2.4提高实验室的使用效率

从实验室使用效率的角度看,常存在编码落实情况较差的问题,且设备分布较为分散,导致师生之间沟通困难,教师无法实行统一授课,学生的操作平台散乱,最终严重影响了教学质量。虽然很多机器均未老化、损坏,但却因出现故障时没得到及时维修,最终变为闲置机器。而云计算技术能统一筹划、集中各个设备,师生之间可借助云端分享数据和信息,具有效率高、操作方便的特点,提高了课堂教学的效率和质量。

3云计算在实验室管理中的技术原理

云计算具有强大的执行力,管理层的核心主宰功能和在云端储存资源或软件的功能强大。虽然云计算属于高新技术,但它对机器硬件方面的要求并不高,从而有效减少了实验室的管理成本。此外,连接虚拟化层具有转化工作项目的效果,采用简单易行的逻辑形式,降低了设备承受的压力;可连接终端用户访问层,即使用者登录系统后,可按需所取、访问各项资源。

篇(2)

现在运用的云计算技术它的存储设备已经由原来的TB级别的技术上升到了PB级别的技术,这种技术的主要特点就是存储的空间体积更加的大,云计算技术通过存储设备级别的提升,也大大的提高了其自身可存储的数据的体量。

(二)数据的种类繁多。

一般应用云计算技术的领域都是涉及到这个领域的各个不同方面的数据,对于这种数据若是通过传统的方式进行整合处理,其工作量巨大,且分析的有效性有待考量,而通过云计算技术就可以实现对同一领域的不同数据的有效整合,分析出切实有效的数据。

(三)数据的处理速度快。

云计算技术将各个方面的数据进行搜集,通过后台操作,可以实现一秒处理这样的高效率运行,极大的提高的数据的处理速度,实现了现代管理的效率化运行。

二、目前图书馆管理在云计算背景下面临的挑战

随着云计算技术的广泛应用,在现代化图书馆管理模式中的应用越来越广泛,云计算技术的特点有效的解决了传统人工管理存在的工作量大、数据计算难度大等突出的问题,大大的提高了图书馆管理工作的效率,但是由于技术能力、设备水平及人员素质等方面的影响,云计算在现代化的图书馆管理中还存在着很多的问题,其面临的挑战具体表现为以下几个方面:

(一)云计算技术的发展使图书馆管理面临着大量的人才缺口。

云计算技术是一种高端的数字化技术,对其的操作需要具有一定水平的技术人员,但是目前大多数的图书馆管理人员一般都是市场雇佣员工,他们的知识水平和技术能力都不太高,对于现代化的数字技术存在着一定的盲区,不能够有效的操作现代技术设备,使云计算技术在图书馆管理中的应用面临很大的阻碍。

(二)云计算技术的发展使图书馆管理面临着巨大的硬件、软件建设资本投入。

云计算是现代计算技术的又一次腾飞,其具有着存储数据大、处理速度快等优势,目前现在图书馆中应用的计算机等一系列的硬件软件的功能都不能适应云计算的要求,为了有效的扩大云计算技术在图书馆管理中的应用就必须要对现代的设备进行更新换代,引进适宜的、先进的现代化的云计算处理设备。

(三)云计算技术的发展使图书馆管理面临着一定的安全问题的挑战。

目前大多数的图书馆应用的还是传统的计算机处理管理模式,对于数据的安全性和可靠性没有形成一定的保护措施,这使大多数的图书馆经常会发生一些数据遗失或被盗等问题,随着云计算技术的投入应用,图书馆管理的安全性就会有一个质的提高,各项数据统一管理、集中处理,大大的降低了数据流失的可能性。

三、完善图书馆管理过程中的云计算技术支持措施

为了有效的提高图书馆管理技术的水平,我们目前大多数的图书馆管理者都在逐步的加强云计算技术在管理过程中的应用范围,总的来说云计算技术对于完善图书馆管理水平的支持主要是包括基础服务层、数据分析层和终端层这三个技术平台,为了能够使云计算技术更好的适应现代化图书馆管理的要求,我们可以从以下三个方面的发展来加强技术的支持:

(一)基础服务层。

这是数据的分析层和终端的层的基础设施,它的主要目的是利用现有的云计算技术,对涉及的不同的类型的数据进行整合分析,同时对异构的数据进行存储,从而保障数据的安全、稳定。在图书馆管理过程中,我们首先就应该加强对这一技术的发展,大大的扩大数据的数量,把一些图书馆中的信息转换成电子数据信息,从而上传到存储设备中,加大基础服务层的信息量。

(二)数据分析层。

这一层面的技术主要是结合着服务层面存储的数据和图书馆管理的实际需求,利用数据分析功能和数据的挖掘技术,对所存储的信息进行处理、分析,从而产生切实有效的决策或者是判断数据,实现数字化的图书馆管理水平。这一层面技术的保障工作就是我们必须要不断地对图书馆管理的实际需求进行调查更新,从而使数据分析的依据更加的切实有效。

(三)终端层。

终端层主要是将数据分析层传输回的数据分析结果到云终端之上,我们可以根据不同的要求,提供不同的分析结果从而使服务对象能够更加容易的使用和理解,准确的找到与需求相对应的功能入口。

篇(3)

1.课程准备

首先是编制导学案。主备教师在该学科集体备课前准备好学案和电子课件,然后在集体备课时共同研讨、优化学案和电子课件,整合优化后上传到“人人通云教学”平台的“云盘”和“导学”模块。其次是资源的开发和收集,备课教师深入研究课程标准和教材内容后,依据教学难点和重点,制作微课,或者在其他资源网上收集相关的优质课程资源,推送给学生。

2.云学习

学生在独立预习教材的基础上,运用电脑或者其他电子终端观看导学案和视频,观看、阅读、听讲,进行课前学习。学生按导学案的要求,完成学习任务,制作课堂展示课件,学习完成后,利用云平台的笔记功能记录错误和困惑以待课堂上交流反馈。教师可以在课前登录“人人通云教学”平台,了解学生预习情况,调整课堂教学进度、难度,制定个别辅导计划,增强课堂教学的针对性和有效性。

3.云课堂教学和学习测评

经过三轮以上的实验教学,在学科组的研究讨论下,形成了在时间和顺序上基本稳定的云课堂教学模式课中教学流程,在不同课型、不同内容和不同容量的教学过程中,时间和顺序可以做灵活调整。课堂上,首先教师运用交互式电子白板和“人人通云教学”平台内准备的课件和资源,创设生动有趣的情境,更好地激发学生的学习兴趣,点燃他们思维和智慧的火花。接着,学生在小组协作平台上通过同侪互助,形成统一的意见,由小组代表向全班展示本小组的学习成果。各学习小组在平台互动交流后,排除重复的提问后,提出本组学习过程中遇到的疑惑,教师在收到各组提出的疑问后,在班上统一对共性问题进行重难点的答疑和小结。最后进行在线测评,教师通过平台的后台统计可以得知学生存在的问题,测试后及时对存在的问题进行讲解,并对学生存在的个性化问题进行辅导。

4.提炼深化

通过云平台,学生课前预习、课堂表现情况、测验评价成绩,均被实时记录,形成学生云课堂学数据。通过平台系统的分析,可以对学生的知识掌握情况、应用技巧、分层能力等进行客观呈现。教师可以通过系统分析发现问题,进行批评性的反思,有针对性地对教学方案进行优化,对教学方式进行改进。

二、实验情况和数据分析

1.实验的设计

(1)实验对象。从2014年4月起,在实验校七年级4个班中抽取两个人数、成绩基本相近的班级1班和4班作为实验班和对比班,其中1班为实验班,共47人;4班为对比班,共46人。(2)研究内容。“云课堂”教学模式的主要特点、程序,“云课堂”教学模式的实效性及学生学习策略的改变。(3)控制。实验班和对比班都由同一教师任教,都用湘教版七年级地理下册九年义务教材,为了避免实验时间过长而导致的干扰变量过多从而影响实验效果,本实验没有采用一年或一学期的实验周期,而是采用了按教材单元模块的教学来设置实验周期,实验的教学内容为湘教版七年级地理下册第三章《走进国家》,时间从4月开始,到6月底结束。按学校的统一规定,每周2课时,实验时间为12周,共24课时。教学的任务和要求也一样,实验班的地理课采用“云课堂”教学模式进行教学,对比班采用常规教学法教学。(4)检测。前测用下学期期中成绩,后测用自编的第三章《走进国家》单元能力检测成绩,,前后测试卷在考后经过的学科组总结和分析,信度和效度均达到较高水平。实验完成后,实验研究人员还应用修改后的初中生学习策略量表(lassi量表)对学生进行学习策略测量,并运用数据分析软件对检测的数据进行处理。

2.实验数据分析

其中,n为样本容量,即各班级人数。X是样本的平均数,即测验平均分。S为样本的方差。

3.学习策略的测量及分析

实验班与对比班学生的学习策略在动机、信息加工、选择要点、学习辅助、自我测试和考试策略这几项上呈统计显著(P<.05)。表明实验班学生在学习上更认真投入,思维能力更强,更善于在学习中面对大量信息时,从中选择重要信息进一步学习,更善于创造和使用辅技术及材料来帮助学习,更善于使用复述和理解监控技术判断自己对要学习的信息的理解程度,更多地意识到自我评价的重要性,更善于备考。

三、结论与建议

通过实验得知,云辅助教学对提高学生知识掌握的程度和学生学习策略的改进有较大的促进作用,教学实验是有效的。学生在参与学习的过程中,能够利用情境、协作、会话等学习环境要素去充分发挥自身的主动性、积极性和首创精神,最终实现有效的知识建构。云教学平台的使用,促使学生通过自主学习、独立思考、对话交流去获取知识,培养了学生的独立精神和协作品质,以及获取知识、分析问题、解决问题的能力。对于教师,在很大程度上促进了教师的专业发展。首先,云环境下的翻转课堂教学实施,需要教师通过对现有多种资源进行再次利用,实现对知识信息的开发、加工、组合和整理,因此锻炼了教师知识重组、意义建构、资源整合的能力;其次,利用云教学平台的大数据功能,教师能够了解学生在学习过程中的知识掌握情况,及时发现教学中存在的问题,并针对薄弱环节进行批评性的反思来改进自己的教学;第三、教学模式的改变,促使导学案的设计成为教学中的重点,是对传统教学设计的一个颠覆,是真正意义上的教学设计和教学创作过程,它需要教师对所教的知识进行再加工,需要融进教师的个性、思想、理念和方法,进一步促进教师对现代教育理论和技术的学习和掌握。在实验的实施过程中,笔者发现一些需要关注的问题。

1.必须认真编制导学案,重视导学案的应用

导学案是学生整个学习过程的引领,其质量的好坏关系到整个云课堂教学模式实施的成败,教师可以通过导学案对学生进行导引,创设问题情境,诱发学生的思考,使其在认知上出现新的“冲突”,促使学生为解决“冲突”而自控性地选择相应的学习资源,并利用原有认知结构针对新知识的不同情况进行同化或顺应,对其原有的认知结构不断地进行反思和重构,形成新的认知结构,从而达到新的平衡。

2.提高云教学主导者的全程把控意识

云教学平台是一个新兴事物,学生的好奇心也很重,同时网络的自主性很大,网络的内容十分芜杂,学生在学习的过程中容易被与教学无关的内容所干扰而分散学习精力。因此,要求教师科学合理地对云课堂的全程有意识地把控,通过把控激发学生的学习热情,维持正常的课堂教学秩序。把控的内容包括学生的课堂纪律、学习态度、师生互动的频率、课堂氛围等.以期让云课堂效果得到最大程度的优化。

篇(4)

2方案设计与测试

当学校为学员宿舍、教室、公共实验室以及图书馆阅览室等地配置计算机时,配置方案面临的问题是:如何使这些地方的公用计算机稳定地工作而管理员能够最高效地处理和解决这些计算机出现的故障以及使用中的问题?虚拟磁盘技术广泛地应用在这些场合,而云计算技术在合理配置服务器资源以及应用配置的灵活性方面是具有极大优势的,因此这两种技术的结合可以使系统运行更加高效。即,采用:“服务器虚拟化+远程桌面+虚拟磁盘”的方式部署大面积桌面管理环境。根据我校的情况,绝大部分终端适宜采用“服务器虚拟化+虚拟磁盘”作为主要的工作方式,在产品选型和硬件配置上的设计和测试时予以重点考虑。云计算技术应用可以使服务器的配置更加高效。学员宿舍、教室以及图书馆阅览室等地配置计算机的应用环境与计算机实验室的应用环境有所不同:1、这些场合在线的计算机数量往往是不确定的,例如宿舍配置1000台电脑,而同一时间在线的计算机数量有时可能只有100-500台;2、计算机实验室服务器的访问量常常是风暴式的,例如所有计算机同一时间启动,而且往往在同一时间运行同一应用任务,而宿舍等场所就大不相同,不会在同一时间开机,运行的任务也相对比较个性化。实验室为了保证课程进行,通常按极限状态设计系统的配置,如果这样的设计用在宿舍等环境,服务器资源的利用率会比较低。在云平台上,可以在服务器资源池中根据需要配置多台服务器的群集,在群集中用负载均衡的方式可以做到非常高效而且根据不同时段的应用变化灵活地调整资源配置。我校共有五栋学员宿舍楼,为每间宿舍配备一台电脑,数量约为700台,每栋楼划分一个独立VLAN,另外还有图书馆电子阅览室以及教室电脑约100台。我们首先在宿舍区进行了无盘电脑系统部署并进行了测试。系统构建方案如下:方案中配置了3台物理服务器和一台存储服务器,每台服务器配置2个6核的双线程CPU、32G内存,虚拟服务器采用2虚拟核心(未超配时相当于1个物理核)。采用了蔚云云计算平台搭建了一个私有云。蔚云云计算平台与比较流行的Vmware相比,除了可以实现硬件虚拟化外还可实现容器虚拟化,虚拟化的效率很高;蔚云云计算平台也不象Vmware那样需要一个中心控制机来管理整个云平台,所有管理配置同时写入到所有群集节点,它可以在任何一台机器上进行管理,这样可以有效防止管理节点的单点故障;由于蔚云云计算平台上具有磁盘缓存加速,可以避免大量终端开机时对磁盘的重复读取,而VMWARE上不能进行配置;蔚云云计算平台是以计算(虚拟化)、存储(网络存储和分布式存储)、网络(虚拟交换机)管理为基础上进行扩展的桌面管理,不像VMWARE那样,购买的是桌面许可,平台不能用于服务器虚拟化用途,可以有效保护硬件投资和统一调度硬件资源,即依然保留了云平台的完整功能的使用;提供灾备功能,无需第三方软件而且使用更方便,可保障关键业务故障时快速恢复;具有更好的开放性,如VDI桌面可以根据性价比和实际应用需求在RDP/SPICE/ICA等多种桌面协议进行选择等。为了保证服务器安全和便于配置,将所有虚拟服务器配置在同一VLAN,配置了一个单一桌面管理服务器集群,进行终端负载均衡。由于各终端是分布在不同VLAN的,所以无盘系统必须支持跨路由的终端连接。在系统部署时选择了两个无盘系统分别部署在不同的虚拟服务器上并分别连接两部分终端进行对比测试,两个系统测试结果表明都可以达到应用需求,其中一个系统是在Linux平台开发的,在部署的稳定性、灵活性和工作效率方面更加优越;而另一个系统的系统是在Windows平台开发的,因此操作界面更加友好。

(1)终端有缓存与无缓存启动时网络流量

其中第一个圈内所示为无缓存终端启动时网络流量;第二个圈内是有缓存终端在第一次启动时(终端缓存数据尚未建立)的流量,与无缓存终端相仿;右边两个圈内所示是终端缓存数据建立后再启动时的网络流量,相比无缓存启动的流量大为减少。

(2)测试终端运行时回写数据的网络流量

无盘终端运行时有大量临时数据需要回写到服务器,下图所示为用某无盘系统,单台服务器在线终端数52台,终端无缓存时的情况。可以看到服务器网络端口和硬盘都有一定回写数据量但不会产生很大压力,当检测有缓存硬盘或4G内存缓存的终端时发现回写数据几乎没有,只有当终端运行大文件下载等应用时才有回写。观察可以看到回写数据量与终端运行的应用类型、终端配置以及缓存策略设置都有关系。

(3)测试服务器负载均衡与热备工作模式下系统容错情况

在多服务器群集中分别配置为热备模式和负载均衡模式,终端在线情况下将其中一台服务器强行关机以模拟服务器意外宕机的情况。观察原先连接在宕机服务器上的终端,热备模式下这些终端在5秒内自动切到正常运行的服务器上,任务没有中断,用户端的感觉只是短暂停顿而已。而负载均衡模式下则任务中止,重新开机后此终端自动连接到正常服务器。从容错效果来看热备模式无疑忧于负载均衡模式,但热备模式下需要不断同步群集中各服务器的工作环境,需要耗费服务器及网络资源,测试中发现同步时甚至会造成终端工作短时间停顿。

(4)测试不同终端硬件配置下系统启动镜像的兼容性

由于不同终端硬件配置需要不同的驱动软件,因此无盘启动镜像包与硬件是相关联的。参加测试的“和信”与“网众”两个软件所制作的镜像采用通用网卡驱动包(集合了各种网卡驱动)、操作系统与硬件驱动分离等制作系统启动镜像。选择了不同年份采购的不同品牌终端三种终端对应同一启动镜像,三种终端均可以完成启动。虽然还不能确定可完全做到启动镜像与终端硬件无关,但这种关联度已大为降低。

篇(5)

2云计算如何协助电力基建工程进行重点管理

进行重点管理,实际上应该首先进行全面管理,以电力基建工程的源头作为切入点,对各个环节以及最终的质量验收都进行严格的管理和监督。此外无论是工程的投标招标以及工程的验收,都需要保证绝对按照制度程序进行,并且要遵守国家的相关法律法规。所以针对当前状况,可以在全国范围内构建一个云计算平台,每一个电力基建工程的相关信息数据都应该在云计算平台进行共享,也许全国范围内所有人进行数据浏览,工程的每一个步骤都应该在云计算平台中体现,并且附注中要体现每一个步骤的办理人员的名称、照片,以及该步骤办理过程中所拍摄的照片、视频以及音频文件,从全国范围内对电力基建工程进行监督和管理,这样不仅减少了工程建设的开支,也使得监管力度和效果得到大幅提升。

3云计算技术融合ERP促进电力基建工程建设

ERP又叫做企业资源计划,其本身就是一个融合了组织模型、业务流程以及企业规范和信息技术的信息系统。而云计算也是一种信息化时代的产物,所以将云计算技术融合ERP信息系统,实际上就是在云计算平台上运行ERP信息系统进行建立企业的基建工程的建设和管理。电力基础建设ERP主要是管理基建期的资金和物资等资源。其管理核心就是借助信息手段构建一条包含了材料、设备供应商、施工单位、监理公司以及发电厂本身的供应链。企业ERP软件一般所适应得只是独立的企业或者工程,但是通过云计算技术,结合针对施工建设行业量身打造的企业级计划进度控制管理软件——P3e/c,可以实现同时对多个电力基建工程进行项目管理,再辅助以云计算平台上所运行的其他财务管理软件、管理业务、物资管理业务、工程安全管理等业务相关软件,实现电力基建工程的全面管理,并且通过云计算平台进行的实时数据信息共享、工程计划进度所需材料及人工成本分析计算,可以起到非常好的效果。此外融合云计算技术的基建MIS管理系统也可以很好的借助当前信息化环境发展的优势加强对电力基建工程的管理。基建MIS管理系统是当前基建工程中应用最为广泛的系统之一。并且该系统具有远程访问的功能,还可以满足多个参建单位之间的有机联系,而这些都是云计算所具有的能力,同时也是云计算的优势之一。融合云计算的基建MIS管理系统可以更好的对电力基建工程中所有的施工环节进行实时的监控,还可以借助云计算所具有的超强的数据运算能力对工程进行验收和评估,自动形成工程验收资料和财务报表,在保证了电力基建工程可以规范化及施工的同时还降低了工程的建筑成本。

篇(6)

软件云计算应用就是通过因特网为用户提供基本的、具体的应用功能。当然,用户也可以根据自身的需求,通过互联网进行定制并使用能够满足其需求的软件服务。服务提供商则需要根据用户所定制的软件的使用时间、数量等要求,收取与之相对应的费用。软件云计算应用主要是针对那些需要直接使用某些特定应用程序的用户群,他们使用这些应用程序的目的是为了节省软件开发过程中所消耗的人力、物力以及时间等资源。他们不需开发任何应用程序,只需要根据自身对应用程序的使用情况付费即可。

2.平台云计算应用

平台云计算应用就是以应用作为中心,其目的是向用户提供共享的中间件服务。用户可以通过平台云计算将自己的应用程序部署在云服务器中运行,同时,还可以提供平台的各种共享服务。例如:应用消息服务、数据持久化等。使用平台云计算可以让应用程序具有更优质的伸缩性,让用户有更多的精力专注于自己的应用,而不需要关注底层的中间件。平台云计算应用主要适合于以自己的应用为中心的客户群体,这些客户使用的目的是为了使应用具有更加完美的伸缩性,节省采购和维护中间件所产生的时间和费用。

二、云计算技术对企业管理创新的影响

(一)对IT部门创新的影响

云计算技术的使用能够引起IT战略的变革。企业的IT战略主要包括应用开发战略、跟踪学习战略、系统维护战略等。应用开发战略的重点是IT技术的应用程度,IT能够成为企业在竞争过程中的工具。一般来说,企业的经营机制具有较大的灵活性,能够对业务流程进行重新规划,因此,在云计算技术环境下,企业能够通过云计算技术对业务进行整合,从而突破企业规模的限制,提高经营效率和企业竞争力。跟踪学习战略更加关注企业对IT的需求和IT技术的识别,云计算技术的应用能够克服硬件上的限制,提高企业IT应用水平,而且,跟踪学习的对象也从先进企业转变为本企业的实际需求,从而使IT的投资水平对企业战略目标的影响程度大大降低。系统维护战略的重点是企业运作对于IT的依赖程度和IT系统的复杂程度。云计算供应商可以通过网络实现对服务的传递,企业是云计算系统的终端,系统安全、软件升级、防毒防护等工作都是由云供应商负责的,不仅减轻了企业的负担,而且引起IT人员结构的变革。在云计算技术应用之前,企业的大多数IT人员都是技术人员,主要的工作任务是处理技术方面的故障、维护物理设备、开发软件、搭建系统、维护网络等。如今,云计算技术环境对IT人员的技术水平有了更高的要求。首先,企业的IT人员要对云计算系统有充分的了解,促进云计算供应商与企业的沟通,使云计算供应商所提供的服务能够满足企业的需求。其次,IT人员还要及时发现云计算系统中的故障,及时加以解决,以保证云计算终端的顺利运行。最后,IT人员要熟练掌握计算机技术,对企业的业务程序要有明确的了解。

(二)对技术研发创新的影响

云计算技术的使用增加了在技术研发方面的投入。云计算技术改变了硬件对计算机能力的限制,企业不必花大量资金进行高配置硬件设备的采购,也不需要对设备的更新换代状况给予关注,大大减少了企业在硬件设备方面的成本。因此,在云计算环境下,企业要减少在硬件设备和技术人员方面的投人,增加对技术研发、科研设备和技术人员的投人,进一步完善硬件设施,使企业的整体竞争力得到提升,建立和完善组织结构,提高科研效率。在云计算环境下,企业要进一步改善组织结构,逐步优化企业业务流程,建立起共享的学习平台,使云计算技术能够实现对基础设施的统一配置管理,将存储器、运算器、信息系统平台等进行整合和统一,组成统一的资源池,在对负载进行分析了解的基础上,进行资源的分配,从而使负载达到平衡,合理利用网络资源,为技术研发人员提供多项便捷的服务。

(三)对人力资源管理创新的影响

企业在进行人力资源管理时,要注意灵活性和规范化的结合,转变传统的管理理念,对现代化的管理软件进行合理运用,对业务流程进行规范,从而增强人力资源管理的信息化和规范化。云计算技术需要资源平台,而且服务模式是按需分配的,因此,在保证人力资源管理规范化的基础上,要提高企业的灵活性。在云计算技术环境下,企业可以从自身的实际需求出发,选择合理的管理模块,并且按照业务上的需求,定制所需要的管理模块,增强个性化的服务。

三、提升云计算技术的策略

(一)掌握云计算核心技术

建设并逐步完善涵盖企业的相关政务信息、电子商务、中介服务以及窗口服务等方面的数据资源库,主要指完成企业的产业资源、招商引资、就业招聘、政策法规、信用档案、人力资源、融资担保、项目申报、技术专利和产权交易等基础数据建设,重点进行企业政策信息库、成长性企业信息库以及企业重点项目库的建设。同时,整合以上业务数据库和综合窗口服务平台、产业集群窗口服务平台应用数据库,为业务应用提供数据支撑。注重平台网络涉及到的基础数据库包括企业、产品、专家、人才等基础信息资源数据库的建设,为项目的业务应用建设提供完备的基础数据。在基础与业务数据库基础上,建设形成主题数据库,面向企业决策支持、组合分析以及预警预测等提供综合数据服务支撑。数据交换服务平台承担省级服务平台与窗口服务平台之间的数据交换以及平台网络与外部信息系统之间的数据交换任务等。数据交换服务平台是数据资源中心与其他系统的沟通纽带,将平台网络的内部和外部系统有机地、紧密地联系在一起,实现数据共享,消除数据孤岛。建设具有可用性和可靠性的基础数据存储、交换、服务系统,应用SAN,NAS等方式统一归并业务流程,实现对数据的存储和备份。建设数据管理工具集,实现元数据管理、数据统计分析、数据编辑、数据同步监控等平台的管理功能;建设数据中心安全认证体系,实现包括用户身份验证、访问控制及权限管理、安全日志及审计、数据加密、数据摘要、数字签名、时间戳验证等在内的安全技术及其应用。

(二)构建云计算平台

突破大规模数据计算与管理,大规模资源分享与调度、运行协调及安全保障等重大关键技术,建立EB级云存储系统、云计算中心网络大容量交换机,研制按需简约的云操作系统、支持亿级并发的云服务器系统,形成云计算技术产品体系,研发相应安全防护产品与软件,构建云计算公共服务与管理平台。云计算平台的研制包括四个方面:(1)云计算操作系统软件、进程管理软件、大数据分析软件、数据安全控制软件等的研制;(2)云服务器亿级并发系统的研制;(3)云存储系统EB级的研制;(4)大容量云计算网络交换机的研制;(5)虚拟化平台研制;(6)分布式存储研制。

(三)核心技术的研发

要以公司现有的技术积累为基础,以社会对云计算的需求为导向,以人才为中心,加强云计算硬件设备和关键算法的研究。通过建立专项资金,做到专款专用,支持对应项目的研发和实验。建立云计算的研究、开发,试验和工业化平台。在不同的地区、不同的行业建立示范项目,带动技术的发展,引导创新要素向企业靠拢,实施电子发展基金、“核高基”等重大项目,重点研发云计算、移动互联网和物联网方面的关键软件技术,最终在关键技术上形成突破。发展软件产业的试点示范,逐步完善产业链。

篇(7)

2)计算机网络模型构建的要求。煤炭铁路运输业的计算机管理信息网络的构建,需要构建合乎规范的网络模型。为了保证信息网络管理工作的顺利开展和信息网络模型的完整性,一般应用托肯建模的建模方法对煤炭运输管理过程进行模型的虚拟和建立。随着计算机技术及网络的逐渐普及和应用,TWPN即工作流网络在煤炭企业的HR(Humanresource)即人力资源的信息化管理的应用中重要性逐渐显现出来,工作流网络的应用不但可以作为模型来有效的处理企业信息,采用转移集合的方式对煤炭企业所进行的企业活动的控制过程和数据信息反馈进行建模,对于煤炭企业的工作规划与进展的引导作用立竿见影,因此为了实现模型的可控性及合理性等重要功能的体现,对于计算机网络模型的构建有关部门一定要认真、负责。

3)数据库及功能模板的构建及设计要求。煤炭铁路运输的货源数据库是由各个装、卸车站的货源数据的采集点与分局网联合组成的,货源数据库的主要功能是收集并存放托运人递交的要车申请及相关办理信息,包括托运车及托运货物的类别、去向、货物的重量及总量等信息。货源数据库的信息采集要求每个信息点所采集及上交的信息准确、无误且要按时上交,以保证运输数据的及时处理及运输工作的管理。

一般情况下,数据库的构建内容主要包括:①货源信息及记录表。货源信息表是数据库的核心内容,是实现控制点的信息以及图幅管理过程可控的基础性环节;②原始信息及数据记录表。它是实现外业信息有效管理的信息储存表,主要记录的是煤炭的发送量及货车的路途周转时间等信息,便于以后相关信息的查询与管理;③管理人员信息表。它主要用于煤炭铁路运输业管理及工作人员基本信息的存储,以便于人员的管理和工作的调度及安排;④数字化图像信息表。它主要用于储存计算机实际应用过程中对图幅信息的编辑及调整,及时的存储图像信息,对于突发状况的处理及分析具有非常大的价值。

在功能模板的构建与设计环节中,一般步骤来为:①矿区调研;②概念模型抽取;③测量模型建立;④数值计算;⑤结果检验。功能模块的设计简单来讲就是把设计样板构建成实物框架的过程,如上步骤所示,进行一个矿区环境的调研和摸索,并建立相应的理论上的模型,再经过计算机软件的处理和仿真试验完成功能模块的构建,使矿山测量的图幅管理实现数字化的目标。

2计算机管理信息网络的应用价值及意义

1)实现线路计算、展点及制表过程一体化。计算机信息网络管理技术应用到煤炭铁路运输业中,可以突破传统的管理方式的局限,实现线路计算、展点及制表过程的一体化。运用计算机网络技术不仅便于运输数据的处理,而且还有利于避免人为造成的结果失误,最大的特点在于它能够实现整个运输过程数据处理的自动化,比如自动计算、自动储存等,并能直接打印,使得线路数据计算、运输点坐标计算、数据信息表格制备一体化的完成。

2)实现数据的高效率管理,界面可视,便于操作。信息网络技术的应用可以实现运输过程中的图形数据及其他数据信息的高效率管理,在图幅管理的自动化过程中既节省了大量的人力、物力,也可以实现运输过程的全程监控,切实的反应路况、货物的运输状况等。除此之外,计算机网络技术可以达到系统界面可视的效果,且便于操作,进一步提高了煤炭铁路运输业的管理效率。

3)实现铁路运输管理模式的转变,提高工作效率。通过计算机网络技术的引用,在大的信息环境的作用下,管理模式也随之发生变化,有利于提高工作人员的素质,综合利用人力资源,有助于实现管理精益求精,增强员工的责任意识。除此之外,新技术的投入和应用也可以极大调动员工的工作热情和积极性,这对于构建一个健全的铁路运输的管理体系具有显著的作用,以实现促进煤炭运输业获得极大发展的长远目标。

篇(8)

笔者在中国知网(cnki.net)的中国期刊全文数据库、中国学位论文全文数据库和中国会议论文全文数据库检索题名包括“云计算+档案”、 “云技术+档案”和“云档案馆”的文献(检索时间为2014-3-12),删除其中新闻报道性和重复性的论文后,共检索出78篇论文。

1.1 时间分布。这78篇相关论文的时间分布如表1所示:

由表1可见,我国档案学界对云计算的研究始于2009年,2009年后开始引起学者较多关注,到2013年掀起一个较小的研究(2013年发表相关论文共33 篇),但是依据百度和Google的搜索结果,尚未出版云计算应用于档案管理的相关著作。

1.2 主题分布。上述78篇论文,其研究的主题可以分为理论研究(介绍云计算的概念、特点、优势,应用的可行性、问题及对策等)、具体应用(研究云计算在档案业务环节的具体运用,如备份、整合与共享、利用与服务、云档案馆等)、系统和平台构建(研究基于云计算的系统和服务平台架构、服务模式等)和应用的安全性。78篇论文的主题分布如表2:

从研究的主题来看,目前档案界对云计算的理论和应用设想方面的研究占主导,分别占全部论文的43.6%和44.9%。但是,基于云计算的系统、服务平台构建的研究论文只有5篇,对于如何用技术手段来实现“云”并没有系统深入的研究。

1.3 作者机构分布。各研究主题的作者机构分布见表3:

从表3可以看出,78篇研究论文作者中有22篇来自高等院校的档案院系,占全部论文的28.2%。26篇论文作者来自其他机构,约占33.3%,其他机构包括高校除档案院系和档案馆室的其他院系和部门、事业单位、军队档案馆等。从表中数据看,高等院校的研究者倾向于研究云计算在档案业务环节的具体应用,而其他机构的研究者更注重理论研究和云计算在人力资源档案、会计档案、健康档案等领域的应用与实现。

2 主题分析

2.1 云计算的概念和特点。田雷提出:“云计算是一种网络服务方式,提供了IT服务的一种交付和使用模式,用户可以通过网络租用或免费获取所需服务。”他还提出目前云计算的三个服务层次:基础设施即服务、平台即服务、软件即服务[2]。黄正鸿认为,云计算旨在通过网络(互联网和内部网)以按需、易扩展的方式获得所需的硬件、平台、软件及服务等资源。其特点可以归纳为:资源池;按需、自助;快速弹性;广泛的网络访问;可度量的服务[3]。陈康明认为,云计算是基于网格计算、分布式计算、并行计算、效用计算、网络存储、虚拟化、负载均衡等已有网络技术发展起来的一种基于互联网络的服务信息共享模式。云计算的特点是:数据存储更加可靠、安全;资源的合理分配;先进技术理念带来的以用户为中心的个性化服务[4]。

2.2 云计算在档案领域应用的可行性分析。刘永提出,云存储在技术、管理和经济上已经具备了数字档案存储的基本条件。云存储技术是分布式文件系统技术、网格技术、集群应用等技术的集成,后三种技术在理论和实践上都逐渐成熟。云存储将分散在各地的数字信息集中存储,各档案馆(室)可以根据需求来申请适当的存储空间,降低了资金投入[5]。朱悦华、何丽萍、丁建萍认为,云计算时代“云档案”的实现具有较为完备的云计算理论基础、较为成熟的云计算技术条件、较为低廉的云计算经济成本和较为完善的云计算实践环境[6]。

2.3 云计算在档案管理中的应用优势。文杰提出了云计算在数字档案馆应用中的四大优势:确保档案服务器的可靠运行,降低服务器的出错概率;降低相关的维护费用;扩展了信息资源共享范围;丰富的终端设备[7]。彭小芹、程结晶结合云计算的特点提出云计算在档案领域的应用优势,即可靠、安全的数据存储;方便、快捷的云服务;强大的计算能力;诸多技术的集合体;经济效益;个性化;以用户服务为中心[8]。祝庆轩、桑毓域、方昀提出了云档案馆模式的优点:有利于政务信息公开;有利于统一全国各地区档案工作标准;有利于节省软硬件投资;有利于减少对计算机人才的依赖[9]。

2.4 云计算应用面临的问题和对策。黄正鸿提出云计算技术本身存在的一些问题,如标准问题、版权纠纷问题、数据隐私问题、安全问题、软件许可证问题、网络传输、用户使用习惯问题等[10]。陈康明认为,云计算应用面临的首先就是信息安全问题;其次是执行的国际标准问题。对策是完善基础设施建设;制定安全监测环节和相关技术;制定监督和管理机制[11]。文杰认为,云计算应用面临的问题主要有资源的选择问题;协议和接口问题;数据安全问题。对策包括加强人才队伍建设;完善基础设施建设;制定相关政策规范云计算标准;提供基础建设的统一监控、管理和控制;加强安全检测[12]。

2.5 云计算在档案领域的应用设想

2.5.1 云计算在档案存储、共享与服务中的应用设想。田雷提出可以通过“基础设施即服务”整合档案行业的服务器、存储器等设备,部署“云计算”环境,向各级档案部门提供基础设施服务[13]。陶水龙提出了基于云存储技术的档案数字资源的云备份和多套多地的档案数字资源备份数据存放策略,建立了云备份系统架构及其运行机制[14]。吕元智提出了国家档案信息资源“云”共享服务模式,将分散的国家档案信息资源通过云服务平台组织起来,形成一个个档案信息资源服务“云”[15]。祝庆轩、桑毓域等提出档案馆馆际云服务,将档案馆电子文件信息置于云中心,用户可以利用云计算技术检索云档案馆“虚拟资源池”[16]。卞昭玲、李俐颍等提出通过云存储解决档案信息的存储、档案信息的收集问题,同时可以共享档案信息 [17]。

2.5.2 云计算在专门档案领域内的应用研究。廖玉玲提出了基于云计算的建设工程档案全过程监管模式的系统方案[18]。刘振鹏、卞昭玲等提出了基于云计算的区域电子健康档案服务系统[19]。邓岚提出运用云计算技术搭建国家综合减灾信息管理与服务系统,并分析了云计算技术在灾害档案信息管理中的应用优势和障碍[20]。

2.6 基于云计算的数字档案管理系统和平台构建。程春雨提出国家开放档案信息资源共享利用系统应采用两级部署方式,分别部署在中央云中心和50个国家综合档案馆。中央云中心应用系统开发主要包括档案信息资源整合系统、平台管理系统、国家开放档案信息资源共享利用门户网站;省节点应用系统开发主要包括省节点档案信息资源整合系统和基础工具包软件[21]。程结晶提出要构建统一的云存储平台,采用虚拟化技术,开发基于“元数据”访问的分布式数字档案数据访问接口,构建完整的云服务平台来实现数字档案资源的访问服务、请求认证服务、安全数据传输服务和快速资源搜索和资源发现服务[22]。郑光辉提出了基于云计算技术的数字档案利用系统设计方案,详细描述了基于云计算的档案信息资源整合系统、云平台管理系统及开放数字档案利用门户设计方案[23]。蔡学美提出云计算数字档案馆系统主要是由云计算数字档案管理应用程序、数字管理节点、计算机专用网络、安全防火墙、公用和私有的硬件设施等构成[24]。朱悦华、何丽萍等提出构建“云档案”资源共享系统,其系统理论模型由资源层、管理中间件层和服务层等三层构成[25]。

2.7 云计算应用的安全性。徐华、薛四新等提出云数字档案馆安全保障体系应包括防御系统、监控系统、容灾备份系统、应急响应系统和技术支撑系统,通过安全法规体系、安全组织体系、安全管理制度体系、安全人员培养和培训体系来保证[26]。崔海莉、张惠达提出将档案信息管理系统推入云的基础设施上,服务中断、数据失真、敏感信息泄露是可能遭遇的技术风险,组织策略、准入退出机制是可能遭遇的管理风险[27]。

3 问题与展望

3.1 问题。首先,研究内容重理论轻技术。当前对于云计算基础理论的研究较多,关于如何运用技术手段实现其具体应用的研究较少。78篇论文中只有5篇从技术角度阐释了云计算应用于档案领域的具体实现方式。应用设想相关论文仅仅止步于“设想”,对具体应用及如何实现其应用轻描淡写,缺乏技术因素。

其次,研究缺乏实践基础。相对于云技术在其他领域的快速实现,传说中的云档案馆、档案云尚未付诸实施,对于云技术的应用需求也没有实际调研,因此,大多数研究缺乏一定的实践基础。

3.2 展望

篇(9)

中图分类号:G251 文献标识码:A

毕业论文设计在高校培养人才过程中,是非常重要的环节。尽管各高校都有自己的毕业论文(设计)管理规定,但在 “过程管理”方面缺乏一套行之有效的办法,从选题、调研、收集、资料、撰写论文、修改、定稿、答辩到论文成绩评定,没有明确的标准与考核指标,同时加上就业压力,造成大部分学生对毕业论文(设计)漫不经心,教师指导流于形式,既缺乏对学生的全过程监控,也缺乏对老师指导程度的监督。

因此如何改革毕业论文管理模式,提高教学质量,是一个重要的问题。近年来,云计算 (Cloud Computing) 作为一种新兴的先进计算技术促进了计算机行业的革新,云计算对网络教学改革也有很大的启发价值,积极推动云计算的 IT部署和交付模式在教学改革中的作用是十分必要的。

一、论文管理平台的功能与关键需求分析

通过将系统部署、运营于云平台,可以为很方便实现随时写作、审核、修改和全过程监督等关键功能。论文设计阶段主要包括选题阶段、开题阶段、论文阶段、结题阶段。在图1中详细描述了各功能模块。

图 1 系统功能模块图

在论文撰写过程中,学生通过系统提交论文,指导老师在线检查并且附上修改意见。当学生登录系统时,就可以看到修改意见。论文修改和审核是一个往复循环的过程,这个关键过程中需要使用工作流技术。在图2中描述了论文审核方面的需求。

图2 论文审核需求分析图

在论文指导过程中,涉及到角色之间工作的审核、驳回。需要在系统中嵌入工作流引擎。工作流是对工作流程及其各操作步骤之间的业务规则的抽象、概括、描述。工作流要解决的问题是,为实现某个业务目标,在多个参与者之间,利用计算机,按某种预定的规则自动传递文档、信息或者任务。在此系统中采用的工作流引擎为jbpm。通过该引擎可以有效的实现角色交互的工作流程。图3为在应用了工作流引擎情况下,如何处理工作业务。

图3 论文审核业务处理流程图

二 论文管理平台的系统架构

论文管理平台系统采用MVC三层架构,部署在教育云中。按照设计分层思想,能够更好的降低系统模块的耦合度,使系统更加强壮稳定。图4是该系统的

逻辑视图,逻辑视图主要表现了在处理业务逻辑时,系统各个模块的调用顺序。

图4系统逻辑控制图

系统部署在教育云平台上。云计算是面向服务的架构(SOA)、分布式计算、网格计算和虚拟化等多种技术混合演进的结果。云是一个巨大的虚拟化资源池(由硬件、开发平台和服务组成),这些资源能动态地根据能根据各自规模的负载进行自动配置、使资源的利用率达到最优化。云计算在教育领域中的迁移称之为“教育云”,是未来教育信息化的基础架构,包括了教育信息化所须的一切硬件计算资源。

图5系统层次架构图

基于云模式的论文管理系统架构设计综合考虑了硬件设施的高校利用,采用了适应的系统平台和软件开发架构,以中间件及WEB服务等技术实现系统功能。系统建成后,将实现科学管理、信息统一、决策支持等功能,为高校提高论文质量管理建立基础。

四 结语

利用云平台构建立学位论文管理平台,为教师、学生、学校提供一个专门的交流指导和管理平台,提高了论文管理工作中各方面的工作效率,同时也能够保证论文质量。部署在云环境,也使维护更加简单,为学校节省大量的资源。使用工作流技术,使关键的审核流程设计与编程变得简单而且高效。

【基金支持:湖南文理学院教改项目(编号12100032)】

参考文献:

[1]刘咏梅.浅谈毕业设计(论文)的过程管理[J].北京教育(高教版),2005,(7):32~44

[2]蒲静,陈华月,傅饶.毕业论文管理系统的设计与实现[J].西华师范大学, 2002,(20):80~93

篇(10)

 

随着有关云计算概念、术语和技术的不断涌现和大量报道,人们在生活中越来越多的采用和实施云计算技术。由于云计算概念和技术比较新颖,涵义比较宽泛,再加上市场上一些人将云计算放大成无所不包、无所不能和无所不在的万能技术,对云计算的描述和推销多少出现了一些浮燥和炒做的嫌疑。脱离实际过分夸大或缺乏全面分析地炒做云计算不仅可能让人误解,也会使得云计算的发展不切实际,对于云计算产业在中国的成长非常不利。所以,有必要对云计算的由来和概念进行了较为全面的梳理和定义。在总结云计算技术为IT产业带来好处的同时,找出不足及局限,从而更好地发展云计算技术。

一、云计算的概念

云计算(Cloud Computing)是由分布式计算(Distributed Computing)、并行处理(ParallelComputing)、网格计算(Grid Computing)发展来的,是一种新兴的商业计算模型。

中国网格计算、云计算专家刘鹏认为 :“云计算将计算任务分布在大量计算机构成的资源池上,使各种应用系统能够根据需要获取计算力、存储空间和各种软件服务”。

云计算中的“计算”是一个简单而明确的概念。“计算”系指计算应用,在我们生活中可以指一切IT应用。随着网络技术的发展,所有的信息、通信和视频应用都将整合在统一的平台之上。由此推而广之,云计算中的“计算”可以泛指一切ICT的融合应用。所以,云计算术语的关键特征并不在于“计算”,而在于“云”。

二、云计算的发展模式及其特征

早期云计算来之于国际上以亚马逊、Saleforces.com和谷歌(Google)为代表的公司,并且都提供了具有显著特征,但又代表着不同模式的成功云业务。

云计算按照层次将业务模式划分为3层,最顶层是软云,中间层是平云,底层是基云。在基云之下是构建云计算的基础技术。

基云也称基础设施服务,指将IT的基础设施作为业务平台,直接按资源占用的时长和多少,通过公共互联网进行业务实现的“云”。基云的用户可以是个人,也可以是企业、集体和行政单位。基云的IT业务是将存储、网络、计算、安全等原始IT资源提供给用户。用户可以通过操作系统和应用软件(如Web服务软件和数据库等)来使用IT资源。

平云也称平台服务,指将应用开发环境作为业务平台,将应用开发的接口和工具提供给用户用于创造新的应用,并利用互联网和提供商来进行业务实现的“云”。

软云也称软件服务,指基于基云或平云开发的软件。软云是通过互联网的应用来实现业务,软云业务可以利用其他的基云和平云平台,也可以利用软云运营商自己的基云和平云环境。

基于云计算的实践与营销案例,归纳出云计算的基本特征如下:

(1) 虚拟化的超大规模

云业务的需求和使用与具体的物理资源无关,IT应用和业务运行在虚拟平台之上。论文写作,数据。云计算支持用户在任何有互联网的地方、使用任何上网终端获取应用服务。论文写作,数据。

(2)动态的高可扩展性

云技术使用户可以随时随地根据应用的需求动态地增减IT资源。由于应用运行在虚拟平台上,没有事先预订的固定资源被锁定,所以云业务量的规模可以动态伸缩,以满足特定时期、特定应用及用户规模变化的需要。

(3)高可用性

云平台使用数据多副本拷贝容错、计算节点同构可互换技术来保障服务的高可用性。任何单点物理故障发生,应用都会在用户完全不知情的情况下,转移到其他物理资源上继续运行,使用云计算比使用其他计算手段的可用性更高。

三、云计算技术的应用

传统模式下,企业建立一套IT系统不仅仅需要购买硬件等基础设施,还需要买软件的许可证,需要专门的维护人员。当企业的规模扩大时还要继续升级各种软硬件设施以满足需要。对个人来说,我们想正常使用电脑需要安装各种软件,而许多软件是收费的,对不经常使用该软件的用户来说购买是非常不划算的。对于企业来说,计算机等硬件和软件本身并非他们真正需要的,它们只是完成工作、提供效率的工具而已。

云计算的最终目标是将计算、服务和应用作为一种公共设施提供给公众,使人们能够像使用水、电、煤气和电话那样使用计算机资源。

最简单的云计算技术在网络服务中已经随处可见,例如搜寻引擎、网络信箱等,使用者只要输入简单指令即能得到大量信息。

目前,以Google云应用最具代表性,例如GoogleDocs、GoogleApps、Googlesites,云计算应用平台GoogleApp Engine。

四、云计算的发展趋势

“云计算”是一个很时尚的概念,它既不是一种技术,也不是一种理论。准确说,云计算仅描述了一类棘手的问题,因为现在这个阶段,“计算与数据”跷跷板的平衡已发生变化,即已经到“移动计算要比移动数据要便宜的多(Moving computation ischeaper than moving data)”。

随着个人PC市场的逐渐饱和,全球经济增长放缓对于企业IT投资的负面影响,云计算适时的出现在了大家的视野中。论文写作,数据。论文写作,数据。作为一种全新的获取计算资源的方式,云计算将会彻底改变IT产业的结构。论文写作,数据。由于计算资源从客户端向计算中心的集中,传统纯硬件厂商的生存空间将更为狭小,大浪淘沙的行业洗牌会继续持续。论文写作,数据。云计算模式下,互联网将成为连接厂商与客户的唯一通道,互联网业的霸主和软件供应商的融合势在必然。

虽然现在还有很多人担心云计算的可靠性和安全性等问题,但时间会证明这些问题在行业模式的大转变下都只不过是些细枝末节的问题。正如B2C刚刚兴起时,人们一度认为网上交易的安全性,支付的方便性等会阻碍它的发展,但随着时间的推移,这些问题已经被证明根本不值一提。同样,对于云计算带来的IT行业大变革,时间也会给出最好的答案。

五、结束语

云计算技术将不仅提供传统意义的IT资源和应用服务,而且将支持包括IT、通信、电视、移动和物联等一切互联网技术融合后的资源使用和业务应用。云计算发展的关键技术主要有统一交换构架、统一虚拟化和统一计算系统,云计算发展的战略推手将是组建开放产业联盟和推动开放技术标准。

云计算模式具有许多优点,但是也存在的一些问题,如数据隐私问题、安全问题、软件许可证问题、网络传输问题等。云计算技术它是一个即将,或者正在改变我们工作和生活的一场变革,是拥有比较持久生命力技术演变,包括商业模式的革新。“云计算”代表了一个时代需求,反映了市场关系的变化,谁拥有更为庞大的数据规模,谁就可以提供更广更深的信息服务,而软件和硬件影响相对缩小。

参考文献:

【1】(美)MICHAELMILLER.云计算[M].机械工业出版社.2009.

【2】(美)芬加.云计算[M].电子工业出版社.2009.

篇(11)

中图分类号:TP393 文献标识码:A DOI:10,3969/J.issn.1003-6970.2013.03.001

本文著录格式:[1]郭平,刘波,沈岳,农业云大数据自组织推送关键技术综述[J].软件,2013,34(3):1-6

0 引言

随着物联网、云计算、下一代互联网等新一代信息技术的快速发展和信息内容的日益增长,“信息过载”问题愈来愈严重,推荐系统(recommender systems)被认为可以有效的缓解此难题,帮助用户从海量数据中发现感兴趣信息,满足个性化需求。

近年来,我国在农业个性化知识服务服务领域从本体论、语义网、知识工程角度开展了广泛的研究,成果主要体现在三个方面:以搜索引擎为代表的知识检索系统,需回答大量预设问题进行知识推理的专家系统,特定领域应用系统,它们在各自的场合都发挥了积极作用。然而知识检索系统不能满足用户个性化需求,专家系统的应用很难普及,特定领域应用开发成本高和重用难度大。物联网与数据挖掘云服务提供知识服务云实现物理世界的“感知控”,知识服务云的研究主要集中在制造和图书情报领域,云环境下的农业个性化知识服务的研究尚处于起步阶段,主要集中在服务模式的构建与展望。

本文是对科技部科技支撑课题“农村农业信息化关键技术集成与示范”(2011BAD21803)与“农村物联网综合信息服务科技工程”(2012BAD35800)研究成果的总结,也是对农业云推荐系统研究的升华。

1 农业云大数据自组织区域推送的提出

1.1 农业信息资源特点

我国自“十一五”时期以来,农业农村信息化发展取得了显著成效,主要表现在农业农村信息化基础设施不断完善、业务应用深入发展、物联网技术在农业中逐步推广应用等方面。从中央到省,市、县建立了“三农”综合信息服务平台,涉农企业、组织和科研院所也积极搭建了各具特色的农业信息服务平台,目前正向乡镇村发展。农村信息员队伍及以农业综合信息服务站和农业合作社为代表的农村信息服务机构发展迅速,“三电合一”、“农民信箱”、“农村热线”等信息服务模式应用深入。云计算利用海量的存储能力把农业信息资源形成高度集成和虚拟化的计算资源一“农业知识聚合云”,支持用户在任意位置、使用各种终端方便获取信息,但由于农业领域生态区域性和过程复杂性及农业区域发展不平衡和农民文化的多层次性也带来了“信息过载”、“资源隐晦”“资源迷向”等问题。

1.2 农业云环境下大数据自组织区域推送

物联网和云计算背后是大数据,在云计算模式下,用户不确定的、智能的交互,个性化需求更加多元化,信息交互行为更加频繁;在大量用户通过社会标注达成共识的过程中,逐渐形成不同社区,涌现出群体智能,形成“农业用户兴趣社交云”。利用云的海量存储、群体涌现智能、强大的计算能力和物联网感知控优势,可以提供面向用户复杂分析计算,实现业务重点由面向应用和资源的传统信息服务,转变为基于对海量农业知识进行动态划分,有目的、主动、定制、自组织推送给有需求的农业用户,为农业用户提供实时性、个性化知识服务,指导农业生产过程。

首先以Hadoop+MapReduce+HBaSe分布式框架为处理平台,对“农业用户兴趣社交云”,融合用户兴趣偏好和社交网络进行建模,将这些多元用户信息充分融入推送系统会更好产生推荐结果;将推荐对象“农业知识聚合云”按农业知识高维性、多样性、多层次性特征分类聚类为各种知识块静态和动态元数据;通过智能算法推荐和社会网络推荐为用户发现个性化内容;根据用户的地理位置、用户服务的评价以及云基础服务提供商信息将预测值最高的服务推送给用户实现与物理世界的互动(如图1)。

从以上分析可知,农业云大数据自组织区域推送的关键技术有用户兴趣模型、推荐对象模型,推荐算法、数据挖掘四个部分,以下分别对这几项技术进行论述。

1.2.1 用户兴趣模型

用户兴趣建模是个性化服务技术的基础和核心,包括数据收集、模型表示、模型学习与模型更新。用户兴趣建模的方法有很多,常用的有向量空间模型、神经网络、遗传算法、用户一项目评价矩阵、基于案例的表示、基于本体论的表示、基于加权关键词的表示,基于社会网络的表示等。几乎每种表示形式都是以一种私有形式进行知识表示,此外一些表示技术还依赖于模型学习,如广泛使用的基于向量空间模型的表示与TF-IDF学习技术联系在一起。表示形式的私有性和对学习技术的依赖性阻碍了用户模型在系统间的共享,这种共享对于减少用户建模工作量,提高推荐算法启动效率具有重要意义。因此开发独立于模型学习技术的通用用户模型表示技术是目前研究中热点,基于语义网和社交网络的用户模型在这方面表现了优势。

用户的兴趣或需求会随时间、情景发生变化,结合长期和短期兴趣及兴趣的变化用户兴趣建模的重点,目前的更新机制很难及时跟踪用户兴趣的变化,有更好的学习效率和动态变化适应能力的建模是未来的重要研究方向,国内外大量的文献对此展开了研究,遗忘函数、时间窗、用户兴趣的漂移特性等被提出。

在湖南农业云中,基于呼叫中心、互联网,手机报、手机短信,电视广播等用户在多应用系统中形成的兴趣偏好和社交网络特征,提出“农业用户兴趣社交云”建模思路:以图论模型表示用户“兴趣图”数据和“社交图”数据,根据经典的局域世界演化理论,综合考虑实际情况中用户之间的多重关系和关系的强弱程度,以用户之间相似度为节点连接概率因素,生成动态多维网络,进行用户数据的挖掘和更新;结合农业本体,在多维社交网络的基础上,将基于农业本体的区域用户兴趣融合在云计算平台上进行处理。

1.2.2 推荐对象模型

推荐本质上是将推荐对象的特征与用户的兴趣偏好进行推荐计算,所以推荐对象的描述和用户的描述密切相关。推荐系统应用不同领域,它推荐的对象也就各不相同,目前,湖南农业云主要是文本性数据;不同的对象,特征也不相同,目前没有一个统一的标准来进行统一描述,主要有基于内容、分类、聚类的方法。

基于内容的方法是从对象本身抽取信息表示对象,常见的是向量空间模型,使用最广泛的是加权关键词矢量方法进行特征选取,使用TFIDF计算每个特征的权值。向量空间模型对模型中的特征词进行权重估计(TF-IDF)过程中不考虑特征词之间的相关性,直接用特征词作为维度构建文档向量,降低了文档向量对文档概念表达的准确性以及对不同类型文档的区分能力。

基于分类的方法是把推荐对象放入不同类别,把同类文档推荐给对该类文档感兴趣的用户。主要有两种,一种是基于知识工程的方法,使专家的类别知识直接编码为分类规则,正确率和召回率高,但工作量大;近期研究最多的是另一种一机器学习,根据训练样本集建立分类器,方法有很多,常见的有概率分类、贝叶斯回归分析、决策树分类器、决策规则分类器、Rocchio分类器、神经网络分类器、支持向量机(SVM)、分类器融合、Boosting分类器、k最近邻方法(KNN)等。

研究文本聚类的最初目的是为了提高信息检索的查全率和查准率,近年来,文本聚类用于自动产生文本的多层次的类,并利用这些新生成的类对新文本进行效率较好的归类,已经提出了大量的文本聚类算法。传统的聚类算法在处理高维和海量文本时效率不很理想。针对这样的问题,将聚类分析与计算智能理论,并行计算、云计算等相结合,设计出高效的并行聚类算法,己经成为一个比较流行的研究思路。

在湖南农业知识云数据模型中,将能更好反映特征词相关性的超图模型引入,将文档中提取的特征项表示为图中节点,特征词条之间的关系构成图中边,用边上权值表示相关联特征项之间共现程度。通过对文本图模型K最近邻划分实现降维降噪的粗粒度数据切片;对切片后数据反映用户兴趣如地域、时间、诉求等多维度特征的智能聚类,实现细粒度的聚合与分割。

“农业知识聚合云”模型算法建立在基于MapReduce处理的大规模图上,得到各种知识块静态和动态元数据。

1.2.3 推荐算法

推荐算法是整个推荐系统中核心部分,大量的论文和著作都关注了这个方面。目前,基本包括以下几种:基于内容过滤推荐、协同过滤推荐、基于关联推荐、基于知识推荐、基于效用推荐、基于网络结构推荐、基于聚类推荐、基于社会网络分析推荐、混合型推荐等。通过对众多推荐算法进行比较分析,各种算法都有优缺点(如表1):

各种推荐方法都有各自的优缺点,在实际问题中采用多种策略进行混合推荐,主要有两种混合思路:推荐结果混合和推荐算法混合。目前大部分的推荐算法都是混合推荐算法,主要还是以协同理论为核心,再配合其他算法的优点或交叉学科的理论来改善推荐的质量。另外基于社会网络个性化推荐算法研究是一个趋势,基于社会网络的推荐是协同过滤的延伸,通过考察结点之间(用户和用户之间或产品之间)的相关性和结点之间的信任度可以获得比一般协同推荐更高推荐效果,如文献提出将社会网络关系结合到推荐算法中。纵观国内外在推荐算法上的研究,主要集中在基于用户显性评分数据的协同过滤算法上,对基于非显性评分行为数据场景下的研究却显得有点不足。目前在扩展性问题上学术研究不是很具有针对性,主要集中在通过各种交叉学科中的方法来对用户进行聚类或对行为数据进行降维、压缩等缩短推荐的项目集或减少计算量,从而提升算法的性能;有关基于云平台上的推荐算法研究目前主要集中于协同过滤算法MapReduce化。而实际应用中,己出现利用分布式集群解决算法扩展性方法,如Google News的推荐算法就是部署在分布式环境下,从而满足海量数据下的推荐服务。

根据农业云大数据自组织区域推送实际情况将推荐结果和推荐算法混合,提出“三层推荐”策略:在丰富的知识块云元数据基础上,将知识块属性和用户兴趣行为基于频繁模式的知识关联撮合推荐;通过复杂网络聚类算法识别一个用户多个社区兴趣,融合“兴趣图”和“社交图”协同过滤推荐,突破算法推荐的局限性,让用户信任的朋友圈子为其发现和推荐内容,取得社交推荐的时效性和算法推荐的长尾性之间的互补,从而针对每个社区成员提供精准个性化推荐;根据基础设施服务供应商、用户所在的地理位置以及用户对服务可用性评价值的相似性等,将大量用户云终端聚类为一定数量的社区,提高云端推送服务的有效性,最终形成通过大众参与,支持云间变换,集电信网、广播电视网、互联网合一的自组织区域推送,较有效地处理一般推荐算法中存在的稀疏性、冷启动以及大规模实时计算的问题。

1.2.4 云计算下个性化数据挖掘

数据挖掘采用了多种领域中的思想,包括来自统计学的抽样、估计、假设检验以及人工智能、模式识别和机器学习的搜索算法、建模技术和学习理论。随着数据挖掘的不断发展,也采用了包括最优化、进化计算、信息论、信号处理、可视化、信息检索、云计算、并行计算等技术。与传统的数据挖掘相比,云计算下的个性化数据挖掘的目标,就是通过云计算中心,向用户提供针对其即时演化需求的数据挖掘SaaS(Software as aService,软件即服务)服务,其基础问题主要为:对于用户不同的数据挖掘需求以及针对用户特点进行个性推荐的建模和表征;数据挖掘算法适应云计算的并行分布式化;使数据挖掘的结果和算法能够支持云间变换并形成一种面向用户、即时组合的、变粒度的云服务,其中数据挖掘的云服务化是研究的难点。

(1)云计算下个性推荐的建模和表征

云下的个性推荐建模和表征与传统上个性化推荐明显的不同在于海量异构大数据和用户间群体涌现的社交网络,它们本质上形成了多个顶点的大规模图。云计算可以为大规模个性化提供技术支撑,云服务本身也有大规模个性化定制应用需求,目前研究两者结合的文献还很少,张泽华从计算资源的角度基于复杂系统理论对云计算联盟体系结构进行建模,并基于蚁群优化算法和复杂系统理论进行了负载均衡研究;郭昱就有效处理客户需求信息该如何选择与分布云计算平台中的关键节点问题,提出了基于云计算的大规模定制客户需求模型。赵东杰对复杂网络、数据挖掘与群体智能有效结合进行了探索研究。农业云大数据自组织推送通过“农业知识聚合云”分解的静态、动态知识元数据和“农业用户兴趣社交云”形成的兴趣图、社交图基于用户行为和知识元数据的关联撮合,通过人工智能和社交圈子帮助用户发现内容,实现搜索和推荐的无缝结合,为智能个性化推荐实现“内容找人”愿景。

(2)算法并行分布式与高性能计算

对于大规模数据的处理,典型系统结构大致分为三类:基于MapReduce模型的分布式并行处理系统、基于BSP模型的分布式并行处理系统和分布式图数据库系统。数据挖掘算法现在的发展趋势是基于云计算的并行数据挖掘,它的同一个算法可以分布在多个节点上,多个算法之间是并行的,多个资源实行按需分配,而且分布式计算模型采用云计算模式,数据用DFS或者HBASE,编程模式采用MapReduce这种方式。Bhaduri等整理了一个十分详尽的并行数据挖掘算法文献目录,包含了关联规则学习、分类、聚类、流数据挖掘四大类分布式数据挖掘算法,同时还包括分布式系统、隐私保护等相关的研究工作。

2 基于云计算推荐系统研究的重点、难点与热点

2.1 云环境下用户偏好获取安全与可信问题

推荐系统中,用户数据集的数量和质量问题,影响用户模型的精确度、可用性,导致问题的根本原因在于用户对隐私和安全的考虑。而云环境下,数据的安全与隐私是用户非常关心的问题。既能得到准确用户信息而提高推荐系统性能,又能有效保护用户信息同时检测并能预防推荐攻击(一些不法的用户为了提高或降低某些对象的推荐概率,恶意捏造用户评分数据而达到目的)将是未来推荐系统的一个重要研究方向。

2.2 模型过拟合问题

过拟合现象是指系统推荐给用户的对象与用户刚刚看过的不是太相似或者太不相关。过拟合(过学习)的问题本质上来自于数据的不完备性,这在实际应用中是无法完全避免的。在于兴趣偏好获取方式或隐私等原因使用户没有对足够多类别的对象进行评价。目前解决的主要方法是引入随机性,使推荐算法收敛到全局最优或者逼近全局最优,关于既要保证推荐的多样性,又不能与用户看过的对象重复或毫不相关这一问题的研究是推荐系统研究的一个难点和重点。

2.3 稀疏性与冷启动问题

稀疏性和冷启动问题困扰推荐系统很长时间了,前者的解决办法主要过滤和降维。目前针对冷启动问题提出了一些解决方法,主要分为两大方面,一是直接利用传统协同过滤的评分数据结合特定的方法进行解决,二是新用户或新项目的内容属性信息与传统的协同过滤评分数据相结合的方法进行改善冷启动问题。稀疏性与冷启动问题一直是推荐系统研究的一个难点和重点。

2.4 数据挖掘的结果和算法智能服务化

将数据挖掘算法融入针对海量用户的使用记录和计算资源间协作进行优化组合,利用这些特性通过大众参与的交互作用,提高云间服务的智能性、有效性将是大数据时代推荐系统研究的一个制高点。将数据挖掘任务及其实现算法服务化,通过SaaS方式向云计算中心索取所需的相应的数据挖掘,这可能是目前突破数据挖掘专用软件使用门槛过高、普通大众难以触及、企业用户使用成本太大、挖掘算法和结果难以实时得到评价和相应修改等问题的最有希望的解决方案之一,也是数据挖掘走向互联网大众、走向实用化的重要的一步。

2.5 大数据处理与增量计算问题

目前对大数据的研究仍处于一个非常初步的阶段,半结构化和非结构化数据给传统的数据分析带来巨大挑战,尤其算法如何快速高效地处理推荐系统海量和稀疏的数据成为迫在眉睫的问题。当产生新的数据时,算法的结果不需要在整个数据集上重新进行计算,而只需考虑增量部分,对原有的结果进行微调,快速得到准确的新结果,是增量计算的理想状态。但一般而言,随着信息量的增多,算法的误差会累积变大,最终每过一段时间还是需要利用全局数据重新进行计算。一个特别困难的挑战是如何设计一种能够保证其误差不会累积的算法,也就是说其结果与利用全部数据重新计算的结果之间的差异不会单调上升,要达到这种程度,还有很长的路要走。

结束语:

随着新一代信息技术的快速发展和信息内容的日益增长,搭载在云计算平台的自组织区域推送具有它天然的优势:云的海量存储使得推荐系统能有效获取训练数据;云的分布式计算能力提供了较高的响应能力;海量用户的使用记录和计算资源问大众参与的交互涌现,最终形成自组织优化组合的智能个性化云推送。因此,农业云自组织区域推送具有重要的研究意义和广阔的应用前景,对云环境下其他领域的个性化推送应用具有借鉴意义,但目前存在大量问题需要进行深入细致的研究。

参考文献

[1]孟祥武,胡勋,王立才,张玉洁,移动推荐系统及其应用[J],软件学报,2013,24(1):91-108

[2]杨涛,基于本体的农业领域知识服务若干关键技术研究[D],上海:复旦大学计算机科学技术学院博士论文,2011,1-50

[3]杨晓蓉,分布式农业科技信息共享关键技术研究与应用[D],北京:中国农业科学院博士学位论文,2011,3-35

[4]赵春江,农业智能系统[M],北京:科学出版社,2009,1-210,

[5]何清,物联网与数据挖掘云服务[J],智能系统学报,2012,7(3):1-5,

[6]黄卫东,于瑞强,共享学习模式下知识服务云平台的构建研究[J],电信科学,2011,12:6-11

[7]丁静,杨善林,罗贺,丁帅,云计算环境下的数据挖掘服务模式[J],计算机科学,2012,39(6):217-219,237

[8]邓仲华,钱剑红,陆颖隽,国内图书情报领域云计算研究分析[J],信息资源管理学报,2012,2:10-16

[9]胡安瑞,张霖,陶飞,罗永亮,基于知识的云制造资源服务管理[J]同济大学学报(自然科学版),2012,40(7):1093-1101

[10]程功勋,刘丽兰,林智奇,俞涛,面向用户偏好的智能云服务平台研究[J],中国机械工程,2012,23(11):1318-1323,1336

[11]刘波,方逵,沈岳,可重构的农业知识服务模式研究[J]农机化研究,2011,36(11):66-70

[12]赵星,廖桂平,史晓慧,陈诚,李文圃,物联网与云计算环境下的农业信息服务模式构建[J],农机化研究,2012,4:142-147

[13]郭永田,中国农业农村信息化发展成效与展望[J],电子政务,2012,02-03:99-106

[14]李道亮,中国农业农村信息化发展报告(2011)[M],北京:电子工业出版,2012,87-150

[15]钱平,郑业鲁,农业木体论研究与应用[M],北京:中国农业科学技术出版社,2006,1-100

[16]吴丽花,刘鲁,个性化推荐系统用户建模技术综述[J],情报学报,2006,25(2):55-62

[17]李珊,个性化服务中用户兴趣建模与更新研究[J],情报学报,2010,29(1):67-71

[18]王国霞,刘贺平,个性化推荐系统综述[J],计算机工程与应用,2012,48(7):66-76

[19]王巧容,赵海燕,曹健,个性化服务中的用户建模技术[J],小型微型计算机系统,2011,32(1):39-46

软件杂志欢迎推荐投稿:http:///

[20]张华清,动态多维社会网络中个性化推荐方法研究[D],济南:山东师范大学硕士学位论文,2012,16-31

[21]丹,面向跨系统个性化服务的用户建模方法研究[J]_情报杂志,2012,31(6):156-161

[22]邓夏玮,基于社交网络的用户行为研究[D],北京:北京交通大学硕士学位论文,2012,4-43

[23]马尧,基于多维用户特征建模的个性化社交搜索引擎的设计与实现[D],广州:华南理工大学硕士学位论文,2012,12-55

[24]陈恩红,徐童,田继雷,杨禹,移动情景感知的个性化推荐技术[J],中国计算机学会通讯,2013,9(3):19-24

[25]Jong Hwa Kima,b,,Hyun JoonLeeb,Extraction of user profile based on workflow and information flow[J],Expert Systems with Applications,2012,39(5):5478-5487

[26]南智敏,钱松荣,引入漂移特性的用户兴趣模型优化研究[J],微型电脑应用,2012,28(3):30-32

[27]郭新明,弋改珍,混合模型的用户兴趣漂移算法[J],智能系统学报,2010,5(2):181-184

[28]程显毅,朱倩,文本挖掘原理[M],北京:科学出版社,2010,9-45 [29]李涛,推荐系统中若干关键问题研究[D],南京:南京航空航天大学博士学位论文,2009,31-80

[30]姜伦,模糊聚类算法及其在中文文本聚类中的研究与实现[D],哈尔滨:哈尔滨理工大学硕士学位论文,2010,18-48

[31]冯汝伟,谢强,丁秋林,基于文本聚类与分布式Lucene的知识检索[J],计算机应用,2013,33(1):186-188

[32]陶红,周永梅,高尚,一种基于语义相似度的群智能文本聚类的新方法[J]计算机应用研究,2012,29(2):482-532

[33]孟海东,刘小荣,基于聚类分析的图模型文档分类[J]计算机应用与软件,2012,29(1):117-174,229

[34]饶君,张仁波,东呈晓,吴斌,基于MapReduce的大规模图挖掘并行计算模型[J],应用科技,2012,39(3):56-60

[35]于戈,谷峪,鲍玉斌,王志刚,云计算环境下的大规模图数据处理技术[J],计算机学报,2011,34(10):1753-1767

[36]吕善国,吴效葵,曹义亲,基于网络结构的推荐算法[J]_实验室研究与探索,2012,31(7):278-280,368

[37]周佳,罗铁坚,一种基于内容关联的学术资源协同推荐算法[J],中国科学院研究生院学报,2013,30(1):117-123

[38]唐晓波,张昭,基于混合图的在线社交网络个性化推荐系统研究[J]情报理论与实践,2013,36(2):91-95

[39]王立才,孟祥武,张玉洁,上下文感知推荐系统[J],软件学报,2012,23(1):1-20

[40]刘建国,周涛,汪秉宏,个性化推荐系统的研究进展[J],自然科学通报,2009,19(1):1-15

[41]许海玲,吴潇,李晓东,阎保平,互联网推荐系统比较研究[J]软件学报,2009,20(2):350-362

[42]孙冬婷,何涛,张福海,推荐系统中的冷启动问题研究综述[J],计算机与现代化,2012,5:59-63

[43]张亮,基于聚类技术的推荐算法研究[D],成都:电子科技大学硕士学位论文,2012,7-18

[44]Liu, F.,Lee, H.J. Use of social network information to enhance collaborative filterinperformance.Expert[J] Systems with Applications. 2010, 37(7):4772-4778.

[45]Jiang, J., Lu, J., Zhang, G., Long, G. Scaling- Up Item-Based CollaborativeFiltering Recommendation Algorithm Based on Hadoop[C].2011 IEEE World Congress onServices.IEEE[A]. 2011, 490-497.

[46]周源,基于云计算的推荐算法研究[D],成都:电子科技大学硕士学位论文,2012,26-64

[47]吕雪骥,基于云计算平台的智能推荐系统研究[D],合肥:安徽大学硕士学位论文,2012,25-43

[48]刘晨,改进的聚类挖掘算法对网络自助出版“长尾”文本的推荐应用[D],上海:复旦大学硕士学位论文,2011,10-19

[49]陈桂生,张海粟,刘玉超,云计算下的个性化数据挖掘服务[EB/OL],[2011-2-28]中国人工智能学会通讯,http://www,/contents/50/119,html

[50]张泽华,云计算联盟建模及实现的关键技术研究[D],昆明:云南大学博士学位论文,2012,26-114

[51]郭昱,吴清烈,基于云计算的大规模定制客户需求响应模型及其节点的选择与分布[J],系统工程理论与实践,2011,31(增刊2):1-6

[52]赵东杰,张海粟,韩言妮,杨海涛,何宇,基于网络化数据挖掘的群体智能研究方法[C],Proceedings of 2010 The 3rdInternational Conference on Computational Intelligence andIndustrial Application(Volume 9).IEEE[A].2010,239-243.

[53]AnandRajaraman,Jeffrey David Ullman著,王斌译,互联网大规模数据挖掘与分布式处理[M],北京:人民邮电出版社,2012,1-253

[54]Bhaduri K, Das K, Liu Kun, et al. Distributed data mining bibliography[EB/OL]. [2011-01-03]. http:// cs. umbc. edu/~hillol/DDMBIB/