一、压缩文件能运行吗?(论文文献综述)
尧海昌[1](2021)在《大规模基因序列压缩及其并行化算法研究》文中研究指明基因数据因其重要的社会价值和科研价值受到国际社会的广泛重视。随着基因测序技术的不断进步,测序速度在不断提升而测序成本在不断下降,因此人类基因数据正以指数形式增长,而且未来增长速度会更快。基因数据的增长速度远远超过了存储容量和网络带宽的增长速度,给基因数据的存储、备份和传输等都带来了很大的挑战。基因压缩算法是缓解该挑战的重要手段。基因数据是生命的密码,记录着生物体的全部遗传信息,是每个国家特有的资源,其安全是国家安全的重要组成部分。因此,在提升基因数据存储效率的基础上同时保障基因数据的安全具有十分重要的意义。本文从安全高效存储大规模基因数据的需求出发,在对当前国内外已存在的基因压缩算法深入研究的基础上,分别从基因压缩核心算法,大规模基因序列批量压缩算法,基因压缩单机多线程并行算法,基因压缩分布式并行算法,基因流数据压缩算法依次递进逐步解决关键科学技术问题。具体来讲,本文的创新工作总结为如下三点:(1)针对基因压缩的核心算法,提出基于最大似然模型的基因序列匹配算法MLGM(Maximum Likelihood Genome Matching),提升当前基因匹配算法的效率。从基因序列的生物特征出发,研究基因序列间广泛存在的插入、删除和替换这三种变异的特征。匹配算法不以精确匹配长度为标准,而是匹配片段中允许碱基变异的,以匹配存储开销作为选择匹配片段标准。在搜索到精确匹配片段之后,以匹配片段为锚点,比对相邻匹配片段间的INDEL与碱基替换,对片段进行联合,并依此迭代,直至找到最优的最大似然匹配片段。与当前基因压缩算法采用的精确匹配算法相比,MLGM算法能够以更小的存储开销表示序列间的差异信息。实验结果表明,MLGM算法相对于当前最优秀的基因压缩算法mem RGC采用的匹配算法平均压缩率提升了16.64%。(2)在MLGM的基础上,提出基于二维哈希矩阵的大规模基因序列批量压缩算法HRCM(Hybrid Referential Compression Method for large collections of genomes),解决当前还没有高效的多序列无损压缩算法的问题。HRCM在首次压缩前,将序列文件辅助信息与基本碱基序列分别提取。只对基本碱基序列进行匹配,提升了匹配速度,降低了内存消耗。在首次压缩后,并不对压缩结果直接存储,而是选取部分序列的首次压缩结果构建二维哈希矩阵索引,所有待压缩序列的首次压缩结果基于二维哈希矩阵进行二次压缩。设计了首次压缩结果与二次压缩结果的高效表达方式,降低了压缩文件存储总开销。二次压缩机制还降低了参考序列选取对压缩结果的影响。而且,算法采用流水线压缩机制,内存峰值与待压缩序列数量无关,可以满足大规模的基因序列压缩。实验结果表明,在压缩1100个人类基因时,HRCM算法平均压缩率达到了2347:1,相比于当前最优秀的基因压缩算法mem RGC,压缩率提升了5.8倍。而且,因为批量压缩时只需要一次参考序列预处理及匹配索引构建即可以完成对所有序列的压缩,压缩速度相较于当前最快的压缩算法Hi RGC提升了46.4%;压缩算法的鲁棒性也在所有比较算法中表现最优;压缩算法的加密属性也保障了基因数据的安全。(3)针对大规模基因序列压缩时间长的问题,提出高效的大规模基因序列压缩并行化算法。通过研究大规模基因压缩算法中流程与数据的依赖部分与可并行化部分,将其与多种并行化技术融合,重新设计算法与数据流,分别提出面向单机环境多线程的,面向分布式存储环境基于Hadoop的和基于Spark的大规模基因序列压缩并行化算法Mt GC(Multi-thread Genome Compression),Hadoop GC(Hadoop based Genome Compression)和Spark GC(Spark based Genome Compression)。三种并行算法解决了不同的问题,相互补充,不可替代。Mt GC将非参考序列的其他序列压缩通过线程池技术实现并行化,解决了单机环境上的基因压缩速度问题。Hadoop GC解决了在当前应用最广的分布式计算系统Hadoop平台上的批量基因离线压缩问题,设计了分布式存储系统下基因数据输入与输出算法,分布式计算环境下的数据分配策略,内存管理算法和文件管理算法。在Map阶段完成待压缩序列首次压缩,在Reduce阶段完成待压缩序列的二次压缩,各阶段均利用多节点计算能力实现算法并行。Spark GC基于内存分布数据集技术与Spark Streaming流式数据处理技术,既支持大规模基因数据的批量压缩,也支持基因实时数据流的在线压缩。Spark GC将Spark算子与大规模基因序列压缩算法融合,通过RDD转化实现基因序列分布式并行压缩,进一步提升了压缩速度;设计RDD内存缓存方式和序列化机制,提升内存空间利用率。实验结果表明,Mt GC在线程池规模为4时,压缩1100个人类基因平均压缩速度是HRCM的2.8倍。Hadoop GC在四个计算节点时,压缩1100个人类基因平均压缩速度是HRCM的3.3倍。Spark GC在单个工作结点上压缩速度是HRCM的3.85倍;在工作节点数为4时,平均压缩速度是HRCM的10倍,将1100个人类基因的压缩由HRCM所需的60个小时缩短为仅需6个小时,扩展性能优秀。本文对三种并行策略的设计与理论分析,对其他基因处理并行化算法也具有指导作用。本文研究成果解决了大规模基因序列批量压缩问题,面向分布式文件系统的基因数据压缩问题和基因流数据的压缩问题,提升了大规模基因序列压缩率,压缩速度和适用性,算法鲁棒性好,扩展性能优秀,在一定程度上缓解了基因数据急剧增长所带来的挑战,解决了国产处理器大数据一体机的基因数据存储问题。同时国产处理器保障了存储设备的安全与自主可控,基于参考序列的基因数据压缩保障了基因数据存储安全。
夏雨[2](2021)在《基于Serverless的边缘计算平台设计与实现》文中研究表明随着边缘计算从理论走向实践,边缘计算平台也迎来了蓬勃发展。边缘计算平台通过提供一套计算组件,有效的解决了边缘服务的部署、运维与编排问题,为边缘服务提供了一个可靠的执行环境。但目前主流的虚拟机计算平台与容器计算平台需要服务在后台驻守以监听用户请求,占用了大量资源,边缘计算服务也需要大量的人工部署运维,总的来说,当前主流边缘计算平台存在资源利用率低、维护繁杂等问题,而Serverless架构通过按需分配资源,自动扩展计算实例,能有效解决边缘计算节点资源紧张,运维管理困难问题,在边缘计算环境中具有巨大的应用前景。目前主流的Serverless计算平台是为云计算中心设计,而边缘计算环境与云计算环境存在差异,在边缘计算环境中应用Serverless架构会遭遇功能模型导致的时延放大、预热方案造成的资源浪费以及不支持服务迁移等各类问题。因此,为了在边缘计算环境中应用Serverless架构,需要对Serverless计算平台进行针对性的设计。基于当前计算平台的种种瓶颈,与Serverless架构的巨大潜力,本论文提出了服务功能图模型,优化了 Serverless架构在边缘计算环境中的时延与资源利用率,并在服务功能图的基础上进一步支持了服务快照,实现了基于Serverless的计算平台对服务迁移的支持,最终实现对边缘计算环境中功能模型的改良与补充。本论文进一步改进了Serverless的功能预热方案,改变了传统Serverless对功能不加区分预热的模式,将功能分为时延敏感型功能与非时延敏感型功能,针对性的对时延敏感型功能进行预热操作,有效的节省了预热带来的资源损耗。在对Serverless技术进行了针对性的改良的基础上,本论文进一步完成了系统需求分析、设计,并最终实现了一套基于Serverless架构与Docker虚拟化技术的边缘计算平台系统,基本解决了边缘计算环境中Serverless应用的主要问题,满足了边缘计算对计算平台需求。
纪博雅[3](2020)在《高校校园建筑节能运行集成管理研究》文中进行了进一步梳理公共建筑是公众活动的主要载体,需要坚持节能绿色的高质量发展。校园建筑作为典型公共建筑,从2008年开始推行高校“节能型”校园,已积累了一定的管理与研究经验,也发现了亟待解决的诸多问题。为满足新时代的建筑节能、舒适与经济相结合的绿色高质量发展需求,校园建筑节能运行管理也需要解决更多新问题。基于上述背景,本文以校园园区为研究对象,以校园建筑能效提升与舒适度运行为目标,提出校园建筑的节能运行集成管理系统方法论。本论文基于系统科学、管理学、经济学、运筹学等多学科理论,运用理论分析、实证分析、数据模拟与文献调查等研究方法,将校园建筑节能运行管理作为一个被研究的复杂系统,利用“物理事理人理”(WSR)方法论,系统地研究校园建筑运行管理过程问题,提出集成管理模式与策略。本文主要研究工作归纳如下:(1)调查了高校校园建筑节能运行管理现状,并系统分析了高校校园建筑节能运行集成管理的问题。首先,采用实际走访的方式,了解我国高校校园建筑节能运行管理的监测平台建设情况、相关技术应用情况、建筑运行管理情况。基于WSR方法论,设计调查问卷,对节能运行的实际管理问题,从WSR三个维度进行系统性分析:监测平台及相关技术问题(物理层)、管理目标与功能问题(事理层)、相关主体行为的问题(人理层),提出高校建筑节能运行集成管理需要解决的关键问题。(2)基于WSR方法论完善既有平台构建的管理理念,明确了校园建筑节能运行集成管理所需要的集成化平台架构与技术支撑体系、采集信息内容,并通过实证效果评价的方式,验证了集成化平台的合理性与必要性。首先,基于WSR方法论重构了平台的构建逻辑,并明确目标、需求与人物。然后,明确平台的WSR信息集成内容;从服务节能运行的物理层、事理层、人理层的管理需求出发,具体提出了“物理”层面建设监测内容指标、辅助“事理”的监控内容指标、服务“人理”的平台服务内容指标。最后,通过BJT大学的能源监测平台效果对比评价,验证了本文提出的建筑节能运行的集成化平台的合理性与必要性。(3)站在主体需求导向的角度分析事理层问题,建立了校园建筑节能运行管理的动态多目标优化模型,验证了模型可用性,并对比主要目标与综合加权和两种解法,分析解法的优越性。首先,分析事理层管理的研究内容,并分析管理目标关系。然后,建立了“能源-环境舒适度-经济”动态多目标优化模型,并选择主要目标法与综合加权和法(目标集成加权优化)求解问题。最后,进行算例验证,结果表明模型进行节能、舒适度、经济性的均衡优化符合实际需求,对比两种优化解法,目标综合加权法,更贴合实际建筑运行管理需求。(4)提出了高校校园建筑节能运行集成管理的不同主体合作与管理策略集合。基于消费者行为理论,从人理层面分析校园建筑节能的主体消费者行为特征,分开解决不同消费特征主体的合作与管理关键问题。针对教学区,基于完全信息动态博弈模型,分析并解决学校主体与ESCo的合同能源管理合作模式选择的问题。针对宿舍区,基于歧视价格理论,设计宿舍区建筑用电歧视电价模式,引导在校师生改善用能行为。最后,基于BJT大学22号宿舍楼的实际用电数据进行实证分析,结果表明两种歧视电价模式可以对主体节能行为进行经济激励。(5)最后,从物理层(W)、事理层(S)、人理层(R)三个层面提出校园建筑节能运行集成管理的对策建议,以及集成管理的综合建议。
杨耀森[4](2020)在《基于嵌入式的流媒体加密传输与存储平台设计》文中研究指明随着5G与AI的落地,新型通信时代下的流媒体技术对于嵌入式运算平台的需求急剧的增加,在硬件性能和软件版本提升的同时,随着保密意识的增强,安全性也成为了平台发展的重要关注点。因此,本文将围绕视频会议这一流媒体应用点,构建一种流媒体传输存储的专用嵌入式平台并为其设计加密方案,致力于为新型智能的流媒体发展提供一种可观的硬件选择。本文首先从新视频时代下流媒体数据的传输、存储以及加密三个方向切入,对硬件选择和软件设计展开叙述。硬件设计方面采用DSP+ARM的嵌入式SOC架构,选用TI公司生产的基于Davinci技术的TMS320DM8148芯片作为CPU,搭建外围附属电路,完成硬件设计;软件方面首先搭建开发环境,移植linux操作系统,做好初期的准备工作,接着设计基于McFW视频框架的流媒体软件架构,插入同步音频数据的采集并进行压缩编码、媒体封装,最后移植流媒体开源服务器live555对封装包进行传输和存储,其中网络传输的接口为千兆RMGII模式,支持RJ45接口,存储设备则支持可插拔的USB便携存储器。流媒体平台设计完毕后接着进行加密模块的设计,本文选用一种新型的隐写加密技术(将要加密的数据通过相关的算法嵌入到压缩的视频数据中),首先在传统的隐写算法上引入最小化失真框架,接着构造出基于边缘特征的代价函数,并设计隐写规则进行数据的隐写,最后提出一种基于嵌入式平台的隐写流程,提供出隐写算法的伪代码。文章最后对流媒体平台进行独立硬件性能测试和完整系统运行测试,并给出实验结论,证明该流媒体平台不仅在硬件配置上处于较高的水平,可以作为视频会议等流媒体应用的平台选择,而且高性能DSP核支持音视频算法的植入,系统拥有一定算力,相信在新的智能信息时代中也可以作基础硬件平台使用。
王瑞[5](2020)在《面向电动汽车运维平台的充检一体化系统设计与实现》文中研究说明近年来,零排放、可持续的新能源电动汽车已成为交通行业的重要新型选择。截至2019年底,全国新能源汽车保有量达381万辆,与2018年底相比,增长46.05%。随着新能源汽车的持续强劲发展,相应的运行维护需求也逐渐浮现,针对电动汽车车载电池专用的检测设备有待研发。本文基于4S店等应用场景,面向电动汽车运维平台,对平台前端的充检一体化系统进行设计。在具备充电功能同时,系统还可对车载电池进行日常快捷性能检测,专项性能测试及数据采集,成为一个集电动汽车多项功能需求于一体的综合型系统。首先,文章对充检一体化系统的整体框架进行设计,确定系统需要完成的主要功能。基础建设工作包括:构建充放电控制链路、各模块间的及时通讯网络、负责采集数据压缩回传的数据链路;系统创新性功能包括:动力电池性能快速测试功能、动力电池数据优化压缩、相关协议信息高兼容性配置功能。接着,基于现有运营环境产生的海量电池数据,本文提出优化压缩数据算法以降低数据传输存储成本。通过对动力电池数据的规律分析及对数据压缩算法的总结,提出数种优化数据压缩算法,有效改善数据压缩性能。根据其适用性和计算量,组合使用优化算法应对不同的应用场景。其次,为实现对车载电池组一致性状态的快速检测辨识,文章将不一致性对应性能问题在充电过程的表现进行归纳分析,研究了各类一致性检测方法与离群点检测方法。最终选择基于统计模型的离群点检测原理,使用电池组充电过程数据,构建动力电池一致性快速辨识方法。方法筛选出电池组内有极端表现的单体,判断其问题类型,并对单体极端程度和电池组一致性情况进行评价。随后对算法阈值的选取以及单体数量对辨识结果的影响进行了讨论,并对算法辨识结果的有效性进行了验证。最后,本文将上述研究的两个算法运用在系统中,并实现整体系统的运行;为实现系统内部各模块的有效运作,建立了基于硬件通讯和网络通讯的综合通讯网络;为提高系统兼容性和拓展性,创建了电池信息协议和测试流程的可配置功能;最终将系统的充放电功能、数据采集传输链路及电池组性能快速检测功能在系统的逻辑流程内实现,完成基础性功能和创新性功能的共同建设,并通过实验对系统进行功能验证和性能测试。
孟范利[6](2019)在《沈阳某商场暖通空调自动控制系统研究》文中研究指明近年来,设置空调的建筑物越来越多,空调耗能也越来越大。在国家节能环保政策的大背景下,空调系统的自动控制也显得越来越重要。本文的研究对象是商场的暖通空调自动控制系统,首先对暖通空调控制系统在国内外的发展状况以及存在的一些问题做了总结,对如何做好暖通空调自动控制系统做出了详细的分析。其次总结了暖通空调自动控制系统中的传感器、DDC控制器等设备以及系统性能的技术要求,对暖通空调控制系统的实施过程做了详细阐述。再次对暖通空调系统中的冷水机组的相同机组、大小机组、冰蓄冷等工况的控制策略进行了深入的研究,同时对冷却塔在制冷工况、自然冷却工况的运行控制策略以及锅炉房、换热站、空调末端等设备的控制策略也进行了深入的研究。再次对暖通空调自动控制系统与运行节能等方面进行了研究,其中包括冷却塔免费供冷的运行节能以及设置自动控制系统后可以减小装机容量以及运行费用的节能研究。最后根据沈阳某商场的实际案例,对实际工程如何做好暖通空调自动控制系统做了详细的总结。本论文通过沈阳某商场实际工程对暖通空调自动控制系统如何设计,如何实现对冷、热源设备、空调(新风)机组以及末端风机盘管的调节和控制都做了详细的研究,可以对暖通空调自动控制系统设计及运行提供一些参考。
夏志鹏[7](2019)在《深度学习模型的可视化设计及实现》文中认为近年来人工智能技术得到了快速发展,深度学习作为人工智能研究领域的一个重要方法,在人脸识别、图像分类等方面取得了许多突破性的进展,但同时面临着模型结构复杂、参数量级高、测试数据量大等难题,在一定程度上限制了深度学习方法的快速推广。深度学习的可视化技术能够提升神经网络的可读性,简化网络的理解过程,可以加快深度学习领域的研究进展,然而现有的可视化技术只能实现网络结构的图形化,存在功能单一、框架依赖度高等缺点,使得深度学习算法研究的有效性受到抑制。为了有效提升深度学习算法研究的快速性和便捷性,论文在探索网络模型训练与分析的可视化方案基础上,提出了一种针对Caffe深度学习架构的网络编辑与模型训练分析的可视化解决方案CaffePanel。论文主要工作有以下几点:(1)独创地设计了Caffe框架在Web平台上的网络解析与图形化编辑模型,融合模板语法特性与虚拟文档思想优化图形化速度,提出高速Caffe网络可视化与编辑机制;(2)结合前后端交互技术形成了可视化、可监控的Caffe网络训练调试机制,针对网络训练过程中的收敛性进行研究,设计了一种网络隐藏层的收敛性评估算法;(3)CaffePanel方案的设计与实现,主要功能模块包括Caffe网络模型解析与恢复,网络模型快速图形化和编辑模块,Caffe网络训练、预测、监控模块等。此外,从资源压缩、资源下载、文档阻塞等方面对CaffePanel的整体加载时间进行了优化。论文在CaffePanel平台上进行了功能和性能测试实验,实验结果如下:(1)在功能上,相较于同类应用,实现了网络层的图形化编辑与模型的训练,在网络编辑上具有更高的便捷性,并且通过网络训练与模型分析的可视化,训练过程更为直观可视,测试结果表明该平台各项功能符合设计要求并能稳定运行;(2)在性能上,测试结果表明CaffePanel方案实现的图形化机制较同类应用在速度上提升了17.9%,100层以下模型的图形化时间小于1000ms,方案整体加载时间小于500ms。由此可以证明,CaffePanel方案能够有效提高深度学习模型的开发效率,对深度学习技术的快速发展具有重要意义。
张泽航[8](2019)在《基于区块链技术的个人数据安全管理机制研究与应用》文中研究指明高速发展的互联网已经成为人们生活中不可或缺的一部分,人们通过使用各种各样的Web应用来享受互联网带来的快捷便利。而在人们在享受Web服务的过程中,Web应用背后的企业也在不断的收集并控制着用户的个人数据。相比之下,用户却由于缺乏对自身数据有效的控制手段,而不得不遭受企业滥用个人数据所带来的风险。随着大数据时代下个人数据安全性问题越发的突出,个人数据的安全隐私保护已经变得越来越重要,也引起了工业界和学术界对个人数据安全管理的广泛关注。当前,区块链技术已经被广泛的应用在各个领域,并且已展现出区块链在实现个人数据安全保护方面潜在的价值。区块链的去中心化、难以被篡改、便于审计等性质,为个人数据安全带来了新的解决思路。受到区块链技术快速发展和个人数据安全越发重要这一现象的启发,本课题基于区块链技术,并结合分布式哈希表和加密技术,提出了一个个人数据安全管理机制,以增强用户对其使用Web应用过程中产生的个人数据的控制能力。该机制限制了企业在没有用户许可的情况下收集和使用用户个人数据的行为,并加强了用户对个人数据的控制能力。用户可以完全控制他们在使用企业提供的Web服务的过程中产生的个人数据,并由用户决定是否向其他机构共享他们的个人数据,以及向哪些机构共享他们的个人数据。本课题设计了个人数据安全管理机制中的关键系统模型和相应的运行流程,并详细描述了该机制中的三个关键环节:数据存储机制、加密机制和数据交易机制。其中,数据存储机制约束了企业私下收集用户个人数据的行为,加密机制保证了产生的用户数据由用户所控制,数据交易机制使得用户可以决定向哪些机构交易自身的数据。此外,在数据交易机制中,本文利用斯坦伯格博弈建模数据交易过程中收益分成的问题,以激励提供Web服务的企业协助用户收集其个人数据,并通过仿真来验证方案的合理性。最后,为了验证个人数据安全管理机制的现实可行性,本文根据该机制设计了个人数据安全管理平台并进行工程实现。在实现过程中,本文分析了该应用平台的设计需求,讨论其主要模块的实现,最后对该平台进行测试,从而体现本研究课题所设计的个人数据安全管理机制的现实意义。
张翔宇[9](2019)在《冷热电联供系统负荷建模与优化研究》文中研究指明随着世界电力工业的发展,电力工业已成为国民经济发展中最重要的基础能源工业,在国民经济发展和社会进步中发挥了重要作用。其中电力负荷作为电力系统的重要组成部分,准确的建立其评价模型,不仅有利于电力系统的正常稳定运行,同时也可为电力系统设计提供重要依据。本文分析了冷热电联供系统与负荷建模方法的研究现状,针对现有的问题,建立了冷热电联供系统的负荷模型,对模型输出负荷特性进行了仿真研究。并基于此模型,提出了一种改进型苍狼算法,并采用总体相似度的方法将其与粒子群算法、苍狼算法进行了参数辨识结果的对比分析;然后用MATLAB/GUI模块,对上述研究内容进行了可视化设计,搭建了冷热电联供系统负荷建模平台,并对平台的功能进行了仿真验证。首先,通过对国内外负荷建模研究现状的分析,基于冷热电联供系统的特点,使用MATLAB/Simulink模块对联供系统进行仿真模型搭建;并在此基础上,按照以热定电的方法对冷热电联供系统进行了负荷建模,并对模型的输出负荷特性进行了仿真分析。其次,总结了粒子群算法、改进型粒子群算法、苍狼算法的具体差异,针对苍狼算法现有的缺陷,基于本文研究内容提出一种对苍狼算法进行改进的方法,通过检验函数对比分析了改进型粒子群算法、苍狼算法、改进苍狼算法的收敛速度;根据模型负荷特征仿真数据,采用上述三种算法进行了参数辨识,通过总体相似度评估方法对参数辨识结果进行了对比分析,结合收敛速度的对比结果,得到了三种算法参数辨识效果的差异。最后,在前文研究的基础上,使用MATLAB/GUI模块搭建了冷热电联供系统负荷建模平台,平台包括登录界面、数据库操作界面、负荷模型选择界面、参数辨识界面,通过对平台的运行调试,实现了上述研究内容的可视化。
刘恬[10](2019)在《基于FPGA的图像压缩存储设计与实现》文中指出FPGA实现图像压缩存储系统能够满足星载系统小型化、低功耗、高速处理大量数据等要求,JPEG 2000压缩算法也以其压缩比特率极低、单比特流压缩质量出色、能够处理非常大的图像而无需平铺、高噪声信道传输纠错能力强等特点成为星载系统进行压缩的算法首选。本系统采用以FPGA为控制中心、ADV212为核心压缩器件、eMMC为主要存储器件的结构。本文根据课题功能要求设计了系统的完整方案,包括系统的模块划分方式及数据处理流程;在图像数据预处理中,为了规避邻近插值法阶梯现象严重的问题,对其参考像素的选取方法进行改进,使用MATLAB对多种算法进行仿真比较,验证了改进的邻近插值法具有良好的插值效果且适合硬件实现;在图像压缩中,为了完成静止图像的JPEG2000压缩,分析了ADV212芯片HIPI模式的基本配置及码流流向,详细说明了调试中出现的细节问题;在eMMC存储的FPGA实现中,针对eMMC时序不稳定导致提速困难的问题,采取了一系列稳定时序、精简配置流程的方法,使eMMC的传输速度达到了100MB/s的指标。最后在Vivado 2018.1平台完成系统搭建并进行硬件实现,给出了系统实物图、电路设计图、debug工具抓取的时序图及最终输出的相机拍摄的图像。结果验证了系统能够完成图像压缩存储的功能,且具有控制图像大小、控制传输数据量以控制图像清晰度的功能。
二、压缩文件能运行吗?(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:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(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。
三、压缩文件能运行吗?(论文提纲范文)
(1)大规模基因序列压缩及其并行化算法研究(论文提纲范文)
摘要 |
Abstract |
专用术语注释表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 无参考序列基因压缩 |
1.2.2 基于参考序列基因压缩 |
1.2.3 并行化基因压缩 |
1.3 当前基因压缩及其并行化存在的问题 |
1.4 研究内容及章节安排 |
1.4.1 研究内容 |
1.4.2 章节安排 |
第二章 相关理论技术基础 |
2.1 基因序列数据特点 |
2.2 无参考序列基因压缩 |
2.3 基于参考序列基因压缩 |
2.4 国产处理器大数据一体机 |
2.5 本章小结 |
第三章 基于最大似然模型的基因序列匹配算法研究 |
3.1 引言 |
3.2 最大似然匹配模型 |
3.3 算法设计与分析 |
3.3.1 序列预处理 |
3.3.2 MEM查找 |
3.3.3 MEM联合 |
3.3.4 Delta文件输出 |
3.4 性能验证与分析 |
3.4.1 实验环境与数据集 |
3.4.2 存储开销分析 |
3.4.3 匹配速度分析 |
3.4.4 内存消耗分析 |
3.5 本章小结 |
第四章 基于二维哈希矩阵的大规模基因序列压缩算法研究 |
4.1 引言 |
4.2 二维哈希矩阵压缩模型 |
4.3 算法设计与分析 |
4.3.1 序列信息匹配 |
4.3.2 序列信息编码 |
4.3.3 解压缩 |
4.3.4 算法的加密属性 |
4.4 性能验证与分析 |
4.4.1 实验环境与数据集 |
4.4.2 压缩率分析 |
4.4.3 压缩速度分析 |
4.4.4 鲁棒性分析 |
4.4.5 扩展性分析 |
4.4.6 内存消耗分析 |
4.4.7 无参考序列时压缩性能分析 |
4.4.8 在国产处理器大数据一体机上压缩速度分析 |
4.5 本章小结 |
第五章 基于多线程与基于Hadoop的基因并行压缩算法研究 |
5.1 引言 |
5.2 基于多线程的大规模基因压缩并行化架构 |
5.3 基于Hadoop的大规模基因压缩并行化架构 |
5.4 算法设计与分析 |
5.4.1 Mt GC算法设计与分析 |
5.4.2 Hadoop GC算法设计与分析 |
5.5 性能验证与分析 |
5.5.1 验证环境与数据集 |
5.5.2 压缩速度分析 |
5.5.3 压缩速度随并行度的可扩展性分析 |
5.5.4 压缩速度与压缩率的平衡性分析 |
5.5.5 内存消耗分析 |
5.6 本章小结 |
第六章 基于Spark的大规模基因序列压缩并行化算法研究 |
6.1 引言 |
6.2 基于Spark的大规模基因压缩并行化架构 |
6.3 算法设计与分析 |
6.3.1 序列预处理 |
6.3.2 首次压缩 |
6.3.3 二次压缩 |
6.3.4 基因流数据压缩 |
6.3.5 解压缩 |
6.4 性能验证与分析 |
6.4.1 实验环境与数据集 |
6.4.2 压缩速度分析 |
6.4.3 压缩速度随并行度的可扩展性分析 |
6.4.4 压缩性能随基因数据流规模的可扩展性分析 |
6.4.5 压缩速度与压缩率的平衡性分析 |
6.4.6 鲁棒性分析 |
6.4.7 内存消耗分析 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 本文工作总结 |
7.2 下一步工作展望 |
参考文献 |
附录1 程序清单 |
附录2 攻读博士学位期间撰写的论文 |
附录3 攻读博士学位期间申请的专利 |
附录4 攻读博士学位期间参加的科研项目 |
致谢 |
(2)基于Serverless的边缘计算平台设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题背景与意义 |
1.1.1 边缘计算的提出与兴起 |
1.1.2 当前边缘计算平台的不足 |
1.1.3 Serverless架构在边缘计算的优势 |
1.2 研究内容与创新点 |
1.2.1 研究内容 |
1.2.2 本论文创新点 |
1.3 论文结构 |
第二章 相关理论与技术概述 |
2.1 虚拟化技术 |
2.1.1 虚拟化技术简介 |
2.1.2 操作系统虚拟化与容器技术 |
2.2 Serverless计算平台 |
2.2.1 Serverless架构概述 |
2.3 本章小结 |
第三章 边缘计算平台需求分析 |
3.1 边缘计算平台总体需求概述 |
3.1.1 问题背景 |
3.1.2 系统环境简介 |
3.1.3 系统总体功能 |
3.2 功能性需求分析 |
3.2.1 虚拟化架构子系统功能 |
3.2.2 计算平台管理子系统功能 |
3.2.3 开放平台子系统功能 |
3.3 非功能性需求 |
3.4 本章小结 |
第四章 边缘计算Serverless分析与改进 |
4.1 Serverless功能模型改进 |
4.1.1 功能模型问题 |
4.1.2 服务功能图模型及其执行 |
4.1.3 服务功能图模型对快照的支持 |
4.2 Serverless预热的改进 |
4.3 模型合理性分析 |
4.3.1 合理性分析 |
4.3.2 仿真验证 |
4.4 本章小结 |
第五章 边缘计算平台概要设计 |
5.1 系统环境 |
5.2 系统静态结构设计 |
5.3 系统动态结构设计 |
5.3.1 服务管理动态结构 |
5.3.2 用户管理动态结构 |
5.3.3 服务请求动态结构 |
5.3.4 服务快照动态结构 |
5.4 系统数据结构设计 |
5.5 本章小结 |
第六章 边缘计算平台详细设计与实现 |
6.1 开发环境 |
6.2 虚拟架构子系统设计与实现 |
6.2.1 虚拟架构子系统组件 |
6.2.2 虚拟架构子系统访问类设计 |
6.3 计算平台管理子系统设计与实现 |
6.3.1 数据容器设计与实现 |
6.3.2 服务执行器与服务容器 |
6.3.3 快照提取器 |
6.3.4 生命周期管理器 |
6.4 开放平台子系统设计与实现 |
6.4.1 相关接口设计 |
6.5 系统测试 |
6.6 本章小结 |
第七章 总结与展望 |
7.1 论文工作总结 |
7.2 下一步工作展望 |
参考文献 |
致谢 |
攻读学位期间取得的研究成果 |
(3)高校校园建筑节能运行集成管理研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与研究意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究内容、研究方法与技术路线 |
1.2.1 研究对象 |
1.2.2 主要研究内容 |
1.2.3 研究方法 |
1.2.4 技术路线图 |
2 基础理论与文献综述 |
2.1 基本理论 |
2.1.1 集成管理理论 |
2.1.2 信息物理融合系统理论 |
2.1.3 多目标规划理论 |
2.1.4 消费者行为理论 |
2.1.5 博弈论 |
2.2 国内外研究现状 |
2.2.1 建筑节能运行平台相关技术 |
2.2.2 建筑节能管理多目标均衡优化 |
2.2.3 公共建筑节能管理主体合作与节能行为 |
2.2.4 研究评述 |
3 高校校园建筑节能运行集成管理现状及问题系统分析 |
3.1 高校校园建筑的能源管理现状 |
3.1.1 采集高校的介绍 |
3.1.2 高校能源监测平台的基础建设情况 |
3.1.3 高校相关建筑智控等技术的基本应用情况 |
3.1.4 高校建筑运行管理的基本情况 |
3.2 基于WSR的高校校园建筑节能运行集成管理问题分析 |
3.2.1 基于WSR方法论设计调查问卷 |
3.2.2 问卷数据收集 |
3.2.3 问卷信效度检验 |
3.2.4 高校校园节能运行管理问题的WSR三维分析 |
3.3 小结 |
4 物理层:高校校园建筑节能运行的集成化平台 |
4.1 集成化平台的顶层设计 |
4.1.1 基于WSR重构物理层平台的建设逻辑 |
4.1.2 平台的建设目标 |
4.1.3 平台的需求与任务 |
4.2 校园建筑节能运行的集成化平台基础架构与关键技术 |
4.2.1 基于CPES的集成化平台架构 |
4.2.2 建筑节能运行管理的相关技术 |
4.3 基于WSR分析的集成化平台信息内容 |
4.3.1 服务物理层的平台监测信息内容 |
4.3.2 服务事理层的平台功能目标管理信息内容 |
4.3.3 服务人理层的平台使用主体服务信息内容 |
4.4 案例分析 |
4.4.1 物理层集成化平台的WSR评价指标体系 |
4.4.2 基于AHP的模糊综合评价模型 |
4.4.3 BJT大学能源集成化平台建设效果对比分析 |
4.5 小结 |
5 事理层:高校校园建筑节能运行管理的目标集成优化 |
5.1 校园建筑节能运行集成管理的事理层分析 |
5.1.1 事理层的研究内容 |
5.1.2 运行管理中的目标关系与主体需求偏好 |
5.2 “能源-环境舒适度-经济”多目标优化动态规划分析 |
5.2.1 前提假设 |
5.2.2 建立多目标优化动态模型 |
5.2.3 多目标优化解法 |
5.3 算例验证 |
5.3.1 多目标均衡优化的验证目标 |
5.3.2 SD楼建筑节能运行管理的案例说明 |
5.3.3 参数选取与优化过程 |
5.3.4 结果分析 |
5.4. 小结 |
6 人理层:高校校园建筑节能运行管理的集成化主体合作策略 |
6.1 校园建筑节能运行集成管理主体关系及其经济性分析 |
6.1.1 人理层的问题梳理 |
6.1.2 校园建筑节能运行管理利益相关主体 |
6.1.3 教学区节能运行管理消费者行为分析 |
6.1.4 宿舍区节能运行管理消费者行为分析 |
6.2 教学区建筑节能运行的主体合作策略分析 |
6.2.1 合同能源管理模式 |
6.2.2 后勤集团与ESCo利益与风险分析 |
6.2.3 高校与ESCo的合作博弈模型 |
6.2.4 教学区主体合作模式选择 |
6.3 宿舍区建筑节能运行的能源定价模式分析 |
6.3.1 宿舍区能源歧视价格前提条件 |
6.3.2 宿舍区的歧视电价等级选择 |
6.3.3 宿舍区建筑师生用电歧视电价模式设计 |
6.3.4 算例验证 |
6.4 高校建筑节能运行集成管理的集成化管理策略建议 |
6.5 小结 |
7 高校建筑节能运行集成管理对策建议 |
7.1 基于WSR分析的高校建筑节能运行集成管理 |
7.2 物理层提升集成化平台的建议 |
7.2.1 对平台相关技术与信息进行梳理集成 |
7.2.2 完善平台架构 |
7.2.3 加强融合新技术手段 |
7.2.4 完善监测的信息类别、加强信息关联分析 |
7.3 事理层多目标优化管理的建议 |
7.3.1 展开节能运行集成管理多目标优化 |
7.3.2 综合考虑多目标管理 |
7.3.3 采用适用目标集成的加权和解法进行多目标优化 |
7.4 人理层加强主体合作管理的建议 |
7.4.1 促进节能运行管理过程的多主体合作 |
7.4.2 提升后勤集团(高校领导)的意识、明确管理职责 |
7.4.3 促进ESCo与后勤集团的合作 |
7.4.4 加强ESCo的质量控制 |
7.4.5 促进在校师生的参与 |
7.5 提升集成管理的综合建议 |
7.5.1 加强管理目标的物理功能支持 |
7.5.2 明确主体合作依赖的平台功能支持 |
7.5.3 利用平台辅助管理主体的学习 |
7.5.4 加强管理主体在管理过程中的目标意识 |
7.6 小结 |
8 结论与展望 |
8.1 论文主要结论及创新性 |
8.1.1 论文的主要工作和结论 |
8.1.2 创新性 |
8.2 研究的局限性及进一步展望 |
参考文献 |
附录A |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(4)基于嵌入式的流媒体加密传输与存储平台设计(论文提纲范文)
摘要 |
abstract |
1.绪论 |
1.1 课题研究的背景和意义 |
1.2 国内外发展现状 |
1.2.1 流媒体发展现状 |
1.2.2 视频加密发展现状 |
1.2.3 嵌入式平台发展现状 |
1.3 章节安排 |
2.流媒体相关技术选择 |
2.1 编码技术选择 |
2.2 封装格式选择 |
2.3 传输协议选择 |
2.4 本章小结 |
3.基于TMS320DM8148 的平台硬件设计 |
3.1 硬件平台整体设计方案 |
3.2 CPU芯片介绍 |
3.3 平台电源设计 |
3.3.1 电源转换设计 |
3.3.2 处理器上电设计 |
3.3.3 复位时钟管理 |
3.4 视频输入模块设计 |
3.5 音频输入模块设计 |
3.6 网卡电路设计 |
3.7 本章小结 |
4.系统软件设计 |
4.1 软件开发环境的选择与搭建 |
4.1.1 交叉开发环境 |
4.1.2 交叉编译工具链 |
4.1.3 流媒体软件框架 |
4.1.4 传输协议 |
4.2 软件系统搭建 |
4.2.1 Uboot移植 |
4.2.2 内核移植 |
4.2.3 文件系统移植 |
4.3 系统软件设计 |
4.3.1 视频框架设计 |
4.3.2 音频框架设计 |
4.3.3 存储与传输设计 |
4.4 本章小结 |
5.视频加密设计 |
5.1 隐写算法设计 |
5.1.1 最小化失真框架引入 |
5.1.2 代价函数构造 |
5.1.3 映射规则选取 |
5.2 隐写方案实现 |
5.2.1 消息嵌入 |
5.2.2 消息提取 |
5.3 隐写加密测试 |
5.3.1 安全性分析 |
5.3.2 编码效率分析 |
5.3.3 信噪比分析 |
5.4 本章小结 |
6.系统测试与功能验证 |
6.1 测试环境搭建 |
6.2 硬件性能测试 |
6.2.1 FLASH速率测试 |
6.2.2 USB存储模块测试 |
6.2.3 千兆网口模块测试 |
6.3 系统功能测试 |
6.4 本章小结 |
7.总结与展望 |
7.1 工作总结 |
7.2 工作展望 |
参考文献 |
攻读硕士学位期间发表的论文及所取得的研究成果 |
致谢 |
(5)面向电动汽车运维平台的充检一体化系统设计与实现(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 电动汽车电池性能检测系统 |
1.2.2 动力电池数据处理 |
1.2.3 动力电池组一致性研究 |
1.3 现有研究结果的空白与不足 |
1.4 本文的主要研究内容 |
2 充检一体化系统总体设计 |
2.1 面向电动汽车运维平台的系统架构 |
2.1.1 面向电动汽车运维平台的系统框架 |
2.1.2 系统硬件环境介绍 |
2.1.3 系统软件环境介绍 |
2.2 充检一体化系统设计 |
2.2.1 系统功能构成 |
2.2.2 系统内部结构 |
2.2.3 系统工作流程 |
2.3 本章小结 |
3 基于动力电池数据特性的优化压缩研究 |
3.1 动力电池数据特性分析 |
3.1.1 电压数据特点 |
3.1.2 电流数据特点 |
3.1.3 SOC数据特点 |
3.1.4 温度数据特点 |
3.2 数据压缩算法及性能比较 |
3.2.1 哈夫曼编码压缩算法 |
3.2.2 字典编码压缩算法 |
3.2.3 基于BWT变换的数据压缩算法 |
3.2.4 各类压缩文件格式性能比较 |
3.3 基于动力电池数据的优化压缩方法 |
3.3.1 分离不同特性的电池数据 |
3.3.2 值域区间较小数据的处理 |
3.3.3 值域区间较大数据的处理 |
3.3.4 以二进制编码形式处理数据 |
3.4 优化压缩算法的性能分析 |
3.5 本章小结 |
4 动力电池一致性快速辨识研究 |
4.1 动力电池不一致性分析 |
4.1.1 性能差异产生原因 |
4.1.2 电池性能测量方法 |
4.1.3 性能差异的电压表现 |
4.2 离群点检测算法选择 |
4.2.1 离群点检测原理简介 |
4.2.2 基于统计分布的离群点检测 |
4.3 动力电池一致性快速辨识方法研究 |
4.3.1 一致性快速辨识方法 |
4.3.2 阈值选取策略 |
4.3.3 单体数量的辨识影响 |
4.4 算例分析 |
4.4.1 算例一 |
4.4.2 算例二 |
4.4.3 算例三 |
4.4.4 算例四 |
4.5 本章小结 |
5 充检一体化系统实现 |
5.1 系统运行流程控制 |
5.2 系统通讯网络构建 |
5.2.1 基于CAN总线的硬件通讯 |
5.2.2 基于MQTT的网络通讯 |
5.3 系统高兼容性配置 |
5.3.1 测试流程的配置功能 |
5.3.2 电池信息协议配置功能 |
5.4 本章小结 |
6 充检一体化系统实验验证 |
6.1 系统基础功能 |
6.2 系统数据链路 |
6.3 一致性快速辨识功能 |
6.4 本章小结 |
7 结论与展望 |
7.1 研究工作总结 |
7.2 后续工作展望 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(6)沈阳某商场暖通空调自动控制系统研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 暖通空调自动控制系统在我国的应用现状 |
1.3 暖通空调自动控制系统的设计 |
1.4 暖通空调设计人员的任务和作用 |
1.5 本课题主要研究内容 |
2 暖通空调控制系统技术要求及实施规程 |
2.1 系统性能技术要求 |
2.1.1 系统技术要求 |
2.1.2 产品的资料和图纸技术要求 |
2.1.3 系统维修保养要求 |
2.2 产品技术要求 |
2.2.1 施工材料要求 |
2.2.2 通讯 |
2.2.3 工作站 |
2.2.4 系统软件 |
2.2.5 楼宇级控制器 |
2.2.6 先进应用控制器 |
2.2.7 特殊应用控制器 |
2.2.8 辅助控制设备 |
2.3 系统实施规程 |
2.3.1 承包商入场前准备 |
2.3.2 质量控制 |
2.3.3 控制系统的检测及验收 |
2.3.4 培训 |
2.4 本章小结 |
3 暖通空调自动控制系统控制策略分析 |
3.1 冷水机组群控策略分析 |
3.1.1 相同机组群控分析 |
3.1.2 大小机组群控分析 |
3.1.3 冰蓄冷机组群控分析 |
3.2 冷却塔控制策略分析 |
3.2.1 夏季工况 |
3.2.2 自然冷却工况 |
3.3 热源控制策略分析 |
3.3.1 采暖季供热工况 |
3.3.2 过渡季供热工况 |
3.4 空调末端设备控制策略 |
3.4.1 新风机组控制策略 |
3.4.2 组合式空调机组控制策略 |
3.5 其它设备控制策略 |
3.5.1 风机盘管控制策略 |
3.5.2 车库通风控制策略 |
3.6 本章小结 |
4 暖通空调自动控制系统与运行节能 |
4.1 影响空调负荷的因素 |
4.1.1 通过围护结构传入的热量 |
4.1.2 通过玻璃窗进入的太阳辐射得热 |
4.1.3 人体、照明和设备等散热形成的冷负荷 |
4.2 空调冷、热负荷以及空调全年负荷 |
4.2.1 空调冷负荷 |
4.2.2 空调热负荷 |
4.2.3 全年冷、热负荷 |
4.3 利用天然免费冷源的暖通空调自动控制系统 |
4.4 设置自动控制系统有利于降低空调系统初投资和运行能耗 |
4.5 本章小结 |
5 工程案例应用 |
5.1 商场暖通空调系统概述 |
5.1.1 项目设计条件 |
5.1.2 空调系统及设备配置 |
5.1.3 控制系统组成与结构 |
5.2 冷热源控制系统 |
5.2.1 制冷机房监控 |
5.2.2 热源系统监控 |
5.3 空调系统末端设备控制系统 |
5.3.1 风机盘管控制示意图 |
5.3.2 车库送风机组控制示意图 |
5.3.3 组合式空调机组控制示意图 |
5.3.4 组合式新风机组控制示意图 |
5.3.5 平时用及平消兼用排风机控制示意图 |
5.4 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
作者简介 |
作者在攻读硕士学位期间发表的学术论文 |
致谢 |
(7)深度学习模型的可视化设计及实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 论文研究背景及意义 |
1.2 国内外研究现状 |
1.3 系统设计目标 |
1.4 论文的主要工作内容和结构 |
第二章 深度学习可视化与前后端开发技术研究 |
2.1 Web可视化技术介绍 |
2.1.1 可视化技术概述 |
2.1.2 Web可视化技术 |
2.2 深度学习技术介绍 |
2.2.1 卷积神经网络技术介绍 |
2.2.2 Caffe深度学习框架介绍 |
2.3 前后端分离的开发模式分析 |
2.3.1 B/S架构与网络通信技术简介 |
2.3.2 MVVM开发模式介绍 |
2.4 服务器端相关技术介绍 |
2.4.1 基于Python的后端技术介绍 |
2.4.2 数据库相关技术介绍 |
2.5 本章小结 |
第三章 深度学习的网络可视化开发与模型收敛性分析研究 |
3.1 CaffePanel方案架构设计 |
3.2 网络可视化开发方案 |
3.2.1 模型文本解析机制的改进 |
3.2.2 网络模型图形化方法的优化 |
3.2.3 网络编辑的辅助性增强 |
3.3 模型训练与分析机制 |
3.3.1 训练过程数据交互的定制 |
3.3.2 Caffe网络训练调试机制 |
3.3.3 模型收敛性评估机制 |
3.4 本章小结 |
第四章 深度学习可视化开发与训练的功能实现和优化 |
4.1 CaffePanel方案总体功能设计 |
4.1.1 客户端应用的功能设计 |
4.1.2 服务端的部署设计 |
4.2 核心功能模块的实现 |
4.2.1 网络模型可视化模块的实现 |
4.2.2 数据采集与数据集生成模块的实现 |
4.2.3 模型训练与分析模块的实现 |
4.3 应用加载时间优化 |
4.4 本章小结 |
第五章 功能测试与性能分析 |
5.1 测试环境搭建 |
5.1.1 服务器搭建 |
5.1.2 测试环境分析 |
5.2 功能验证 |
5.2.1 图形化与编辑功能验证 |
5.2.2 训练、预测和数据集生成功能验证 |
5.2.3 收敛性评估可视化与特征图功能验证 |
5.2.4 整体功能横向对比 |
5.3 系统性能分析 |
5.3.1 横向性能对比分析 |
5.3.2 加载时间优化前后对比 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
作者简介 |
(8)基于区块链技术的个人数据安全管理机制研究与应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 研究现状 |
1.3 拟解决的问题 |
1.4 研究的内容和主要贡献 |
1.5 本文的章节安排 |
第二章 相关技术概述 |
2.1 区块链技术 |
2.1.1 基本概念 |
2.1.2 主要涉及的技术 |
2.2 分布式哈希表 |
2.3 加密技术 |
2.3.1 对称加密 |
2.3.2 非对称加密 |
2.4 斯坦伯格博弈 |
2.5 本章小结 |
第三章 个人数据安全管理机制总体设计 |
3.1 本课题需解决的关键问题 |
3.1.1 问题描述 |
3.1.2 解决思路 |
3.2 系统模型 |
3.3 个人数据安全管理机制的协议 |
3.3.1 协议1:制定网络通信协议 |
3.3.2 协议2:制定标签列表协议 |
3.3.3 协议3:制定数据交易协议 |
3.4 子机制作用下系统的运行流程 |
3.4.1 系统初始化 |
3.4.2 数据存储阶段的数据存储机制 |
3.4.3 数据加密上传阶段的加密机制 |
3.4.4 数据交易阶段下的数据交易机制 |
3.5 本章小结 |
第四章 机制的安全性分析和数据交易收益优化 |
4.1 安全性分析 |
4.1.1 隐私和安全性分析 |
4.1.2 应用实例分析 |
4.2 数据交易收益优化 |
4.2.1 基于斯坦伯格博弈的数据交易收益优化 |
4.2.2 仿真与分析 |
4.3 本章小结 |
第五章 个人数据安全管理平台的分析与设计 |
5.1 平台需求分析 |
5.2 平台功能设计 |
5.3 文件结构和数据结构设计 |
5.3.1 Web前端安装包文件结构 |
5.3.2 标签列表数据结构 |
5.3.3 密钥系统数据结构 |
5.4 平台的运行流程与接口 |
5.5 平台的整体框架 |
5.6 本章小结 |
第六章 个人数据安全管理平台的实现与测试 |
6.1 开发环境 |
6.2 PDSMP平台各主模块实现 |
6.2.1 用户模块 |
6.2.2 二维码扫码模块和应用管理模块 |
6.2.3 交互模块 |
6.2.4 监控模块 |
6.3 PDSMP平台的测试 |
6.3.1 测试环境 |
6.3.2 测试方法 |
6.3.3 测试结果与分析 |
6.4 本章小结 |
结论和展望 |
参考文献 |
攻读学位期间的科研成果 |
致谢 |
(9)冷热电联供系统负荷建模与优化研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.2 负荷建模研究现状 |
1.2.1 负荷建模的发展及模型分类 |
1.2.2 负荷建模的研究方法 |
1.2.3 负荷模型参数辨识的优化方法 |
1.3 研究内容与章节安排 |
1.3.1 研究内容 |
1.3.2 论文组成与章节安排 |
2 冷热电联供系统原理与负荷建模理论 |
2.1 冷热电联供系统原理与类型 |
2.1.1 动力系统 |
2.1.2 制冷系统 |
2.1.3 制热系统 |
2.1.4 主要系统类型 |
2.2 负荷模型结构 |
2.3 小结 |
3 冷热电联供系统模型与负荷建模 |
3.1 静态负荷建模常用方法 |
3.2 动态负荷建模常用方法 |
3.2.1 动态负荷模型的时变性 |
3.2.2 动态负荷模型参数修正 |
3.3 冷热电联供系统模型与负荷建模 |
3.3.1 冷热电联供系统模型 |
3.3.2 三联供系统负荷建模 |
3.4 小结 |
4 改进苍狼算法与参数辨识方法研究 |
4.1 粒子群算法原理 |
4.1.1 粒子群算法基本原理 |
4.1.2 改进的粒子群优化算法 |
4.2 苍狼算法原理 |
4.3 改进型苍狼算法原理 |
4.3.1 非线性收敛因子 |
4.3.2 动态权重 |
4.4 算法收敛速度对比分析 |
4.5 参数辨识方法理论结果对比 |
4.5.1 改进型粒子群算法仿真计算结果 |
4.5.2 苍狼算法仿真计算结果 |
4.5.3 改进型苍狼算法仿真计算结果 |
4.5.4 计算结果对比 |
4.6 小结 |
5 冷热电联供系统负荷建模平台 |
5.1 MATLAB/GUI简介 |
5.2 建模平台设计方案 |
5.3 建模平台组成界面 |
5.3.1 登录界面 |
5.3.2 软件主界面 |
5.3.3 数据库操作界面 |
5.3.4 负荷模型选择界面 |
5.3.5 参数辨识界面 |
5.4 建模平台工作演示 |
5.5 小结 |
6 结论与展望 |
6.1 研究结论 |
6.2 存在问题及展望 |
攻读学位期间参加的科研项目及发表的学术论文 |
致谢 |
参考文献 |
(10)基于FPGA的图像压缩存储设计与实现(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 发展历程与研究现状 |
1.2.1 图像压缩的发展历程与研究现状 |
1.2.2 数据存储的发展历程与研究现状现状 |
1.3 本文主要研究内容及章节安排 |
2 图像压缩存储系统及其相关技术 |
2.1 图像格式概述 |
2.1.1 彩色模型及其原理 |
2.1.2 图像格式原理及分类 |
2.2 JPEG2000 图像压缩算法 |
2.2.1 预处理 |
2.2.2 核心处理 |
2.2.3 比特流形成 |
2.3 图像转换原理及算法 |
2.3.1 RAW格式转RGB格式 |
2.3.2 RGB格式转YCbCr4:2:2 格式 |
2.4 数据存储原理 |
2.4.1 DDR3 SDRAM存储原理 |
2.4.2 eMMC存储原理 |
2.5 系统整体方案 |
2.6 本章小结 |
3 图像数据预处理的FPGA实现 |
3.1 相机图像采集 |
3.2 图像转换算法的MATLAB仿真与分析 |
3.3 图像转换算法的FPGA实现 |
3.4 本章小结 |
4 图像压缩的FPGA实现 |
4.1 ADV212 概述 |
4.2 ADV212 配置 |
4.3 ADV212 码流流向 |
4.4 压缩模块的FPGA实现 |
4.5 本章小结 |
5 图像存储的FPGA实现 |
5.1 eMMC存储器的控制流程及读写方式 |
5.1.1 eMMC初始化 |
5.1.2 eMMC数据读写 |
5.2 eMMC存储模块的FPGA实现 |
5.3 DDR3 接口的FPGA实现 |
5.4 本章小结 |
6 硬件验证及结果分析 |
6.1 硬件介绍 |
6.2 硬件验证结果 |
6.3 本章小结 |
总结 |
致谢 |
参考文献 |
附录 |
四、压缩文件能运行吗?(论文参考文献)
- [1]大规模基因序列压缩及其并行化算法研究[D]. 尧海昌. 南京邮电大学, 2021
- [2]基于Serverless的边缘计算平台设计与实现[D]. 夏雨. 北京邮电大学, 2021(01)
- [3]高校校园建筑节能运行集成管理研究[D]. 纪博雅. 北京交通大学, 2020(02)
- [4]基于嵌入式的流媒体加密传输与存储平台设计[D]. 杨耀森. 中北大学, 2020(11)
- [5]面向电动汽车运维平台的充检一体化系统设计与实现[D]. 王瑞. 北京交通大学, 2020(03)
- [6]沈阳某商场暖通空调自动控制系统研究[D]. 孟范利. 沈阳建筑大学, 2019(05)
- [7]深度学习模型的可视化设计及实现[D]. 夏志鹏. 东南大学, 2019(06)
- [8]基于区块链技术的个人数据安全管理机制研究与应用[D]. 张泽航. 广东工业大学, 2019(02)
- [9]冷热电联供系统负荷建模与优化研究[D]. 张翔宇. 华北水利水电大学, 2019(01)
- [10]基于FPGA的图像压缩存储设计与实现[D]. 刘恬. 南京理工大学, 2019(06)