共查询到20条相似文献,搜索用时 46 毫秒
1.
在信息资源的价值和实用性被不断挖掘并得以应用于实际工作中,大数据技术的发展迎来了高速发展期,这是由于通过信息不断的生成、更新和变化,产生了海量规模的数据信息,人们需要利用大数据的处理技术和分析能力来应对海量的数据。这在移动通信的发展领域中体现得尤为显著,人们采用了很多的具体策略来进行网络优化和改进,力求提升大数据的处理分析技术在通信网络中的应用能力,从而不断促进移动通信的进步。 相似文献
2.
3.
大数据时代背景下,每天都会产生海量的信息,这对计算机的信息处理能力提出了较高的要求。本文结合实际情况,分析了大数据时代下计算机信息处理技术的现状,论述了大数据时代计算机信息处理技术的发展趋势。 相似文献
4.
5.
6.
大数据背景下的计算机信息处理技术将能够促进各个行业的信息化高效发展。本文从大数据和计算机信息处理技术概念着手,进而分析了大数据背景下的计算机信息处理的关键技术与发展现状,最后对大数据背景下的计算机信息处理技术发展方向进行了预测。 相似文献
7.
在社会经济发展的过程中,会产生大量的数据信息,计算机技术在对这些信息处理的过程中发挥着重要的作用。随着大数据时代的到来,对计算机信息处理技术的发展带来了巨大的机遇和挑战。基于此,本文对大数据时代进行概述,具体分析了"大数据"时代对计算机信息处理技术的影响,具体分析了"大数据"时代的计算机信息处理技术。 相似文献
8.
9.
10.
正云计算本质上是一种分布式计算,即通过将需要处理的海量数据信息分割成大量"小块",再交给无数个小程序分别处理后合并结果,最后反馈给用户。其优点在于计算速度快、计算量大。而大数据则刚好相反,大数据并不直接对数据信息进行处理,而是从近乎没有确切边界定义的"泛化"海量数据中发掘或者说"提纯"目标信息,这对网络架构和数据处理能力有着相当高的要求。就目前而言,大数据无法仅靠单台计算机完成海量数据处理,它还需要借助分布式体系架构来实现,于是云计算与计算机大数据处理的融合"联动"顺理成章。 相似文献
11.
12.
13.
大数据背景下大学图书馆开展数据素养教育的思考 总被引:1,自引:0,他引:1
在大数据背景下,数据作为一种信息资源其作用和影响越来越大,个人基本的数据分析和处理能力显得越来越重要。在信息素养教育的基础上,大学图书馆面向大学生开展数据素养教育是不可回避的现实。在分析当前国外数据素养教育的内容和模式基础上,对我国大学图书馆开展数据素养教育提出一些切实可行的思路。 相似文献
14.
在我国,多元化、信息化、科技化的大数据时代已经来临,伴随它出现的还有信息数据的疯狂增长量。为了能够将这些信息进行妥善的处理,计算机信息处理技术油然而生,并且很好地适应了这一问题,本文将在大数据时代背景下,对计算机信息处理技术的流程,发展现状,应用作出叙述,并对其在应用中的缺陷进行简要的分析。 相似文献
15.
伴随着大数据时代的到来,为现如今我国各个行业的发展带来了一定的改变,计算机信息处理技术作为引领大数据技术发展的重要技术方式,通过提高对该技术的研究和应用,具有着十分重要的意义。计算机的信息处理技术进行广泛的应用,不仅仅能够为居民的生活带来一定便利,也是能够为企业的运营管理提供出新颖的发展方式,并且也是能够充分的和互联网的技术结合也成为现如今最为先进的生产力。所以在本文中,主要是针对大数据时代的计算机信息处理技术进行全面的分析,在此基础上提出下文内容,希望能够给予同行业工作人员提供一定参考价值,加强计算机信息处理技术的发展和进步。 相似文献
16.
随着计算机信息技术的发展,国家进入大数据时代,计算机信息处理技术与传输技术等的应用给人们的生产生活带来了诸多便利,使工作效率得到了大幅度的提升,同时改变了人们生活的形式。大数据背景下,数据信息的处理量也极具增多,对计算机信息处理技术提出了更高的要求。将针对大数据时代下的计算机信息处理技术进行简要分析和探究,旨在提高计算机信息处理技术的效率和质量。 相似文献
17.
《科技广场》2017,(6)
在飞行器不断向更高、更快、更稳定方向发展时,监测飞行器的飞控性能和分析处理数据的能力与日益增长的大数据和高性能指标很难匹配,严重制约了飞行器的发展。针对这一问题,本文采用虚拟仪器——LabVIEW作为系统软件开发平台,提出一种基于LabVIEW的飞控及航电系统数据的监测系统设计。采用LabVIEW中数据采集模块和外部设备通信的DAQ助手,运用LabVIEW中TDMS模块对数据进行读写,利用自定义簇对不同数据类型进行捆绑,以数据流形式进行数据处理。采用界面动态调用,显示人机界面。此设计系统在实际应用中得到了很好的验证,数据实时监测且稳定可靠,对大数据具有很快的分析处理能力,满足了对飞行器的大数据监测的需求。面对飞行器的大数据实时监测性能的需求,有着广阔的实际应用前景。 相似文献
18.
19.
《科技通报》2015,(10)
通过挖掘生物信息大数据,从生物信息大数据库中提取感兴趣的数据特征,分析生物信息大数据集的细节结构,提高对生物信息的采集、处理、存储、传播,分析能力。传统的生物信息大数据挖掘模型采用基于小波多窗谱提取的生物信息挖掘算法,由于生物特征的属性权重需求各异,数据挖掘精度不高,提出一种基于梯度采样局部收敛的生物信息大数据挖掘模型。首先构建生物信息大数据库模型和生物信息特征挖掘实体模型,采用提取采样局部收敛方法实现对数据挖掘模型的改进,通过求解最优输入控制序列以及索引系统最优目标函数,实现系统的控制输入和预测,使用梯度采样局部收敛的方法进行生物信息大数据挖掘检测,得到生物信息大数据的梯度采样局部收敛属性集合。仿真结果表明,能实时准确地实现对生物信息的储存、检索和分析,提高数据挖掘能力,收敛精度较高。 相似文献