数据依赖

摘要： 社会治理是国家治理的重要组成部分,大数据嵌入社会领域并与其发挥耦合作用是将顶层的制度优势转化为治理效能的重要举措。随着互联网技术的飞速发展,大数据技术在各领域获得全方位应用,已经成为推动社会治理的重要手段。把价值中立的数字工具运用到蕴含公共价值的社会治理,利益裹扶改变技术价值中立性质,会在社会治理场域形成数据赋能与数据依赖的双重效应。扬长避短是未来促进大数据技术与社会治理全景式融合的基本思路,具体表现为对治理主体、治理对象、治理方式、治理目标等多方面进行优化,更大程度以数据赋能,突破数据依赖因境。

摘要： 鉴于有监督神经网络降噪模型的数据依赖缺陷,提出了一种基于无监督深度生成(UDIG)的盲降噪模型。首先,利用噪声水平评估(NLE)算法测定给定噪声图像中的噪声水平值并输入到主流FFDNet降噪模型中,所得到的降噪后图像(称为初步降噪图像)作为UDIG降噪模型的输入;其次,选用编码器—解码器架构作为UDIG模型的骨干网络并用UDIG模型的输出图像(即生成图像)分别与初步降噪图像、噪声图像之间的均方误差之和构建混合loss函数;再次,以loss最小化为优化目标,通过随机梯度下降(SGD)网络训练算法调整网络模型的参数值从而获得一系列生成图像;最后,当残差图像(噪声图像与生成图像之间)的标准差逼近之前NLE算法所测定的噪声水平估计值时及时终止网络迭代训练过程,从而确保生成图像(作为降噪后图像)的图像质量最佳。实验结果表明:与现有的主流降噪模型(算法)相比,UDIG降噪模型在降噪效果上具有显著优势。

摘要： 注入攻击是当前Web网站面临的主要威胁之一,其攻击主要是由于未对外部输入数据进行判断和验证导致,对这类污点源进行跟踪可有效发现Web网站漏洞。运用Soot字节码分析工具对J2EE程序进行静态污点分析,通过数据依赖关系建立污点源与污点汇聚点的可达矩阵,生成污点传播路径,从而找出网站潜在的漏洞隐患。

摘要： 图形处理器(GPU)因其高并发和高吞吐量的特性被广泛应用于大数据和人工智能等高性能计算领域,随着超大规模集成电路技术的发展,片上集成的处理单元越来越多,高功耗在增加设备运行成本的同时,降低电池的使用时间和集成电路芯片的可靠性.针对功耗问题,提出一种基于数据依赖的GPU功耗管理方法(DDPM),通过优化线程分配和缓存置换策略减少GPU系统功耗.实验结果表明,DDPM相较于共享感知数据管理方法,L1缓存命中率提高了7％,DRAM数据传输量降低了8.1％;MC-aware-ORI,MC-aware-LoSe,MC-aware-SiOb方法能效分别提高了2.7％,2.65％,8.67％.

摘要： 线程级推测(TLS)技术的有效运用可提高多核芯片的硬件资源利用率,其已在多种串行应用的自动并行化工作中取得了较好效果,但目前缺乏对HPEC应用子程序级线程推测方面的有效分析.针对该问题,设计子程序级推测的剖析机制及核心数据结构,选取HPEC中7个具有代表性的程序,挖掘其子程序级的最大潜在并行性,并结合线程粒度、并行覆盖率、子程序调用次数、数据依赖及源码,对程序的加速比进行分析.实验结果表明,fdfir、svd、db和ga程序的加速比在2.23 ～11.31,tdfir程序的加速效果最好,加速比达到221.78,对于包含多次非重度数据依赖子程序调用的应用,更适合采用子程序级TLS技术测试其并行性.

摘要： 相对于经典的采用逐点检测与复原方式实现的开关型随机脉冲噪声(Random-Valued Impulse Noise,RVIN)降噪算法,基于深度卷积神经网络构建的非开关型RVIN降噪模型在降噪效果和执行效率上均有显著优势,但也存在着固有的数据依赖缺陷,不能在降噪效果和易用性两个方面同时获得最佳性能.为此,以DnCNN(Denoising Convolutional Neural Network)深度降噪网络模型架构为设计基础,提出了一种新的用于去除RVIN噪声的两阶段盲卷积降噪(Two-stage Blind Convolutional Denoising,TBCD)模型.在第一阶段,针对给定的受0～90％范围内某个比例RVIN噪声干扰的噪声图像,利用DnCNN-B(DnCNN for Blind Denoising Task)盲降噪模型完成初步降噪.同时,利用噪声检测模型预测出噪声图像相应的噪声标签,然后将噪声图像与噪声标签矩阵按位相乘生成稀疏采样图像(Sparse Sampling Image,SSI).在第二阶段,为了进一步提高DnCNN-B盲降噪模型所复原的初步降噪图像的质量,将其与SSI图像连接(concatenate)后再次输入到预先训练好的双通道图像质量提升模型中获得残差图像,之后将初步降噪图像减去残差图像得到最终的降噪图像.与现有的开关型RV I N降噪算法相比,所提出的非开关型TBCD模型在各种噪声比例条件下获得的峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)指标平均值能高出5～8 dB,展现出深度降噪网络模型的显著优势.而与盲降噪版的DnCNN-B和非盲降噪版的DnCNN-S(DnCNN with Known Specific Noise Ratio)两个深度降噪模型相比,TBCD模型复原图像的PSNR平均值比DnCNN-B高0.5 dB,仅比理想实现条件下(需给定准确的噪声比例值并调用专门训练的降噪模型)的DnCNN-S模型低0.3dB.这表明采用两阶段策略实现的TBCD盲卷积降噪模型在降噪效果和易用性两个方面都获得了最佳性能,很好地解决了深度RV I N降噪模型所存在的数据依赖问题.

摘要： 近些年来,层出不穷的恶意软件对系统安全构成了严重的威胁并造成巨大的经济损失,研究者提出了许多恶意软件检测方案.但恶意软件开发中常利用加壳和多态等混淆技术,这使得传统的静态检测方案如静态特征匹配不足以应对.而传统的应用层动态检测方法也存在易被恶意软件禁用或绕过的缺点.本文提出一种利用底层数据流关系进行恶意软件检测的方法,即在系统底层监视程序运行时的数据传递情况,生成数据流图,提取图的特征形成特征向量,使用特征向量衡量数据流图的相似性,评估程序行为的恶意倾向,以达到快速检测恶意软件的目的.该方法具有低复杂度与高检测效率的特点.实验结果表明本文提出的恶意软件检测方法可达到较高的检测精度以及较低的误报率,分别为98.50％及3.18％.

摘要： 近些年来,层出不穷的恶意软件对系统安全构成了严重的威胁并造成巨大的经济损失,研究者提出了许多恶意软件检测方案。但恶意软件开发中常利用加壳和多态等混淆技术,这使得传统的静态检测方案如静态特征匹配不足以应对。而传统的应用层动态检测方法也存在易被恶意软件禁用或绕过的缺点。本文提出一种利用底层数据流关系进行恶意软件检测的方法,即在系统底层监视程序运行时的数据传递情况,生成数据流图,提取图的特征形成特征向量,使用特征向量衡量数据流图的相似性,评估程序行为的恶意倾向,以达到快速检测恶意软件的目的。该方法具有低复杂度与高检测效率的特点。实验结果表明本文提出的恶意软件检测方法可达到较高的检测精度以及较低的误报率,分别为98.50%及3.18%。

摘要： 数据依赖是属性间取值相互约束条件的形式化表示,函数依赖是一种对数据库模式设计及查询具有重要影响的数据依赖.对于不确定关系,由于一条元组中属性取值存在多种可能,属性间取值相互约束的情况要比一般关系中的复杂.为进一步研究不确定关系中数据间的联系,给出了不确定关系模式的形式化定义,提出了3类不确定函数依赖,并证明了其推导规则.此3类不确定函数依赖可以检查不确定关系的可能世界中是否存在违反规范化设计要求的风险,从而避免数据冗余,更新异常操作.

摘要： SaaS应用在版本升级过程中，相对于同时维护两个系统，只维护一个系统供两个版本应用访问可以有效节约资源，在这期间对系统的数据库模式进行渐进式演化，可以在节省数据迁移成本的同时保证两版本应用的存取效率．模式的渐进式演化过程中各个操作之间存在的数据依赖使得演化操作需要遵循一定的顺序执行．本文提供了一种基于数据依赖的渐进式模式演化方法，将数据依赖应用在演化操作集合上生成一个操作执行顺序矩阵，利用这个矩阵可以判断一个演化方案能否顺利执行．文章利用一个具体场景进行了验证，我们认为本文提出的方法是合理而且有效的．

摘要： XML数据库模式规范化设计是产生一组相关联的、能表示数据间依赖关系、而且消除了冗余的XML模式或DTD,其目的是为了互联网上的信息检索能够避免异常. XML数据库模式中某些数据依赖的存在是冗余存在的原因,因此在XML数据库模式中数据依赖与冗余的关联是其规范化设计研究的关键问题. XML数据库模式的数据依赖包括属性间数据依赖和元素间的数据依赖,与之关联的结构冗余和不规则是指在XML模式的结构上存在冗余和不规则的情况.给出综合了属性间和元素间数据依赖的XML数据库模式数据依赖的定义,分析与之关联的结构冗余以及不规则的情况,基于此定义消除结构冗余和不规则的规范的XML模式森林作为范式,给出并验证其规范化设计算法.

摘要： 应用图像底层特征来表达高层语义是一种有效的图像自动分类技术.本文针对图像分类过程中高维特征向量处理、合适的描述符集合选择难题,由模糊决策表出发,使用图像语义贴近度概念来检验图像特征属性间的数据依赖关系,以达到属性约简、图像分类规则推导的目的,最后定义了图像类别隶属度函数来判断图像的类别.实验结果表明,该方法能较好地实现图像自动分类。

摘要： 针对工作流系统中存在的异常问题，本文提出了一个基于WF-net和ECA规则的工作流恢复网模型。主要对可预测和不可预测异常处理进行分析。模型设计时采用了WF-net结构，运行时可动态调整工作流结构，采用基于任务的恢复策略处理异常。rn 利用EcA规则处理模型可预测异常，考虑任务间的数据依赖，采用人工恢复策略处理不可预测异常。模型不仅使得工作流网形式化的正确性验证和ECA规则的技术成功实现简单，形成优势互补，而且实现了工作流模型和异常处理的无缝结合。

摘要： 现有程序依赖性分析技术单独考虑数据依赖与控制依赖,忽略了两者之间的联系,不利于提高分析的精度.提出了概率依赖性的概念,分析各种过程内与过程间依赖性的概率,并提出概率系统依赖图的概念及其构建方法.这种方法可以比较精确地分析程序行为,在程序理解、软件测试以及软件重构等方面有着较好的应用前景.

摘要： XML数据库模式规范化设计是产生一组相关联的、能很好地表示数据间依赖关系、而且消除了冗余的XML模式或DTD,以更好地进行信息检索.XML数据库模式中某些数据依赖是冗余存在的原因.因此在XML数据库模式中数据依赖与冗余的性质以及关联是其规范化设计要解决的关键问题.XML数据库模式的数据依赖包括属性间数据依赖和元素间的数据依赖.在以往的工作中,已经给出XML数据库模式中元素间的数据依赖及其所关联的显式冗余的有关性质,并基于此实现和验证相应的XML数据库模式规范化设计算法.分析XML数据库模式中属性间的数据依赖、元素间的数据依赖及其关联,定义XML数据库模式数据依赖及其相关联的隐式冗余,并论证XML数据库模式中隐式冗余不存在的充分条件.

摘要： 函数依赖是一种常见的数据依赖,反映了数据之间的完整性约束.然而,现实世界存在着大量非精确的函数依赖,例如病理学家希望获得不同饮食习惯与不同疾病的关系,市场营销人员希望知道不同的年龄阶层与商品购买力间的关系等.这些数据间普遍存在的非精确的函数依赖关系为近似函数依赖(ApproximateFunctionalDependencies.近似函数依赖在知识发现、隐私保护和数据推演等方面都有着重要的作用.本文提出了一种基于值等的近似XML函数依赖定义.使用XML近似函数依赖强度和支持度两个指标衡量XML近似函数依赖.提出了XML近似函数依赖约减集的概念,并提出一种抽取文档中XML近似函数依赖约减集的方法.本文还提出了多种优化抽取的策略,实验表明优化后的算法效率有了显著的提高.

摘要： 本文从HPC中的问题规模、同步等待、消息传递延迟、数据分解与定位和指令级并行等不同角度出发，通过实例与实验分析，阐述了影 响并行应用程序效率和通用性的主要因素，并提出了可用于参考的规则或注意事项。

摘要： 本文从HPC中的问题规模、同步等待、消息传递延迟、数据分解与定位和指令级并行等不同角度出发，通过实例与实验分析，阐述了影 响并行应用程序效率和通用性的主要因素，并提出了可用于参考的规则或注意事项。

摘要： 描述了用于压缩要发送的数据的系统和方法。将诸如字节码序列等数据流分成一个或多个数据组块。数据组块可与诸如区分数据组块的签名等标识符相关联。因此，不同数据组块可通过不同签名来标识。与签名相关联的数据组块可与储存库或历史缓冲区进行比较。历史缓冲区包括各自与其相应签名相关联的之前被发送的数据组块的集合。

摘要： 本发明为一种数据依赖的数据质量检测方法及装置，所述方法包括：步骤b，分析参照文件，根据所述参照文件各字段具有不同值的个数判断该字段所处级别，并将各字段的值组织成所述参照文件的树形结构；步骤c，接收待检测数据，根据所述参照文件的所述字段的名称及其对应级别信息，确定所述待检测数据待检测字段与参照级别的映射，并组织成所述待检测字段的树形结构；步骤d，遍历所述参照文件的树形结构，在所述待检测字段的树形结构对应位置上查找值，并做出标记；所述装置包括与各个步骤相对应的参照文件分析单元、数据依赖规则定义单元和数据依赖规则检查单元。这样，可以在检查过程中准确定位错误的发生源，且大大提高了检测速度和效率。

摘要： 本发明公开一种基于数据依赖性和访问量的云数据分配存储的优化方法(1)初始阶段的数据分配，a：原始数据中的固定数据集分配到相应数据中心；计算非固定数据集中每一个数据集与其他数据集之间的相关度；b：依次分配每一个数据集，选择与之相关度最大的数据集；若无法分配则放置等待队列中，等待最后阶段分配；(2)运行阶段，a：根据传输开销将任务调度到传输开销最小的数据中心执行；b：执行完毕后若新产生任务与数据集，则首先更新任务集合，然后根据数据集与数据中心的相关度，选择相关度最大的数据中心放置中间数据集。本发明还公开一种实现上述方法的系统。采用本发明不仅考虑数据的访问量而且考虑数据间的依赖性，大大提高了云计算下的访问效率。

摘要： 本发明提供了一种对非数据依赖型采集模式质谱数据的分析方法，包括以下步骤：将多个分析样本中不存在的、重同位素标记的标准品混入被检样品中；利用气相或液相色谱与质谱连用分析样品；获得各DDA模式采集的数据中重同位素标记的标准品、被检样品中各成份的质谱信息，并制作相应的质谱数据库文件；搜索出各DIA模式采集的数据中重同位素标记的标准品的质谱信息；制作适用于每个DIA模式采集的数据文件分析的质谱数据库文件；利用质谱数据商业软件对该DIA数据进行搜索，获得该样品各组份的定性、定量结果。本发明提供的质谱DIA分析方法是一种全新的方法，能够更大量地检出样品中的成份并能够更准确地对各成份进行定量分析。

摘要： 数据依赖解析辅助装置针对在程序中使用的全部指针，进行上下文相关的指针解析并算出指针信息，针对解析对象区域的全部语句以及执行解析对象区域时能够被调用的全部语句，利用上下文相关的指针信息进行上下文相关的数据流解析，算出语句间的数据流信息，利用数据流信息，在源程序所包含的两个以上的线程化区域中算出区域间的数据依赖信息。

摘要： 本发明公开了一种数据依赖关系分析的方法，在OPM基础上，建立数据起源依赖关系分析模型，具体给出数据起源依赖关系和数据依赖关系，利用细化操作和合成操作具体分析数据依赖关系，其特征在于，包括以下步骤：（1）建立一种数据起源依赖关系分析模型，具体给出数据起源依赖关系和数据依赖关系，以及该模型中相关操作；（2）基于数据起源依赖关系分析模型，设计一种数据依赖关系分析方法；（3）基于规则，重点设计数据依赖分析细化、合成算法。采用本发明的模型及方法，充分考虑了数据起源语义完备和存储空间节约需求，实现了不同抽象级别数据起源分析，很好满足了不同用户对于数据起源的个性化追踪，有很好的转化前景。

摘要： 本发明提供一种处理数据依赖性的方法及其微处理器以及数据处理系统。引入一种使用记分板中的计数器的微处理器来处理数据依赖性。微处理器包含具有映射到记分板的条目的多个寄存器的寄存器堆。记分板的每个条目具有跟踪寄存器中的每一个的数据依赖性的计数器。计数器在每个时钟周期递减，直到计数器在其倒计数为0时对自身进行复位为止。经由实施记分板中的计数器，指令管线可根据先前发出的指令存取记录在记分板的计数器中的寄存器所花费的时钟周期数来管理。

摘要： 本发明提供了一种对非数据依赖型采集模式质谱数据的分析方法，包括以下步骤：将多个分析样本中不存在的、重同位素标记的标准品混入被检样品中；利用气相或液相色谱与质谱连用分析样品；获得各DDA模式采集的数据中重同位素标记的标准品、被检样品中各成份的质谱信息，并制作相应的质谱数据库文件；搜索出各DIA模式采集的数据中重同位素标记的标准品的质谱信息；制作适用于每个DIA模式采集的数据文件分析的质谱数据库文件；利用质谱数据商业软件对该DIA数据进行搜索，获得该样品各组份的定性、定量结果。本发明提供的质谱DIA分析方法是一种全新的方法，能够更大量地检出样品中的成份并能够更准确地对各成份进行定量分析。

摘要： 本发明公开一种基于数据依赖性和访问量云数据分配存储优化方法(1)初始阶段的数据分配，a：原始数据中的固定数据集分配到相应数据中心；计算非固定数据集中每一个数据集与其他数据集之间的相关度；b：依次分配每一个数据集，选择与之相关度最大的数据集；若无法分配则放置等待队列中，等待最后阶段分配；(2)运行阶段，a：根据传输开销将任务调度到传输开销最小的数据中心执行；b：执行完毕后若新产生任务与数据集，则首先更新任务集合，然后根据数据集与数据中心的相关度，选择相关度最大的数据中心放置中间数据集。本发明还公开一种实现上述方法的系统。采用本发明不仅考虑数据的访问量而且考虑数据间的依赖性，大大提高了云计算下的访问效率。

摘要： 本发明为一种数据依赖的数据质量检测方法及装置，所述方法包括：步骤b，分析参照文件，根据所述参照文件各字段具有不同值的个数判断该字段所处级别，并将各字段的值组织成所述参照文件的树形结构；步骤c，接收待检测数据，根据所述参照文件的所述字段的名称及其对应级别信息，确定所述待检测数据待检测字段与参照级别的映射，并组织成所述待检测字段的树形结构；步骤d，遍历所述参照文件的树形结构，在所述待检测字段的树形结构对应位置上查找值，并做出标记；所述装置包括与各个步骤相对应的参照文件分析单元、数据依赖规则定义单元和数据依赖规则检查单元。这样，可以在检查过程中准确定位错误的发生源，且大大提高了检测速度和效率。