大数据技术论文范文

引言：寻求写作上的突破？我们特意为您精选了12篇大数据技术论文范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

通过对大数据的汇集、智能分析和挖掘技术，发现数据中的潜在价值信息，帮助人们做出正确决策，这就是大数据产业的利益。国外大数据的起步比较早，比较成功的大数据应用案例有：商业龙头沃尔玛公司通过对消费者的购物数据进行分析，了解顾客的行为喜好，对超市的商品结构进行搭配重置以增加销售额；亚马逊公司通过大数据构建自己的推荐系统，每年可以靠此多收益20%；奥巴马通过大数据分析系统进行数据挖掘，用科学的手段获取选票、募集资金，赢得了总统竞选的胜利。相比于国外，国内的大数据研究和应用还处于起步和发展中的阶段，比较成功的案例有：淘宝数据魔方平台，通过大数据，为买家量身打造完善的购物体验产品；新浪微博大数据产品，通过大量的社交数据，创造不同的社会经济价值等。

1.2云计算的发展

云计算可以像电力资源一样提供弹性的按需服务，事实上它是集合了一系列的服务提供给用户。云计算的核心可分为三个层次，分别为基础设施层、平台层、应用层，如图2所示。云计算将基础设施、软件运行环境、应用程序抽象成服务，具有可靠性高、可用性强、规模可伸缩等特点，满足了不同企业的发展需求，各个云服务提供商根据各自服务对象的差别分别开发了各具特色的云服务。（1）基础设施即服务层基础设施即服务（InfrastructureasaService，IaaS）层通过部署硬件基础设施对外提供服务，用户可以根据各自的需求购买虚拟或实体的计算、存储、网络等资源。用户可以在购买的空间内部署和运行软件，包括操作系统和应用程序。消费者不能管理或控制任何云计算基础设施，但能控制操作系统的选择、存储空间、部署的应用，也有可能获得有限制的网络组件（如防火墙、负载均衡器等）的控制。云服务提供商为了使硬件资源得到更有效的利用，引入了Xen、KVM、VMware等虚拟化技术，使得云服务商可以提供更个性化的IaaS服务。亚马逊弹性云计算（AmazonElasticComputeCloud，AmazonEC2）是亚马逊Web服务产品之一，AmazonEC2利用其全球性的数据中心网络，为客户提供虚拟主机服务，让使用者可以租用云服务运行所需应用的系统。（2）平台即服务层平台即服务（PlatformasaService，PaaS）层是指云计算应用程序开发和部署的平台，包括应用设计、应用开发、应用测试和应用托管，都作为一种服务提供给客户。开发者只需要上传代码和数据就可以使用云服务，而无需关注底层的具体实现方式和管理模式。鉴于PaaS平台的重要意义，国内外厂商根据各自的战略提出了相应的PaaS平台，国外的如GoogleAppEngine（GAE），通过GAE，即使在重载和数据量极大的情况下，也可以轻松构建能安全运行的应用程序。国内也有新浪的SAE（SinaAppEngine）、阿里的ACE（AliyunCloudEnginee）等。（3）软件即服务层软件即服务（SoftasaService，SaaS）层是为云计算终端用户提供基于互联网软件应用服务的平台。随着Web服务、HTML5、AJAX、Mashup等技术的成熟与标准化，SaaS应用近年来发展迅速，典型的SaaS应用包括GoogleApps、SalesforceCRM等。国外云计算平台比较成功的应用案例有：亚马逊电子商务网站根据用户的购买行为和搜索技术搭建Hadoop集群，构建推荐系统；Twitter社交网站搭建Hadoop分布式系统用于用户关联的建立。国内云计算平台的成功案例有：阿里巴巴目前整个集群达到1700个节点，数据容量达到24.3PB，并且以每天255TB的速率不断攀升；2013年，华为推出国内首个运营云平台，目前为止与该平台签订协议的ISV有3000多家。

1.3云计算相关技术

（1）分布式文件系统分布式文件系统（GoogleFileSystem，GFS）[3]是Google公司针对云计算过程处理海量数据而专门设计的。一个GFS集群由一个主节点和多个从节点组成，用户可以通过客户端访问文件系统，进行正常的文件处理工作。在云计算中，海量数据文件被分割成多个固定大小的数据块，这些数据块被自动分配到不同的从节点存储，并会在多个节点进行备份存储，以免数据丢失。主服务器管理文件系统记录文件的各种属性，包括文件名、访问控制权限、文件存储块映射、块物理信息等数据。正是通过这个表，文件系统可以准确地找到文件存储的位置，避免数据丢失，保证数据安全。图3是GFS的体系结构示意，每一个节点都是普通的Linux服务器，GFS的工作就是协调成百上千的服务器为各种应用提供服务。（2）分布式并行数据库BigTableBigTable[4]是一个为管理大规模结构化数据而设计的分布式存储系统，可以扩展到PB级数据和上千台服务器。很多Google的项目使用BigTable存储数据，这些应用对BigTable提出了不同的挑战，比如对数据规模的要求、对时延的要求。BigTable能满足这些多变的要求，为这些产品成功地提供了灵活、高性能的存储解决方案。BigTable采用的键是三维的，分别是行键（RowKey）、列键（ColumnKey）和时间戳（Timestamp）。行键和列键都是字节串，时间戳是64位整型；值是一个字节串，可以用（row:string,column:string,time:int64）string来表示一条键值对记录。（3）分布式计算框架MapReduceMapReduce[5]是Google公司提出的大数据技术计算框架，被广泛应用于数据挖掘、海量数据处理以及机器学习等领域，由于其并行化处理数据的强大能力，越来越多的厂商根据MapReduce思想开发了各自的云计算平台，其中以Apache公司的Hadoop最为典型。MapReduce由Map和Reduce两个阶段组成。用户只需要编写简单的map()和reduce()函数就可以完成复杂分布式程序设计，而不用了解计算框架的底层实现。MapReduce的数据分析流程如图4所示。分布在不同服务器节点上的海量数据首先通过split()函数被拆分成Key/Value键值对，map()函数以该键值对为输入，将该键值对进行函数处理，产生一系列的中间结果并存入磁盘。MapReduce的中间过程shuffle()将所有具有相同Key值的键值对传递给Reduce环节，Reduce会收集中间结果，并将相同的Value值合并，完成所有工作后将结果输出给用户。MapReduce是一个并行的计算框架，主要体现在不同的服务器节点同时启动相同的工作，并且在每个独立的服务器节点上又可以启动多个map()、reduce()并行计算。

2基于云计算的大数据处理

目前大数据处理的基本流程如图5所示，整个流程经过数据源的采集，用不同的方式进行处理和加工，形成标准的格式，存储下来；然后用合适的数据计算处理方式将数据推送到数据分析和挖掘平台，通过有效的数据分析和挖掘手段，找出大数据中有价值的信息；最后通过可视化技术将信息展现给人们。

2.1数据采集存储

大数据具有不同结构的数据（包括结构、半结构、非结构），针对不同类型的数据，在进行云计算的分布采集时，需要选择不同的数据采集方式收集数据，这也是大数据处理中最基础的一步。采集到的数据并不是都适合推送到后面的平台，需要对其进一步处理，例如来源不同的数据，需要对其进行加载合并；数据存在噪声或者干扰点的，需要对其进行“清洗”和“去噪”等操作，从而保障数据的有效性；数据的格式或者量纲不统一的，需要对其进行标准化等转换处理；最后处理生成的数据，通过特定的数据库，如NoSQL数据（Google的BigTable，Amazon的Dynamo）进行存储，方便进行下一步的数据读取。由于传统的数据仓库无法适应大数据的存储要求，目前基于云计算的数据仓库都是采用列式存储。列式存储的数据具有相同的数据类型，可以大大提高数据的压缩率，例如华为的云存储服务MOS（MassiveObjectService）的数据持久性高达99.9%，同时提供高效率的端到端保障。

2.2数据计算模式

这一环节需要根据处理的数据类型和既定目标，选择合适的计算模型处理数据。由于数据量的庞大，会消耗大量的计算资源，因此，传统的计算技术很难使用大数据的环境条件，取而代之的是分而治之的分布式计算模式，具有代表性的几种计算模式的特点见表1。采用批处理方式计算的Hadoop平台，例如，Facebook拥有全球最大规模的Hadoop集群，集群机器目前超过3000台，CPU核心更是超过30000个，可以存储的数据量能够达到惊人的40PB；采用流处理方式计算的Storm平台分布式计算的时延比Hadoop更小；实时处理方式计算的Spark是一种基于内存的计算模式，例如，Yahoo运用Spark技术在广告营销中实时寻找目标用户，目前在Yahoo部署的Spark集群有112台节点和9.2TB内存；交互处理方式计算的Dremel在处理PB级别的数据时耗时可以缩短至秒级，并且无需大量的并发。

2.3数据分析挖掘

数据分析挖掘环节是从海量数据中发现隐藏规律和有价值信息的过程，这个环节是大数据处理流程最为有价值和核心的部分，传统的数据分析方法有机器学习、商业智能等。传统的数据挖掘十大算法[6]（其中有K-Means、Na觙veBayes、SVM、EM、Apriori等）在云计算环境下都得到了大幅度的并行优化，在大数据的背景下，计算速度得到了很大程度的提升。现在新兴的深度学习是原始机器学习的一个新领域，动机是在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，这种新的数据分析挖掘技术已经在计算机视觉、语音识别、自然语言处理等领域有了成功的应用。

2.4数据解释展现

将挖掘出来的复杂信息进行数据解释和展现是整个大数据处理流程的最后一个环节，数据分析的结果需要向客户进行恰当的展现。与传统的数据输出和文本展示等方式不同，现在绝大部分的企业都通过引进“数据可视化”技术来展示大数据分析的结果信息，这种方式以图像、动画等方式，形象地向客户展现数据处理分析的结果，也容易被客户理解和接受，更为先进的是，现在逐步形成的“交互式可视化技术”，大大地方便了数据与人之间的“亲密交流”。目前面向大数据主流应用的可视化技术见表2。

3大数据和云计算的未来挑战

大数据需要超大存储容量的计算能力，云计算作为一种新的计算模式，为大数据的应用研究提供了技术支持，大数据和云计算的完美结合，相得益彰，发挥了各自的最大优势，为社会创造了巨大的价值。虽然国内大数据和云计算的研究还是处于初步阶段，但随着研究的不断进行，所面临的问题也越来越多。在大数据向前不断迈进的阶段里，如何让我们对大数据的研究朝着有利于全人类的方向发展成为了重中之重。

3.1重要战略资源

在这个信息社会里，大数据将会成为众多企业甚至是国家层面的重要战略资源。国家层面要将大数据上升为国家战略。奥巴马在2012年3月将“大数据战略”上升为最高国策，像陆权、海权、空权一样，将数据的占有和控制作为重要的国家核心能力。大数据资源也会成为各种机构和企业的重要资产以及提升企业社会竞争力的有力武器。在大数据市场里，客户的各种数据信息都会为企业创造价值，也会在促进消费水平、提高广告效应等方面扮演重要的角色。

3.2数据隐私安全

大数据如果运用得当，可以有效地帮助相关领域做出帮助和决策，但若这些数据被泄露和窃取，随之而来的将是个人信息及财产的安全问题得不到保障。2011年索尼公司遭到黑客攻击，造成一亿份客户资料泄露，经济亏损约1.71亿美元。为了解决大数据的数据隐私安全问题，Roy等在2010年提出了一种隐私保护系统，将信息流控制和差分隐私保护技术融入到云计算平台中，防止MapReduce计算过程中的数据泄露问题。在数据更新飞速的情况下，如何维护数据的隐私安全成为大数据时代研究的重点方向。

3.3智慧城市

人口的增长给城市交通、医疗、建筑等各方面带来了不小的压力，智慧城市就是依靠大数据和云计算技术，实现城市高效的管理、便捷的民生服务、可持续的产业发展。在刚刚结束的“两会”的政府工作报告中，总理也特意强调了智慧城市发展的重要性，目前国家智慧城市试点已遍布全国各地，多达409个。智慧安防、智慧交通、智慧医疗等都是智慧城市应用领域。智慧城市的建设也趋使大数据人才的培养。据预测，到2015年，大数据将会出现约100万的人才缺口，全球将新增440万个与大数据相关的工作岗位来填补这个空缺。

篇2

1.1数量大（Volume）。大数据的数据量级已发展至PB（1000T）、EB（100万个T）乃至ZB（10亿个T），可称为海量、巨量乃至超量。

1.2速度快（Velocity）。大数据往往表现为高速实时数据流，时效性非常高。因此对处理工具的要求很苛刻，软件工程、人工智能、机器学习等都应引入。这是区别于传统数据最显著的特征。

1.3多样化（Variety）。数据种类繁多，形式多样。包括各种信息及其网页、图片、音频、视频、图像与位置等存在方式。

1.4价值高（Value）。大数据数量越庞大，价值越高，真实性、可靠性越强。但同时无效信息也越多，需要通过强大的机器算法对数据迅速地“去粗取精”，否则也只能望洋兴叹。

2大数据对科技咨询业发展的影响

2.1拓展业务空间大数据信息对应的是高速实时数据流。这些数据流往往能产生难以想象的作用，其能量也将被层层放大，还有可能在另一个看起来毫不相关的领域得到应用。大数据环境下的科技咨询就将具有全球性、战略性意义，业务范围和服务空间都将得到迅速拓展。科技咨询各相关要素，如科技资源、科技人才、创新需求、创新环境、创新成果等的疆界，将受到大数据浪潮的冲击。同时，落后地区和难以涉猎领域的业务也将在其带动下快速提升。

2.2规范咨询决策大数据将改变科技咨询决策方式，使其进入“数据驱动型”决策模式。因为面对大数据的潜在价值，决策者不仅要使用新的技术，还要改变目前的决策过程，政府也将更有效率、更加开放、更加负责。因为引导政府决策的是基于实证的事实，而不是意识形态，也不是利益集团在政府决策过程中施加的影响。

3大数据环境下科技咨询业发展道路

从上面的分析不难看出，大数据将给科技咨询业带来无限的生机和活力。科技咨询业应抢抓机遇，跨越发展，走规模化、信息化、科学化、现代化的可持续发展道路。

3.1挖掘大数据，促进规模化发展我国科技咨询业规模较小，究其原因，一是咨询市场还没有完全放开，市场主导地位没有显现，资本缺乏信心。二是科技咨询价值没有得到广泛认同，潜在需求得不到释放。三是现有机构没有形成专业分工和自主品牌，无法带来规模效应。然而，在大数据时代，最重要的生产资料———数据将自由地流动起来，推动知识经济和网络经济的发展，传统经济体制机制对科技咨询业的束缚将大大减轻，“得数据者得天下”将成为共识，市场将发挥主导作用，吸引大量资本进入，促使机构快速升级。同时，随着竞争的加剧，咨询质量、咨询价值必将得到提高和认同，潜在的需求必将迸发。

3.2利用大数据，加快信息化进程目前我国科技咨询信息化建设大致经历了计算机初步应用、管理信息系统应用和互联网技术应用三个阶段。随着时代的发展，大数据将掀起新一轮信息化革命。科技咨询业必须充分利用大数据技术，在政府引导下，进一步完善信息化工程，建立基于大数据的科技咨询信息平台，实现在虚拟空间中不同信息资源的快速整合与对接，提高咨询要素使用效率和运行主体工作效率。

3.3凭借大数据，提高科学化水平大数据的客观实在性和真实可靠性并存。对大数据进行深度挖掘，可以提高科技咨询科学化水平。首先，基于大数据，科技咨询信息的真实性有了更大的保障。其次，依据大数据特征，可帮助制定更为科学的咨询战略、方案和计划，同时降低过时咨询、无效咨询的风险。再次，基于大数据，科技咨询具有更强的针对性。咨询师可以深度分析、挖掘最高管理者的知识结构、创业经历、行为习惯等信息，准确把握其管理理念。最后，通过对大数据的分析、挖掘与利用，可最大程度地减少因数据不全而带来的负面作用。

3.4依托大数据，实现现代化转型随着时代的发展，传统的咨询工具、内容、形式、速度、效率等越来越不能满足现代社会发展的需求。依托大数据，可以实现科技咨询向现代化转型。首先，大数据环境促使科技咨询必须运用现代化咨询工具。如，大数据的超大量级迫切要求科技咨询设备现代化、信息数字化。其次，大数据促使科技咨询内容、形式现代化。现代社会工作、生活节奏很快，简洁实用、形式新颖是对科技咨询工作的新要求。形式多样的大数据正好为科技咨询提供了便利。再次，快速、高效是现代化的重要特征，而高速实时的大数据则要求科技咨询处理工具快速演进、高效运行。最后，大数据的基本特征决定了科技咨询必须进行全方位的改革创新，紧跟现代化发展步伐。大、多、真、快、稍纵即逝的大数据要求科技咨询必须借助移动互联、云计算、软件工程、人工智能、机器学习等手段，优化资源配置，建立高智能科技咨询协作平台，向科技咨询现代化迈进。

篇3

2分析PDA和全站仪中的数据

2.1串口技术

使用Wicrosoftwindows开发串口系统，进行有以下方式：a.使用windows来进行通信函数.b.windowsAPI对端口进行读写或者开发其它程序，对串口实行操作步骤。C.串口中的组件通信，比如Activek控制MSCcomm。根据以上介绍的几种方法，比如b需要熟悉电路结构，驱动层次比较深，需要有比较强的专业技能，如C方式简便，不能使EmbeddedVisualC++所接受，该程序就是应用windowsAP来进行通信函数。

2.2串口施行步骤

windows的读写文件方式不一样，它主要使用windows结构中的多线程，然后再后台进行串口读写，正常使用程序就要在前台进行。进行改善1/0的速度，使用windows结构中的多线程，可以使用它来进行开发非单一系统，windows不能操作1/0的异常操作，可以使用它来进行操作串口，使用异步的方法，可以提高系统的操作能力。工作效能比较高的串口是事件驱动。应用这种方法有比较高的时实性，主要是针对一些比较广泛的串口，跟查询的方式不一样，不是只对那个串口进行查询。是以中断的形式来进行，一般运行中断时，确定的事件发生变化时，windows系统就会发出信息，才能有针对性的进行处理，确保数据存在。

3开发通信程序

3.1串口通信应用API函数

⑴串口进行打开关闭。在应用程序中用Create-File函数把串口打开，注意事项主要有：A.串口名后面需要加个冒号（：）。B.PDA的串口就是全部已经打开的串口，只含COM1。C.应用的参数定为零，安全没有危险性的参数定为NULL。应用Close-Handle可以把串口关闭。⑵对串口进行配置。串口配置与PDA通信中的参数进行配置一起，这样才能达到通信的效能，因此配置也是比较重要的一个步骤。LPDCB主要是针对DCB结构，DCB结构是对串口的进一步描述，串口的波特率主要是由DCB中的BaudRate来确定,原因是CE对非二进制不能进行输送，所以fBinary要设定为TRUE，ByteSize是指字节在进行发送时接受到的数据。Parity是奇偶校验，StopBits是停止位数，⑶对串口进行读写。串口进行读写时可以使用ReadFile和WriteFile函数实现，主要是串口进行读写时速度不是很快，⑷对串口进行异步读写，CE不能进行操作输入输出的功能，因此只能应用读写进行重复操作。第一，设定串口EV_RXCHAR要用SetCommMask函数来实现，应用WaitCom-mEvent阻拦线程，指直到把事件EV_RX-CHAR设定好，字符要应用回调函数来进行处理，续等发生事件。

3.2隔开水平角、竖直角、距离及进行组合测量

在测量过后，需要测出水平角，偏心的水平角与距离不能合在一起测量，测量时要分开进行，因此应用程序能进行水平角和竖直角及距离分开测量以及组合测量，进行测角时不能仅仅依靠棱镜。所以，可以应用水平角和、竖直角、距离重复选框来进行模拟。针对不一样规模的全站仪，使用的方式也不一样，索佳操作的模式只含有一种规模的全站仪，只需要点击按钮即可，假如选择斜距就进行输送测角距，没有选中斜距进行输送测角距，收到的数据后。在根据模块来分析与选取有针对性的数据，拓扑康是第二种模式，在选中斜距时，还要在斜距中的复选框中进行点击，在进行输送时改变测量距离的模式，进行发送时。进行驱动测量，跟读取指令是一样的。

3.3处理已经接收到的字符串

⑴ASCII编码是已经收到的字符串，可以使用MultiByteToWideChar函数转变成Unicode编码然，在进行处理。⑵测量指令在进行发送出去后，全站仪中的数据不是一次性发完，应该是分层次来进行发送，因此，字符串要直接连接到字符串，才能完成接受任务。⑶字符串的主要任务就是接收完后，要依据复合框进行有效的选择，分析全站仪的字符串，也会显示的很清楚。⑷拓扑康是第二种模式，符串后的任务就是接受，在输送时显示清楚。相反，就会把全站仪输送数据全部给PDA，造成不良后果。

4应用在实际生活中

VC++2005smartdevice的MFCsmartdeviceApplication，PDA与全站仪中的通信主要依靠多线程来完成，使他们能够稳定运行。根据太原市在进行测绘进行探索指出，外业进行采集时，效果是良好的。全站仪中的数据直接读取，防止在读、记方面存在有误差。不过，对存在有误差的数据要自动检查，防止2C差、差互差、2C互差的影响产生误差，而不能及时的进行检查，而导致返工现象的发生，工作效率的提高，PDA储存的文件就是测量的结果，外业任务完成之后把所得出的结果直接输入到PC,经过对程序的进一步分析，能直接评估精准度及计算坐标，不使用人工来进行操作，从一定程度上减少了工作人员的工作量，也能减少造成不要的麻烦，有效的提高工作效率。

篇4

（1）学生的计算机应用能力差异大

高等院校的学生来自全国各地，而不同地区的中小学计算机教育水平参差不齐。单一的课堂教学已无法保证所有的学生学得会、学得好，这给教学带来了问题。

（2）教学和实验的学时严重不足

目前，各个高校都在减少课时，教师只能在课堂上和实验中加大讲授的知识量，加快教学进度。当一个教师面对几十个学生时，基础较差的学生往往得不到教师足够的指导和练习时间，这给辅导答疑带来了问题。

（3）学习的结果与过程未被记录下来

学生可以利用丰富的网络资源巩固课堂内容，扩大知识面，加深对知识的理解。在传统教学中，教师往往忽视了学生的课后学习，没有记录学习结果与过程，这给教育过程的改进带来了问题。

（4）目前的网络教学系统很少区分学习个体

网络教学系统能够提供大量的多媒体教学资源，帮助教师进行课后辅导答疑，却很少区分学习个体，导致缺乏个体相关的数据，从而难以提供个性化的指导，这给网络教学系统的智能化带来了问题。这些问题归根结底是数据的问题，是数据没有被有效地规划和整合的问题。我们把与学习过程相关的大量数据收集起来，对这些数据进行分析，挖掘出有价值的信息，最后传递给学习者，这是一种解决计算机基础教育所面临问题的可行方法。

2面向计算机基础教育的大数据

在当前知识大爆炸的时代，人们获取知识的途径不仅仅局限于课堂，更多的是网络资源。当代的大学生接受新生事物更快，更愿意在特定的学习情境下去主动构建知识。因此，大学计算机基础教育需要改革现有的教育模式，将大数据技术融入到大学计算机基础教育中，建立与时俱进的大数据驱动的教育模式可以有效解决上述问题。在大数据时代涌现出大量的网络教学系统，随着这些网络教学系统的推广和普遍应用，使用者数量急剧增加，产生了大量的数据。数据之间可能存在某种联系，对这些联系进行分析和挖掘可能会找到有价值的信息。将有价值的信息展现出来，能够帮助我们做出正确的决策。在人类社会的发展已经由动力驱动转变为数据驱动的背景下，教育正在发生着一场新的变革，大学计算机基础教育也面临着类似的机遇和挑战。通过网络教学系统，可以更加方便地获取和利用大学计算机基础教育相关的各种数据

。大学计算机基础教育涉及的数据主要有以下几种：

（1）课件。课件是文字、声音、图像、动画等素材的集合，帮助教师更加生动地讲解课程内容，主要使用PPT和Flash两种文件。

（2）视频。视频是将教师在课堂上的授课内容录制下来，为学生提供课后学习的方式。学生可以在教学系统中下载或在线学习视频内容。

（3）题目。题目主要用于测试学习效果，包括判断题、填空题、选择题、问答题、程序设计题等各种题型。

（4）问题。学生在学习过程中遇到的问题，通过教学系统提交给教师。这些问题反映了学习的难点，是教师在课堂上需要详细讲解的教学内容。

（5）代码。代码是学生做程序设计类题目时所编写的程序代码。学生编写代码的质量可以由教师评判，也可以由系统自动评判。

（6）行为。行为用来记录学生的学习活动，如课件下载行为、视频点播行为、作业浏览行为、编程行为等。这些行为能够反映出学生的学习情况。

（7）缺陷。缺陷是学生提交的作业中包含的各种错误，反映了学习过程中存在的问题。对教学系统而言，这些数据是进行个性化推荐学习的参考依据；对教师而言，这些数据能够提示教学过程中需要特别关注的地方。

（8）过程。过程是指在教学过程中收集到的一些宏观数据，如课件学习过程、视频学习过程、测试过程等。这些过程能够反映出学生学习的个体差异。

3大数据驱动的新模式

在大数据时代，我们可以利用大数据技术在大量与学习相关的数据中挖掘出有价值的信息。这些信息能够帮助学生更加科学有效地学习，较好地解决当前计算机基础教育面临的问题。因此，我们将大数据技术融入到大学计算机基础教育中，提出一种大数据驱动的计算机基础教育新模式。它是在有效规划和整合计算机基础教育大数据的前提下，为学生提供各种自主学习资源和服务的新模式。学生和教师在使用各种网络教学系统时，输入的数据和学习行为都被系统记录下来。利用大数据技术对记录下来的数据进行分析，挖掘出与学生学习特征相关的数据。这些数据为学生的后续学习提供个性化的推荐，规划个性化的学习路线；向教师反馈学生的学习行为和效果，为后续教学提供个性化的推荐，帮助教师改进教学方法。以在线课程系统、在线编程系统和在线答疑系统为代表的各种网络教学系统目前得到了广泛的应用，这些系统本质上都是大数据驱动。实践证明，这些系统的应用将为学生学习和教师教学提供实质性的帮助。

1）在线课程系统是课堂教学的延伸

大型开放式网络课程MOOC是国际上流行的教学平台。自2013年5月以来，北京大学、清华大学、复旦大学、上海交通大学等国内一流高校纷纷宣布加入MOOC，向全球提供免费的在线课程。MOOC采用云计算架构，提供大量的视频学习资源和人机交互功能。学生提交作业后，系统能自动评判作业的质量，以评估学习效果。MOOC的出现给计算机基础教育带来巨大影响。MOOC解决了学生计算机应用能力差异大的问题，学生不管基础如何，都能找到与之相应的学习内容；MOOC弥补了课堂教学学时不足的问题，学生能在课后随时随地找到学习资源；MOOC能够记录学习的结果与过程以及作业中的错误等，这些对于改进教学方式和调整教学重点等都有意义。

2）在线编程系统是实验环节的补充

随着SaaS技术(软件即服务)的不断成熟，出现了许多功能强大的在线编程系统。这给大学计算机基础教育中的程序设计类课程的实验教学

带来了巨大的帮助。使用在线编程系统进行实验的好处有以下几点：

（1）教师不用在实验室的每台计算机中安装软件，学生通过浏览器就可以编写程序；

（2）学生编写的代码都存储在云端，能上网的地方就能练习编程，并且随时可以修改代码，解决了实验教学学时不足的问题；

（3）在线编程系统主要记录代码和代码编写的过程，能够收集实验过程中与学习相关的数据。国外在线编程系统CodeCademy提供了一种学习编程的新方式。它的用户群是零基础的学习者，所以CodeCademy创设趣味性的学习环境，手把手帮助学习者了解编程的过程。它的在线编辑器能让学习者不用寻找、下载和安装编程环境就可以在网络上编程。在线编程系统不仅为实验教学提供了方便的实验环境，还能收集大量的程序代码和学生的编程行为，有助于分析学生的学习特点与习惯，区分学习个体，为制订个性化学习路线提供有价值的数据。

3）在线答疑系统是课后辅导的平台

学生在学习过程中常常会遇到很多问题，这些问题如果能及时得到解答，就能促进学生更深入地学习；反之，就会影响学生的学习效果和积极性。目前，互联网上已经出现了许多人工解答和自动解答的系统。有代表性的是上海交通大学的远程教育设计中心设计开发的AnswerWeb自动答疑系统，它是一个动态的问题及答案的数据库。学生输入关键词后可以在系统已有的问题和答案数据库中查找相关的材料。如果没有找到答案，则会自动转发给教师请求帮助解答。随后，新的提问和答案将被增加到系统库中。系统会记录所有的问题和答案以及学生提问过程中的行为。在线答疑系统应用到大学计算机基础教育中，解决了教师无法在课后对每位学生进行辅导答疑的问题。同时，利用大数据技术，答疑系统将学生提问和获得解答的行为记录下来，自动的分析这些数据，挖掘学习个体特征，为学生的后续学习提供个性化的推荐。

篇5

合成孔径雷达(SAR)经历了从光学记录成像到数字记录成像，从低分辨率到高分辨率，从单通道、单极化到多通道、多极化，从单频到多频的发展过程。SAR系统的迅速发展，使SAR的数据量也急剧增多，普通的存储器已经无法满足SAR系统对大容量、高速数据存储的要求。

常规的数据记录器的设计思路是通过高速PCI接口，采用SCSI总线处理器将高速数字信号存入SCSI硬盘。其缺点是数据传输的速率受PCI带宽的限制，而且PCI接口对微机系统的依赖性，使系统的模块化设计变得非常困难。另外，SAR对数据记录器的可靠性和工作环境的要求也非常高，使SAR数据记录器不能按照常规的方法设计。笔者通过对SAR系统的研究，基于模块化设计的思想，开发了一种基于FAS466的高速实时数据记录器。其特点是采用高速DMA接口、可脱离微机平台工作、体积小、可靠性高，实际持续存储速度达到72MB／s。

图1

1SCSI总线和硬盘

SCSI是美国ANSI9．2委员会定义的计算机和外设之间的接口标准。本系统采用SCSI硬盘，因为5CSI接口比常见的IDE接口具有更多优点：(1)SCSI提供了一个高速传输通道，传输速度更快；(2)SCSI接口采用总线主控数据传输(BusMasterDataTransfer)，占用CPU资源少；(3)可同时串接多台不同类型的设备；(4)SCSI硬盘在标识硬盘扇区时使用了线性的概念，即硬盘只有顺序的第1扇区、第2扇区…第n扇区，不像IDE硬盘的"柱面／磁头／扇区"三维格式。这种线性编排方式访问延时最小，可加快硬盘存取速率，尤其在持续大容量控据存储时，所显现的优势更为明显。

2系统的硬件结构设计

整个系统的设计总体框图如图1所示，包括高速数据源、高速差分接收器、DMA控制器、数据缓存器、DSP微处理器、SCSI协议控制器和高速SCSI硬盘等子系统；下面分别给出各子系统的设计(PADBUS表示控制信号线，DATABUS表示数据信号线)。

2．1高速数据源和高速差分线性接收器

系统的高速数据源接口为16位的并行接口，数据传输接口的所有信号均采用低电压差分模式LVDS传输，信号进入记录器之后要将LVDS电平转换成TTL电平。

2．2数据缓存器

数据缓存的目的是为SCSI的高速DMA传输做好准备，使两边数据传输速度匹配。数据的流向一般是一个口进，一个口出，不对信号进行任何处理。双口随机存储器RAM虽然也可完成这个任务，但是由于它需要复杂的地址译码电路，所以不采用，而采用FIFO。由于SAR系统每帧数据小于8KB，本系统选用的FIFO深度为8KB。

2．3SCSI协议控制器--FAS466

FAS466(FastArchitectureSCSIProcessor)处理器是Qlogic公司1999年上市的一种高性能SCSI引擎，它源于Qlogic公司的TEC450／452三重嵌入式控制铝系列，可提供Ultra2SCSI的同步传输速率，支持先进的SCSl自动配置模式的1层和2层协议，内部嵌有微控制器，能够通过编程方式灵活地协调SCSI作业队列，可以工作在启动或目标模式并支持单端或低电压差分模式的SCSI连接。

FAS466区别于其它SCSI协议控制器的最大特点是它采用微处理器和DMA接口结构，而常见的SCSI协议控制器采用PCI接口总线结构。这是本设计采用FAS466的一个主要原因。采用微处理器和DMA接口结构，可以通过DSP对传输进行控制，脱离微机平台，减少传输带宽限制，使数据记录器具有非常好的灵活性和可移植性。FAS466由SCSI控制器、微控制器、DMA接口和微处理器接口四个模块组成。外部微处理器通过微处理器接口对FAS466进行控制，SCSI控制器提供灵活、有效的底层SCSI协议控制，微控制器负责控制数据从DMA接口到SCSI硬盘的传输以及各个模块之间的协调。图2为FAS466的内部结构。

2．4OMA控制器

本设计采用DMA接口代替高速数据存储中常见的PCI接口。这不但使传输数据的速率有了比较明显的提高，而且使数据记录器可以脱离微机系统，使模块化设计成为现实。

本设计采用CPLD器件实现DMA控制器，而不采用专用的DMA控制器，主要考虑以下一些因素：本设计的数据传输速率达到72Mg／s，一般的专用DMA控制器难以胜任；专用的DMA控制器与FAS466之间的连接需要大量的逻辑转换电路和连线，使设计难度加大；DMA控制器还需要在DSP的控制下与FAS466进行协调才能一起工作，这增加了软件编程的难度；使用CPLD器件，除了完成DMA控制器的功能之外，还可以把电路中的译码、逻辑转换、系统复位等模块设计进去，减小了设备的体积，方便了以后对系统的升级和改进。

图3

2．5DSP微处理器

该高速数据记录器选用TI公司的TMS320F206作为微处理器。主要考虑TMS320F206片内包含32K×l6字的FLASHEEPROM，使DSP周围电路简单、设备的体积减小，而且系统升级也比较方便；指令集非常丰富，与TMS320C5X系列指令兼容；TMS320F206的指令周期为50ns，符合系统对DSP速度的要求。

DSP负责对各个模块进行协调和控制，实现高速数据记录的功能。需要注意的是：FAS466的微处理器接口数据／地址总线是复用的，而TMS320F206的数据／地址总线是分开的，需要外部逻辑将数据和信号总线整合。高速数据通过信号源接口进入本系统，首先进行电平转换，然后进入数据缓存器；在DMA控制器的控制下进入SCSI协议控制器；最后通过SCSI协议控制器存入高速SCSI硬盘。整个数据流程中，DSP微处理器负责各个子系统之间的协调和控制。由于采用分离的微处理器总线和DMA总线结构，因此达到了较高的记录速度。

3系统的软件设计

软件模块的设计是本系统设计的重点和难点，它负责对相关硬件控制和协调，最终实现SCSI协议、硬盘的控制和DMA传输等。本系统中，软件设计分为DSP控制软件和DMA控制器的CPLD实现两部分。程序的优劣关系到整个系统数据存储的速度，下面分别讨论。

3．1DSP控制软件

一般来说．要完成一次数据交换必须完成SCSI总线的仲裁、选择、消息、命令、数据和状态等阶段。这些阶段，微处理器TMS320F206通过对FAS466寄存器的读写控制完成实现。FAS466的寄存器主要有：

(1)命令寄存器(CommandRegister)：F206通过向命令寄存器写入相应指令，控制FAS466完成初始化、复位、总线分配与复位以及SCSI总线各个阶段的转变等功能；(2)FIFO寄存器(FIFORegister)：这是一个16字深的FIFO寄存器，SCSI硬盘和FAS466之间的数据交换都通过这个FIFO完成；(3)传输计数寄存器(TransferCountRegister)：是一个减法计数器，用于保存一次DMA数据传输的字节数；(4)中断寄存器(InterruptRegistet)：F206通过FAS466中断寄存器了解SCSI命令的执行情况，从而决定程序的执行流向。

SCSI控制软件流程如图3所示。首先初始化SCSI控制器，然后SCSI控制器与SCSI硬盘建立同步传输协议，在硬盘准备好的情况下才可以发送各种SCSI命令，如读、写等，同时处理好各种意外情况的发生。

篇6

随着信息化时代的到来，大数据的分析已经深入了各行各业，作为医疗的前沿，医院在信息化建设方面相对于其他行业相对薄弱。医院信息化薄弱问题一方面来自管理层对医院信息化建设的不重视问题；另一方面，医院信息化建设需要巨大的财力、物力和人力，医院将精力投入在医疗设备的改进和医疗水平的提高方面，在信息化建设上就难以投入过多的精力。

1.2信息化统计内容单一

在大数据时代，医院信息统计工作内容越来越丰富，然而一些医院并没有意识到信息统计数据的重要性，信息统计内容还只局限于对病人的病例进行统计。由于统计内容的单一，难以形成有效的分析数据，对于医院的管理和医疗水平的提高不能发挥出统计数据实际的价值。

1.3信息化统计专业性差

信息化在医院管理中的应用缺乏统计的专业性，目前，医院所采用的信息化系统主要包括HIS医院管理系统和CIS临床信息系统，这两套系统主要功能是降低劳动化强度辅助医院进行人和物的管理，而对于统计数据适用性并不强。所以医院信息化急需具有专业性的统计系统，充分利用数据的价值，帮助医院进行管理和医疗能力的提高。

2发展对策

2.1提高统计信息质量

在大数据时代，大量的信息集中在医院的信息科，如何快速将这些信息进行分类和提取是信息科所要面临的重要课题。信息的准确性是信息统计工作必须严格管控的内容，在现代化医疗体系建设中，把握信息的质量的关键在于建立信息内容评价标准和信息应用规范，信息数据的应用具有3个主要特征，一是准确性，二是适用性，三是及时性。统计信息的评价标准和应用规范主要围绕信息数据这3个主要特征进行确立。

（1）信息的准确性

信息的准确性对于来自方方面面的信息真伪进行判断，只有准确的信息才能够成为有效信息，在医院中如果误用了错误信息数据则会造成严重的问题。提高信息的准确性首先要明确信息的来源，其次要对信息的真伪进行辨别，最后对信息的价值进行评价。

（2）信息的适用性

在医院的信息管理中，如何从大量的信息内容中获取对信息应用目标有用的数据是信息管理的内容之一。信息的适用性选择需要建立统一的标准，避免“张冠李戴”造成信息错用的问题。信息的适用性原则主要从医院自身的信息采集为标准，因为不同的医院在信息产生上都不相同，只有利用自身的信息才能确保信息的适用性。

（3）信息的及时性

信息具有时效性，相同的事情在不同的阶段所产生的信息不一定完全相同，因此，在信息采集和统计时，必须要以最新数据为价值参考，加快信息刷新的频率，降低失效信息勿误的可能性。信息统计的及时性主要表现在医院建立信息及时交流的基础上，只有增强科室之间、部门之间、人员之间的信息沟通机制才能保证信息及时被利用。

2.2科学化管理

利用大量的数据统计促进医院科学化管理是医院信息统计工作的核心内容。医院信息统计科学化管理主要实现以下几方面工作目标：

（1）信息统计的评测

信息统计的评测功能可以对医院的人员、设备、耗材等进行统计，还可以对近段时间的医患病因进行统计，通过对医院各项数据的统计与近期医患病因的统计可以分析出在某段时间医院需要加强某方面医疗的能力。利用信息统计的评测功能还可以对医院某一专项的医疗水平进行评测，统计医疗过程中的不足，帮助医生及时调整医疗方案。

（2）信息统计的决策

我国医疗体制改革不断完善进行中，对于来自各个层面的数据进行统计分析，能够为医院的管理者提供准确的决策依据，帮助决策者正确判断医院经营方向。并且通过对本院的统计信息可以快速找到医院系统中的薄弱环节，依靠准确的数据为管理者提供医院改革的参考。

（3）信息化统计的监督

医院医疗和服务的质量是医院水平的重要表现，医院信息统计可以对医院的各个科室、每一位医生及护士的工作能力和工作状态进行一个时期的统计，通过数据可以客观地、真实地反映出不同科室的医疗质量和个人的服务水平。信息化统计的监督功能是保障医患关系融洽的重要手段，通过建立奖惩制度提高医生和护士的工作认真性，而信息化的统计数据则是衡量和监督医生和护士工作积极性的重要参考。

篇7

1.1数据采集

大数据的采集是整个流程的基础，随着互联网技术和应用的发展以及各种终端设备的普及，使得数据的生产者范围越来越大，数据的产量也越来越多，数据之间的关联也越来越复杂，这也是大数据中“大”的体现，所以需要提高数据采集速度和精度要求。

1.2数据处理与集成

数据的处理与集成主要是对前一步采集到的大量数据进行适当的预处理，包括格式化、去噪以及进一步集成存储。因为数据采集步骤采集到的数据各种各样，其数据结构也并不统一，不利于之后的数据分析，而且，一些数据属于无效数据，需要去除，否则会影响数据分析的精度和可靠性，所以，需要将数据统一格式并且去除无效数据。通常会设计一些过滤器来完成这一任务。

1.3数据分析

在完成了数据的采集和处理后，需要对数据进行分析，因为在进行数据分析后才能体现所有大数据的重要价值。数据分析的对象是上一步数据的处理与集成后的统一格式数据，需要根据所需数据的应用需求和价值体现方向对这些原始样本数据进一步地处理和分析。现有的数据分析通常指采用数据仓库和数据挖掘工具对集中存储的数据进行分析，数据分析服务与传统数据分析的差别在于其面向的对象不是数据，而是数据服务。

1.4数据解释

数据解释是对大数据分析结果的解释与展现，在数据处理流程中，数据结果的解释步骤是大数据分析的用户直接面对成果的步骤，传统的数据显示方式是用文本形式体现的，但是，随着数据量的加大，其分析结果也更复杂，传统的数据显示方法已经不足以满足数据分析结果输出的需求，因此，数据分析企业会引入“数据可视化技术”作为数据解释方式。通过可视化结果分析，可以形象地向用户展示数据分析结果。

2云计算与大数据分析的关系

云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源，是一种按使用量付费的模式。这种模式提供可用的、便捷的、按需的网络访问，进入可配置的计算资源共享池（资源包括网络、服务器、存储、应用软件、服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。目前，国内外已经有不少成熟的云计算的应用服务。数据分析是整个大数据处理流程里最核心的部分。数据分析是以数据的价值分析为目的的活动，而基于大数据的数据分析通常表现为对已获取的海量数据的分析，其数据来源可能是企业数据也可能是企业数据与互联网数据的融合。从目前的趋势来看，云计算是大数据的IT基础，是大数据分析的支撑平台，不断增长的数据量需要性能更高的数据分析平台承载。所以，云计算技术的不断发展可以为大数据分析提供更为灵活、迅速的部署方案，使得大数据分析的结果更加精确。另一方面，云计算的出现为大数据分析提供了扩展性更强，使用成本更低的存储资源和计算资源，使得中小企业也可以通过云计算来实现属于自己的大数据分析产品。大数据技术本身也是云计算技术的一种延伸。大数据技术涵盖了从数据的海量存储、处理到应用多方面的技术，包括海量分布式文件系统、并行计算框架、数据库、实时流数据处理以及智能分析技术，如模式识别、自然语言理解、应用知识库等等。但是，大数据分析要走向云计算还要赖于数据通信带宽的提高和云资源的建设，需要确保原始数据能迁移到云环境以及资源池可以随需弹性扩展。

3基于云计算环境的Hadoop

为了给大数据处理分析提供一个性能更高、可靠性更好的平台，研究者基于MapReduce开发了一个基于云计算环境的开源平台Hadoop。Hadoop是一个以MapReduce算法为分布式计算框架，包括分布式文件系统（HDFS）、分布式数据库（Hbase、Cassandra）等功能模块在内的完整生态系统，已经成为当前最流行的大数据处理平台，并被广泛认可和开发应用。基于Hadoop，用户可编写处理海量数据的分布式并行程序，并将其运行于由成百上千个节点组成的大规模计算机集群上。

4实例分析

本节以电信运营商为例，说明在云计算环境中基于Hadoop的大数据分析给大数据用户带来的价值。当前传统语音和短信业务量下滑，智能终端快速增长，移动互联网业务发展迅速，大数据分析可以为运营商带来新的机会，帮助运营商更好地转型。本文数据分析样本来自于某运营商的个人语音和数据业务清单，通过Hadoop2.6.0在Ubuntu12.04系统中模拟了一个大数据分析平台来处理获得的样本。希望通过对样本数据的分析与挖掘，掌握样本本身的一些信息。以上分析只是一些很基本的简单分析，实际上样本数据中所蕴含的价值要远远大于本文体现的。以上举例意在说明基于云计算的大数据分析可以在数据分析上体现出良好的性能，为企业带来更丰富更有效率的信息提取、分类，并从中获益。

篇8

2大数据与企业会计信息化

会计信息化是我国“十二五”期间会计改革与发展的重要内容之一，也是很多企业提高会计系统效率的有效途径.会计信息化是信息社会的产物，是将计算机、网络通讯等先进的信息技术引入会计学科，促进企业会计系统网络化发展的过程.大数据的兴起、云计算的增速和以云计算为基础的云会计的应用为会计信息化的发展提供了技术支持和平台.企业会计信息化的深度发展对于大数据的需要与日俱增.

2.1企业会计信息化的现状

1、会计信息披露具有偏向性，导致信息不对称.传统的会计信息系统会诱使企业选择特定的会计方法而造成企业管理人员利用自身是信息提供者这一优势，不断地美化会计报表，这对于外部使用者而言是非常不公平的.2、内部自我约束能力弱，导致数据不真实.在传统会计信息系统下，一些企业为了眼前经济指标的提升或者任务的完成，常常通过人为调整会计报表来应付各机构的检查，自我约束能力弱，数据失真.还有很多企业对现有的政策法规钻空子、打球的现象屡禁不止.聘请的第三方审计机构也本着“企业利益最大化”的审计目标，对企业不真实的数据进行舞弊，以点盖面.3、核算量大，导致信息披露不完全.传统的会计信息系统下，会计的信息系统发展越来越不能适应高速发展的经济业务，很容易造成信息披露不完全.信息经济时代下，应该更多的提供企业未来价值的知识资源，而不是沉浸在企业过去的财务数据中.4、企业信息数据单一，导致信息缺少指导性.传统的会计信息系统主要是对企业财务信息的反映，往往忽视了非财务信息.企业自身变化的社会经济形势要求我们不能只依靠过去的财务数据对未来发展做出预测.对企业未来的发展预测用某些非财务信息可能会更加合理.如企业的环境成本、社会责任等信息都需要非财务信息的提供.5、信息传递滞后，导致会计信息缺乏时效性.传统的会计信息系统采用先发生交易事项后进行记录的程序，无法满足当代企业对信息时效性的要求.企业以及社会各机构、投资者越来越需要了解随时发生的财务信息，对其进行更好的决策，这就要求企业不定期的提供会计信息，对于会计期间的定义也不再以年为单位了.因此，现有的会计信息滞后的时效性严重影响使用者的需求和投资者的决策.综上可知，传统的会计信息系统逐渐出现了不适应当今经济发展的事态，高效、全面的信息化系统变得越来越重要.在大数据时代下会计信息的不断创新，快速发展势在必行.

2.2大数据对企业会计信息化的促进作用

大数据时代下，对会计信息化的促进作用主要表现在：信息结构更加客观，既强调了会计信息的精准性，又不失相关性；财务会计信息管理的程序化；会计人员工作转向宏观信息管理；多元化的计量单位.在大数据时代下非结构化数据成为主导，在会计信息中可以更好的融合结构化和非结构化数据，更好的提高数据的相关性，并且不会人为的进行舞弊.程序化的会计信息管理也将出现，财务部门逐渐将不再作为一个部门，而是作为一个类似于“企业”的独立个体，数据的获取可以不通过部门的上报来实现，而是通过财务部门设定的独立软件获取，这也提升了财务本身的独立性，同时也可以为其他部门提供共享服务；财务部门不需要对数据进行处理，而是转变成为数据的使用和管理者.在大数据时代下，多元化的计量单位将会出现，会计计量单位会出现相关的时间、数量单位等.

2.3大数据时代下会计信息化面临的挑战

篇9

一、序言

日语语言中书面语与口语在表达方式上有很大差异，日语学习者往往将重点放在练习口语表达上，而忽视了对日语书面语表达能力的训练。学生语言基础不扎实，影响了学术论文写作的质量。在研究领域，学术论文一直是呈现新知识的重要渠道。学术论文作为一种特殊的体裁，有着它独特的语篇结构。因此，系统性地归纳出学术论文的语言表达特点非常有必要，有利于帮助学生提高论文写作能力。丸山指出句末表达是一句话的表达当中最为重要的一个要素，句末表达形式变化的丰富程度可以视为展示那一类文章所蕴含的丰富表现力的线索。因此，本文以句末表达形式为切入点进而分析日语学术论文的表达特点。

二、研究方法

1.语料采集。CiNii（http：//ci.nii.ac.jp）是目前世界上最全的日本学术论文数据库，收录日本各学会出版的学术期刊文献。本文从CiNii数据库中采集2000年到2013年间发表的日语语言学论文，涵盖语音学、词汇学、语法学、教育学、中日对比研究、语用学、语义学及认知语言学等领域，共计50篇论文作为本次构建语料库的文本素材。

2.语料处理。利用OCR文字识别软件“e.Typist”将采集到的样本转换成txt文本格式。然后使用软件“edamame”、“himawari”将样本制作为可检索的语料库。

3.语料分析。本文旨在研究日语学术论文的句末表达形式，因此在建成的语料库中将关键词设置为“。”进行检索，得到6512个结果。然后把检索结果的前文按照五十音图的顺序重新排序，统计得到的句末表达形式，除去检索结果中为论文引用的例句、注解以及谢辞的部分，最终得到4946句语料。将其分门别类，计算各自的比例进行分析。

三、研究结果

参照清水（2010）将句末表达按照语气（モダリティ）进行分类，结果如表1所示。

ル型包括ル、テミル、テオク、テイク、テクル、ラレル、サセル、エル、ウル、テモラウ、テシマウ、テイル，有12种形式，占据比例最大，为52.9%。タ型包括タ、テイタ、サセタ、ラレタ、テキタ、テモラッタ、テミタ，有7种形式，比例为10.9%。タイ型包括タイ、テミタイ、テイキタイ、テオキタイ，有4种形式，比例1.7%。ウ/ヨウ型包括ウ/ヨウ、テミル+ウ/ヨウ、ラレル+ウ/ヨウ、テイク+ウ/ヨウ、テオク+ウ/ヨウ、ダ+ウ/ヨウ、デアル+ウ/ヨウ，有7种形式，比例3.3%。デアル型包括デアル、ノ+デアル、ワケ+デアル、モノ+デアル、コト+デアル、ヨウ+デアル、ハズ+デアル，有7种形式，比例16.2%。デアッタ型包括デアッタ、モノ+デアッタ、コト+デアッタ，有3种形式，比例1.0%。“其他”指的是形容词、名词、助词、否定的句末表达形式，由于篇幅有限，本文不考察这些形式。ル型大约是タ型比例的5倍，デアル型约为デアッタ型比例的16倍，由此可见，在论文的句末表达中，ル型与タ型相比使用更为频繁。从时态的角度来看，ル型表示现在和未来，タ型表示过去，在论文叙述中更多的是，使用表未来的ル型来进行论述作者当前的见解，以及引出下文将要论述的内容。通过观察例句发现，使用タ型更多的是用来描述作者在过去进行了某项调查，相对于作者用于论述的笔墨而言占有的篇幅较少。表达作者语气的表现形式占比例较小，タイ型和ウ/ヨウ型加起来也仅为5%，可见在重视客观性的论文叙述当中，作者会尽量避免使用显露作者本人语气的语言表达，转而使用表示断定的句式来增添论文的可信度，力求保持中性的立场阐述客观事实。

由于篇幅有限，仅简短地分析一下比例超过半数的ル型。ル型当中比例较高的有ル形（如ある、なる）1342例，テイル形（如なっている）626例，以及ラレル形（如考えられる）457例，仅此三种形式就占据了ル型所有例句的92.6%。另外比例较高的只有デアル型中的デアル形580例，以及タ型中的タ形388例，这五种形式可以说是本次调查中学术论文的句末表达形式中最为常用的句型。

结果显示，包含作者语气的表达形式使用较少，使用更多的是断定的句式。和表过去的タ型相比，ル型使用更为频繁。句末表达形式中最常用的5种形式依此为ル形、テイル形、デアル形、ラレル形以及タ形。由于篇幅有限，本文未能就所获得的数据进行全面分析，并且未与中国日语学习者所撰写的论文进行比较分析，这些问题笔者将在今后的研究中继续不断努力，加以探索。

参考文献：

篇10

南通地区高校轮滑爱好者的聚会，并且本着“自愿参加、安全第一、比赛第二”的原则，旨在丰富校园文化生活，并进一步推广轮滑活动，宣传轮滑文化；积极响应全民健身的活动宗旨，联合各体育及现代文化社团在校内掀起体育活动热潮。

二、活动时间

2008年12月初

三、活动地点

南通大学；

南通航运职业技术学院；

四、活动组织单位：

主办：南通大学杏林学院团委、社团联合会策吧网

南通航运职业技术学院社团联合会

承办：

南通大学极限俱乐部、

南通大学轮滑社

南通航运职业技术学院KFC轮滑社；

五、活动对象

1、南通大学极限俱乐部社员

2、南通大学轮滑社社员

3、南通航运职业技术学院KFC轮滑社社员

4、南通高校的广大轮滑爱好者策吧网

六、宣传方式

1、海报宣传

2、横幅宣传

3、QQ群宣传

4、通大极限俱乐部的博客网页

七、活动日程

1、2008年12月6日上午:通大启秀校区

（上午9：30在启秀校区主教学楼前集合）

2、2008年12月6日下午:通大钟秀校区

（下午2：00在钟秀校区主教学楼西大门集合）

3、2008年12月7日上午:通大主校区

（上午9：00在主校区综合楼前集合）

4、2008年12月6日下午:南通航院

（下午2：00在航院公共教学楼前集合）

八、活动内容策吧网

1、速滑刷街

各个队员按顺序站立；队前两个人引路，其中一个人使用相机来录像;队后两个人押尾,其中一人也使用相机进行全程录像；队伍中间每隔一段距离有人保护队伍的安全速度等

2、专业平花

3、组合表演

4、个人才艺表演

附录一：比赛规则

一）速滑规则

速滑实行个人计时赛，共评五人，设一、二、三等奖，取最短时间完成者为优胜。赛时按号码每三人一组进行比赛，遵守比赛管理者的安排，以起跑线开始，以轮滑鞋的前轮撞线结束，比赛过程中严格遵照赛道路程进行，不得拉扯其它参加者的衣物、身体等，不得故意磕绊其他参赛者，如违反取消所有比赛资格。如遇时间相同，则再比一次。策吧网

二）速桩规则

三）平花规则

平花实行加减分制，以基础分20分起。每人在80cm的桩上作一套有来回的组合，一套没有来回的组合。

减分规则：

1） 平花过程中，每踢到一个桩减一分，卡桩减0.5分

2） 平花动作要回桩，无回桩动作减5分

3） 平花动作没作完成或作一半减5分

加分规则：

4） 完成所作平花动作且不踢、不卡桩加2

5） 平花动作依美感度、流畅度有评委各加1~5分

6） 平花动作（每个桩上组合动作）依难度由评委各加1~5分

7） 平花结束时有结束动作由评委加1~3分

四）注：

1）比赛过程中如动作未完成，可申请重做机会，如都没有完成，可按分数最高一次记录。策吧网

篇11

[1]谢显忠等，基于TDD的第四代移动通信技术[M].电子工业出版社，2005.

[2]解梅，移动通信技术及发展[J].电子科技大学学报，2003，02.

[3]宋文涛、罗汉文，移动通信[M].上海交通大学出版社，1996.

[4]何林娜，数字移动通信技术[M].机械工业出版社，2004.

[5]吕昌春，李林园.移动互联网产业链平台竞争与电信运营商增值业务发展策略研究[J].邮电设计技术，2012（11）：16-20.

[6]张洁.影响中国移动通信产业发展竞争力的因素分析[J].经济视角（下），2011（01）：52-53.

关于移动通信论文参考文献：

[1]张洁.影响中国移动通信产业发展竞争力的因素分析[J].经济视角（下），2011（01）：52-53.

[2]吕昌春，李林园.移动互联网产业链平台竞争与电信运营商增值业务发展策略研究[J].邮电设计技术，2012（11）：16-20.

[3]刘文婷.以运营商为主导的移动互联网业务商业模式研究[J].中国工业经济，2012（08）：66-74.

[4]冯文高.我国移动通信产业的竞争均衡分析[J].现代经济信息.2009（16）

[5]张洁.影响中国移动通信产业发展竞争力的因素分析[J].经济视角（下）.2011（01）

[6]马云泽.我国移动通信产业的市场结构与规制改革[J].经济问题.2009（01）

[7]张平王卫东陶小峰《WCDMA移动通信系统》人民邮电出版社

[8]詹炳根，《工程建设监理》，中国建设工业出版社，1997

[9]谢坚勋浅谈工程监理与项目管理接轨建设监理2004(2)

关于移动通信论文参考文献：

[1]赵刚.大数据：技术与应用实践指南[M].北京：电子工业出版社，2013.

[2]漆晨犧.电信企业大数据分析、应用及管理发展策略[J].电信科学，2013（3）：12-16.

[3]刘洁，王哲.基于大数据的电信运营商业务精确运营平台的构建化[J].电信科学，2015，29（3）：22-26.

[4]张俊.移动通信网络中大数据处理的关键技术研究[J].电信网技术，2014（4）：10-12.

[5]康波，刘胜强.基于大数据分析的互联网业务用户体验管理[J].电信科学，2013，29（3）：32-35.

[6]谢华.大数据在移动通信中的应用探讨[J].科技创业家，2014（1）.

[7]夏磊.探巧大数据下的智能数据分析技术[J].科技创新导报，2014（10）：21.

[8]侯优优，隋化严.网络优化中的大数据应用[J].互联网天地，2014（l）：34-37.

篇12

【摘要】现阶段，统计学方法在我国企业管理中有广泛应用。本文尝试对统计学方法的诞生以及发展情况进行了简要的分析，同时还对统计学方法在现今大数据时代的应用情况进行了探索。

【关键词】统计学方法发展大数据应用

对于统计学方法来说，诞生的最初只是为了进行单纯的计数以及描述，随着统计学方法的不断发展，其所涉及到的内容更加多样化。在统计学家以及各个领域专家的不懈努力之下，统计学方法正在不断的进步以及完善，在实际应用的过程中也发挥出了较为理想的效果。在现阶段大数据的时代背景之下，对统计学进行深入探究是非常重要的，会对今后多个行业的快速发展起到促进作用。

一、统计学基本发展探析

对世界统计学的发展情况进行分析，会发现，其与科学界的发展趋势较为类似，随着统计学的不断完善，也开始与其他科学进行融合发展。对统计学进行总结，可以发现，其主要具备两个基本结合趋势，即与实质性学科结合的趋势以及与计算机学结合的趋势。对于统计学来说，其与经济学结合发展我国有广泛的应用，并且产生了经济统计这一专业；而统计学与教育的结合产生了教育统计。对于这些分支学科来说，其具有双重属性。一方面是统计学的分支；另一方面是实质性学科的分支。随着计算机信息技术的不断发展，其运算能力不断提升，这也使得大规模的统计调查工作在实际展开的过程中取得了理想效果，不仅保证了数据计算的准确性，同时也保证了计算的高效性。因此，在进行统计学技术研究发展的过程中，与计算机技术的深入结合应用是重要发展途径。通过对计算机软件的有效应用可以使统计计算过程中一些疑难的部分得到有效解决，同时也使得统计计算的展开更加方便。从现阶段我国经济类统计专业的教育情况来看，一方面在对统计方法进行创新教育，另一方面在对学生利用商品化统计软件包装能力进行提升。由此我们可以看出，在今后统计学的发展过程中，势必不能离开计算机技术的支持。在今后统计学相关专业的教育过程中，应该对学生的计算机程序设计以及利用能力进行培养提升，使得在展开统计工作的时候可以通过统计模型的编程来实现。

二、统计学方法在大数据中的应用趋势

（一）统计学方法及相关领域的动态分析

目前，国内外对统计学都有较为广泛的应用，主要应用在教育行业、生产制造行业以及企业管理当中，取得了较为理想的应用效果。根据CNKI数据库中统计方法、机器学习分布情况可以看出，在机器学习领域的论文数量从2013年以后一直呈现出持续增长的势头，并且在2016年超过了统计方法领域的论文数量。由此可以说明，我国在机器学习领域的发展速度正现出稳定提升的趋势，反映了我国在大数据领域研究方面越来越深入，所应用的研究方法也开始呈现出多样化的特点。从总体上来看国内在统计学方法研究过程中已经取得了阶段性的成果，并且其所面临的拐点与国家上的统计学发展拐点基本保持一致，大概都是在2013年开始对大数据以及将其学习等方面有了深入的探究，并且开始逐渐取得突破性的成果。而机器学习方法的论文数量都是在2016年开始超过统计方法的论文数量。但是与此同时，我们也看出其差异性也很明显，国内在统计方面研究的论文以及在机器学习方法方面研究的论文与国际相比较尚且存在较为明显的差距，并且这种差距呈现出了持续性的特点，这也使得我国在这两个领域方面还有很大的发展空间。

（二）统计学方法及相关领域研究方向分析

经过对CNKI数据库中的统计方法以及大数据领域期刊论文分布情况进行分析之后，可以看出，统计方法领域中出现频次最高的是“统计分析”以及“数理统计”、“人工智能”；在大数据领域出现频次较高的是“云计算”、“图书馆”以及“物联网”等关键词。通过上述关键词来看，其所涉及到的内容都是反映当前我国统计以及大数据技术所研究的重点以及热点，同时我们也可以看出，现阶段我国在统计与大数据领域方向的研究存在着一定的重合。在进行的数据研究的时候，需要应用到统计学方法，同时统计学方法在利用的时候往往也需要与大数据进行结合。

（三）统计学方法的发展展望

有数据的地方势必就会涉及到统计学。从17世纪开始，国势学派以及算数学派的争论到今天大数据计算、计算机技术的相互作用，使得统计学的内容正在不断完善，并且其应用领域也在不断扩大，随着大数据时代的来临，使得传统的统计学发展方向发生了一定转变，开始从小样本的统计推断分析走向大数据量的挖掘分析，从而使其所掌控的数据量不断提升。在未来统计学方法发展的过程中，应该注意将统计学与新的数据思维相结合，从而产生一种新型的、应用范围更广的大数据算法。从现阶段我国大数据方法创新发展的情况来看，其与国际研究在深度以及广度上还存在不小的差距，这也恰恰说明了我国在大数据统计学方面还有很大的进步空间。现阶段，国内的大数据研究更多的是停留在信息化产业上，与其他行业的融合发展趋势尚且不明显，这也使得信息服务以及数据产业的创新发展受到了一定影响。在今后统计学发展的过程中，其研究热点势必会从数据分析以及数据发掘向算法方向转移，这样也使得大数据技术与统计学方法二者之间的联系更加紧密。

结束语

综上所述，我国统计学方法在今后发展过程中应该充分考虑到实际需求，积极适应时代变化，现阶段大数据时代已经全面到來，并且大数据技术在我国有广泛应用，在实际应用的过程中取得了较为理想的效果。将大数据与统计方法进行结合可以使统计学方法的作用得到更好的体现，也使得统计学方法不断的进步以及拓展，在大时代背景之下，其功能性得到了更加充分的展现。

统计学毕业论文范文模板(二)：线上线下混合式教学在生物统计学教学中的实践与研究论文

[摘要]为提升生物统计学课程的教学水平，针对传统生物统计学教学中的局限，分析和实践基于线上网络教学+线下面授教学的混合式教学模式在生物统计学教学中的应用策略和方法。实践表明，通过线上+线下的互动与教学，能激发学生学习的兴趣与动力，丰富生物统计学的教学形式与内容，促进生物统计学教学质量的提升。

[关键词]线上线下；混合式教学；生物统计学；实践

[作者简介]严明（1981—），女，重庆人，博士，讲师，研究方向：生物技术。

[中图分类号]G642[文献标识码]A[文章编号]1674-9324（2020）25-0273-02[收稿日期]2020-03-18

生物统计学是生物医学类专业的必修课程，学生通过学习本课程掌握实验设计的原理和方法，并学会对实验数据进行统计分析和处理。然而，生物统计学涉及到大量基础理论，单纯通过教师讲解，学生理解度较低，学习效果不佳。如何在有限的课时内，改革传统的以讲授为主的教学方式，有效提高教学效果是生物统计学教学亟待解决的难题。

近年来，随着互联网信息技术的发展，一种基于线上网络教学+线下面授教学的混合式教学模式应运而生。该模式可避免传统教学模式中以教师为主导，学生学习主动性差的缺点，又可克服学生完全在线学习缺乏监管、学习效果不佳的困难。本文尝试将混合式教学方法运用到生物统计学教学中，以期在有限的教学时间内最大限度实现教学目标，提升课程教学效果。

一、线上线下混合式教学的概念及内涵

线上线下混合式教学是一种新兴的教学模式，授课教师利用网络教学平台向学生提供教学视频和课件等教学资源，并设置作业、调查等互动模块，学生利用课外时间自主完成学习任务，并通过平台与教师交流。在线下课堂，教师根据学生在线学习的情况，对疑难问题进行有针对性的讲授，帮助学生理解、掌握教学难点。

线上线下混合教学模式打破了教学的时空限制，学生可以灵活安排学习时间，通过学习在线资料提出问题，并带着问题进行课堂学习，有效提升学习效率。线上线下混合教学还可帮助教师动态掌握学生学习情况，生成客观的过程性评价材料，并丰富课程的教学形式，拓宽教学路径，因此正逐渐成为高等教育领域的一大趋势。

二、生物统计学课程教学面临的困境

1.教学时长受限。目前，本校生物统计学面向生物医学工程和医学信息工程专业开设，每学期共32个课时。由于教学内容抽象，而且学生要通过大量实践才能掌握统计学原理在生物研究中的应用，因此，教学难度高，课堂教学时间很难满足教学需求。

2.教与学不同步。传统教学模式下，教师与学生之间的沟通以课堂为主，教师按照教学安排按部就班地进行教学，对学生需求重視不足；学生缺乏主动反馈的意识，教师很难掌握学生的真实学习状况，教与学处于不同步状态。

上述困境对如何拓展教学时间，完成课程教学并指导学生学以致用提出了新的挑战。

三、线上线下混合式教学在生物统计学教学中的实践探究

1.构建线上教学平台，实现课前线上自主学习。授课教师首先以超星泛雅平台和学习通APP为依托构建线上教学平台。教师在平台上将课程每章的重难点列示出来，搭建课程框架体系，并上传包括课件和教师根据课程知识体系录制的教学视频等资料。教学视频时长控制在15分钟以内，并保证精炼、易懂，让学生不会因视频过长而放弃观看，提高学习时效。同时，在教学平台提供视频配套的课件资料，方便学生下载并配套观看。教师还在平台设置了视频弹幕问答和闯关式章节测试，学生通过答题和测试后才能进入后续章节的学习。

在教学实践中发现，线上教学平台还可以为理论教学提供良好的拓展实践平台。教师可以在线上平台提供实验设计及实验数据分析的实例供学生练习，实现对课时压缩的有效弥补。学生普遍反映网络教学平台十分有利于自主学习，尤其是遇到知识难点时，学生可以通过反复线上观看教学视频来帮助理解，能达到较好的学习效果。

此外，线上教学平台可以通过视频回放次数、测试完成程度等数据统计帮助教师了解学生之间的差异性，既方便教师掌握学生学习状态，分析存在的问题，也为线下课堂教学提供依据，在后续教学中因材施教，满足不同层次学生的个性化学习需求提供依据。

2.线下检测自主学习效果，实施针对性教学。采用线上线下混合模式教学，课堂教学的任务发生转移。教师要集中精力对知识点进行梳理和归纳，并针对重难点以及学生在线上学习过程中的困难进行答疑解惑和查漏补缺。在教学实践中，为完成上述任务，在每个章节的线上学习完成后均安排答疑和小组讨论，让每位学生通过多种方式修正和完善遗漏或理解错误的知识点。全部授课结束后，授课教师向学生发放了关于教学效果的调查问卷，结果显示，78.2%（18/23）的学生认为采用混合式教学方法可以把重要知识点学透，在课堂上有更充裕的时间进行消化吸收，更有利于教学内容的掌握。

在线下教学中，教师还对教学场景进行了编排和优化。教师提供具体的实验案例，并以某一具体实验案例（如抗癌药物筛选）为背景贯穿整个课程教学始终，模拟真实实验场景，让学生从实验参与者的角度设计实验流程、整理实验数据、统计分析和解读呈现的全部流程。帮助学生实践生物学研究提出假说—实验验证—得出结论的基本流程，理解生物统计学对生物学研究的重要指导作用，培养学生知识迁移、应用和分析并解决科学问题的能力。

3.课后回顾学习并提升。在课堂教学完成后，师生的教学活动都还没有结束。教师要对线上线下教学过程中容易出现的问题进行整理总结，并将解决方案到网络平台，供学生回顾性学习。学生要对课堂上遇到的问题，搜集学习资料进一步思考和巩固。教师还要对学生课后学习情况进行挖掘，并根据学生的不同情况进行个性化的学习支持。对于有困难的学生，教师要单独辅导和监管，帮助学生完成课程学习；对于学有余力的学生，可以鼓励学生走进实验室，跟随教师的科研工作，完成真正的动手实践，实现素质提升。最终通过师生配合，完成对课程教学效果的提升。