基于区块链的地学大数据管理

随着地理观测技术、计算机网络和地理信息系统、社会调查统计的迅速发展,具有空间位置的自然环境数据正在急剧增长,上升到大数据级别。而传统的数据库已经无法满足现有地学大数据的规模和增长速度。在资源访问方面,人们更加担心数据安全与隐私保护问题。由于数据交易的双方和交易中介都是互不信任的,这显然不利于数据的共享与流通,将阻碍地学大数据产业的发展。常用地学数据管理系统主要由单一机构进行维护管理,在多方用户参与的情形下,由于无法信任数据库中的数据,每一方用户都需要一个专用数据库,这样不同数据库之间数据的差异将产生繁琐的争议。区块链的到来却给这一问题的解决带来了希望,区块链技术实现了不完全可信网络环境中的可信数据管理,具有去中心化、防篡改、不可抵赖、完整性等特性,从而为解决目前依靠中心或第三方机构存在的高成本低效率和信息安全问题提供了切实的方法。本文从区块链的共识机制、智能合约、身份验证、数据溯源等方面进行阐述,并重点分析区块链如何解决流通和共享数据的问题,让地学大数据真正得以广泛应用。     

短消息传送GPS位置数据的高效数据压缩方法

车务管理信息化系统中需要将战车行驶中的运动位置数据通过移动短消息方式定时向管理中心传送。受短消息数据包容量的限制,每条短消息可携带的车辆GPS位置数据量有限。少量的GPS位置数据难以重现车辆运动轨迹,但频繁发送短消息,费用又较高。为满足车辆运行轨迹重现所需大量密集车辆位置数据的需求,提出了一种专用于车辆位置数据压缩传输方法,可使传送数据量提高30多倍,解决了频繁发送车辆位置短消息费用高的问题,已应用到车辆动用管理系统中。     

关联规则挖掘在发动机故障分析中的应用

大部分关联规则挖掘算法仅以出现频率作为阈值来产生关联规则,然而在发动机故障数据分析领域,很多关键故障的出现机率较低,采用传统的挖掘算法无法适应航空发动机故障分析的需要.提出一种新算法,称为权重式多重支持度关联规则挖掘算法,此算法可针对不同重要度的故障定出不同的支持度阈值,由此产生的关联规则,可以解决高重要度但出现较少的故障不易被挖掘的问题.     

飞机液压系统试验数据分析软件的研究与开发

为了解决对飞机液压系统试验数据进行全程实时观测困难这一问题,避免重复试验,以VC++为开发工具,采用面向对象的设计方法,设计了一套飞机液压系统试验数据动态回放、分析软件.并应用某型号飞机前起落架收放系统的主液压泵的工作过程试验数据对该软件进行了测试,结果表明该软件能够为飞机液压系统的试验提供有用的帮助,具有较高的应用价值.     

防空火控网数据传输精度分析与测量

巡航导弹在战争中的大量使用已经改变了现代战争的作战模式,如何有效发现和捕获低空飞行目标成了传统防空火控系统面临的一大难题,防空火控系统组网作战是未来防空武器装备发展的必然趋势.分析了防空火控网中影响数据传输精度的各种原因,针对防空火控网中空情数据传输精度的测量,给出了同步测量和异步测量两种方法.     

机载C~3I系统试飞数据质量评估方法

针对机载C3I系统的试飞中数据质量评估指标多、数据量大等问题,建立了数据质量评估模型.并阐述了该模型的构造方法,将数据中复杂的指标体系进行了量化处理,将粗糙集和神经网络相结合,提出了一种试飞数据综合质量的计算方法.实现了对数据的实时监控.该模型简捷、准确、工程应用效果好.     

掠海机动目标跟踪的IPDA算法

综合概率数据关联(IPDA)算法不仅能进行目标状态估计,还能提供对潜在目标的存在性/可感知性/可观测性概率的估计.这些估计通常作为评价航迹质量的参数,用于航迹确认和航迹终止.所研究的几种跟踪算法主要针对低空掠海飞行的机动目标,目标探测概率受海面信号反射导致的多路径效应和海杂波的影响而变化,将IPDA算法和EB-PDA、IMMPDA算法进行了比较研究,并提出了一种新的IPDA算法-VM-IPDA算法.仿真结果显示,VM-IPDA算法跟其他几种算法相比不仅提高准确性还能减少计算量.     

多模块ROP碎片化自动布局方法

返回导向式编程(Return Oriented Programming, ROP)是一种可有效绕过数据执行保护机制的技术。ROP通过搜索内存代码区中合适的汇编指令片段,可组成一段执行特定功能的程序。已有的ROP自动构造技术只考虑ROP链的功能实现,而忽视了ROP链布局对程序内存可控性的要求,导致自动生成的ROP链实用性低。为解决该问题,提出了一种基于符号执行的多模块ROP碎片化自动布局方法。该方法在ROP自动构造Q框架的基础上,以模块为单位对ROP链进行切片;使用符号执行工具S2E,对控制流劫持状态下的程序内存状态进行动态分析;为各ROP模块匹配相应的可控内存区域,构造碎片化布局的ROP链。实验证明,相比已有技术,该方法生成的ROP链有效降低了对程序内存可控性的要求。     

遥感数据用户需求融合处理技术

遥感数据是国家的基础性和战略性资源,在经济建设、国防建设、抢险救灾、生态环境保护等方面得到了广泛的应用,发挥着越来越重要的作用,各行各业对遥感数据的需求也越来越多。因此,如何提高对地观测资源的利用率,提高服务响应速度成为迫切需要解决的问题。采用自然语言处理技术,提出了一种用户需求融合处理方法,该方法可以有效地融合归并相同或者相似的用户需求,实现一图多用,引入需求预测和需求融合技术以提高需求融合效率,从而提高对地观测资源的利用率,达到事半功倍的效果。     

DEA models for two‐stage processes: Game approach and efficiency decomposition

Data envelopment analysis (DEA) is a method for measuring the efficiency of peer decision making units (DMUs). This tool has been utilized by a number of authors to examine two‐stage processes, where all the outputs from the first stage are the only inputs to the second stage. The current article examines and extends these models using game theory concepts. The resulting models are linear, and imply an efficiency decomposition where the overall efficiency of the two‐stage process is a product of the efficiencies of the two individual stages. When there is only one intermediate measure connecting the two stages, both the noncooperative and centralized models yield the same results as applying the standard DEA model to the two stages separately. As a result, the efficiency decomposition is unique. While the noncooperative approach yields a unique efficiency decomposition under multiple intermediate measures, the centralized approach is likely to yield multiple decompositions. Models are developed to test whether the efficiency decomposition arising from the centralized approach is unique. The relations among the noncooperative, centralized, and standard DEA approaches are investigated. Two real world data sets and a randomly generated data set are used to demonstrate the models and verify our findings. © 2008 Wiley Periodicals, Inc. Naval Research Logistics, 2008