CN107644327A - 一种基于云计算的工程项目管理系统中的数据处理方法 - Google Patents
一种基于云计算的工程项目管理系统中的数据处理方法 Download PDFInfo
- Publication number
- CN107644327A CN107644327A CN201711008399.8A CN201711008399A CN107644327A CN 107644327 A CN107644327 A CN 107644327A CN 201711008399 A CN201711008399 A CN 201711008399A CN 107644327 A CN107644327 A CN 107644327A
- Authority
- CN
- China
- Prior art keywords
- data
- project
- mrow
- export
- time series
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于工程项目管理技术领域，公开了一种基于云计算的工程项目管理系统中的数据处理方法，通过提供通用的导出与导入框架，能够快速地进行数据处理速度，节省人力；且在对项目数据建立云计算系统的同时建立监控模块，可实时监控云计算系统资源的使用情况，以便做出迅速反应，完成均衡处理配置；利用管理者的权限模块有有效的控制相关人员的操作情况，便于项目管理；同时基于计算机实现了项目静态管控阶段、项目动态管控阶段、项目统计分析阶段对工程项目数据的处理要求，解决了长期以来杜绝了工作混乱或无序增加的舞弊风险，提高了单位的工程项目的管理水平，取得了良好的技术效果。
Description
技术领域
本发明属于工程项目管理技术领域，尤其涉及一种基于云计算的工程项目管理系统中的数据处理方法。
背景技术
工程项目管理系统是指从事工程项目管理的企业(以下简称工程项目管理企业)受业主委托，按照合同约定，代表业主对工程项目的组织实施进行全过程或若干阶段的管理和服务。工程项目管理企业不直接与该工程项目的总承包企业或勘察、设计、供货、施工等企业签订合同，但可以按合同约定，协助业主与工程项目的总承包企业或勘察、设计、供货、施工等企业签订合同，并受业主委托监督合同的履行。工程项目管理的具体方式及服务内容、权限、取费和责任等，由业主与工程项目管理企业在合同中约定。然而，现有云计算处理工程项目数据导出/导入技术，多是针对每种数据独立编写数据导出、导入功能，浪费人工。同时工程项目自下达后项目状态、流程记录、项目成本归集情况、物资收发货等信息无法共享、工程预算与决算管理相互分离，无法分析项目执行情况，使得项目管理效率低下。
综上所述，现有技术存在的问题是：现有云计算处理工程项目数据导出/导入技术，多是针对每种数据独立编写数据导出、导入功能，浪费人工。同时工程项目自下达后项目状态、流程记录、项目成本归集情况、物资收发货等信息无法共享、工程预算与决算管理相互分离，无法分析项目执行情况，使得项目管理效率低下。
发明内容
针对现有技术存在的问题，本发明提供了一种基于云计算的工程项目管理系统中的数据处理方法。
本发明是这样实现的，一种基于云计算的工程项目管理系统中的数据处理方法包括以下步骤：
步骤一，将工程项目数据传送至云计算系统；
所述云计算系统通过控制时间序列的聚集度来识别不同分形水平和动力学特征的时间序列生成过程；具体包括：
(1)数据绝对值缩小化处理，记为X＝(Xt:t＝1,…,T)；
(2)使用X计算最小二乘法回归直线使用
及
ΔYt＝Yt-Yt-1，对作最小二乘法估计获得参数估值记Y＝(Y'10,…,Y'1t,…,Y'1T-1)'，Y1t＝(ΔYt,-Yt(1+Yt2)-1)，s11和s22分别表示矩阵的第一行第一列的元素和第二行第二列的元素；
(3)计算θ1的置信区间其中是t分布在置信水平的临界值以及归无假说γ＝0的统计量如果θ1的置信区间被包含在区间(-1,1)内并且归无假说γ＝0被拒绝、接受对立假说γ＞0的话，则证据支持数据来自NLARI过程，执行步骤四，否则对j＝j+1(初值j＝1)，计算j重聚集时间序列Xj，记为X＝Xj，执行步骤二；如果循环时间序列到不能继续被聚集，输出结果X是一个非NLARI过程或一个具有γ＝0的退化ARI(2,1)过程，退出分析；
(4)记j1＝j，让执行分形识别，获得j2重聚集序列分形度为(δ1,k,δ2,k)，记为或无分形
(5)对和分别执行步骤二获得θ1的置信区间θ2的置信区间以及γ的置信区间其中如果θ1,θ2,γ的置信区间被包含在区间(-1,1),(0,4),(0,1)内，则证据支持X来自稳定不动点域上的NLARI过程；如果θ1,θ2,γ的置信区间被包含在区间
(-1,1),内，则证据支持X来自稳定周期环域上的NLARI过程；如果θ1,θ2,γ的置信区间被包含在区间(-1,1),(0,+∞),内，则证据支持X来自不稳定周期环域上的NLARI过程；否则X来自临界值上的NLARI过程；输出具有这些动态特征的分形序列
和无分形序列包括模型参数作为结论。
进一步，识别不同长记忆水平的最小聚集度时间序列方法，包括：
1)选定一个正值递减序列δ1,k，设初值k＝j＝1和X1＝X；
2)计算第j重聚集时间序列Xj；
3)计算Xj的样本自相关系数ρn作为n＝1,…,N和LM(Xj)；如果LM(Xj)＜δ1,k，则执行步骤4)，否则对j＝j+1执行步骤2)，当循环到时间序列不能继续被聚集时输出结果最小聚集度的长记忆性时间序列Xj-1(δ1,k-1)及模型参数在那里Xj(δ1,0)意味着原时间序列无长记忆性；
4)如果k＜K，则令j＝1和k＝k+1，执行步骤2)，否则输出结论最小聚集度的长记忆性时间序列Xj(δ1,K)及模型参数。
进一步，识别不同自相似水平的最小聚集度时间序列方法，包括：
A、选定一个正值递减序列δ2,k，设初值k＝j＝1和X1＝X；
B、计算第j重聚集时间序列Xj；
C、计算Xj的样本相似比rh(i,im)和SShm(Xj)作为m＝1,…,M，
h＝1,…,H和i＝1,…,n；如果SShm(Xj)＜δ2,k成立作为给定的m＝1,…,M和h＝1,…,H，则执行步骤D，否则对j＝j+1执行步骤B，当循环到时间序列不能继续被聚集时，输出结果最小聚集度的自相似性时间序列Xj-1(δ2,k-1)及模型参数在那里Xj(δ2,0)意味着原时间序列没有自相似性；
D、如果k＜K，则令j＝1和k＝k+1，执行步骤B，否则输出结论最小聚集度的自相似性时间序列Xj(δ2,K)及模型参数。
进一步，识别不同分形水平的最小聚集度时间序列方法，包括：
a、选定两个正值递减序列δ1,k和δ2,k，设初值k＝j＝1和X1＝X；
b、计算第j重聚集时间序列Xj；
c、计算Xj的样本自相关系数ρn作为n＝1,…,N和LM(Xj)。如果LM(Xj)＜δ1,k，则执行步骤d，否则对j＝j+1执行步骤b，当时间序列不能继续被聚集时，输出结果最小聚集度的分形时间序列Xj-1(δ1,k-1，δ2,k-1)及模型参数，(δ1,0,δ2,0)为原序列无分形结构；
d、计算Xj的样本相似比rh(i,im)作为i＝1,…,n和SShm(Xj)作为m＝1,…,M和h＝1,…,H；如果SShm(Xj)＜δ2,k作为h＝1,…,H和m＝1,…,M成立，则执行步骤e，否则对j＝j+1执行步骤b；
e、如果k＜K，则令j＝1和k＝k+1，执行步骤b，否则输出结论最小聚集度的分形时间序列Xj(δ1,K，δ2,K)及模型参数；通过限制δ1,k和δ2,k值识别不同长记忆和自相似水平的时间序列生成过程；
步骤二，为所对应的项目数据的云计算系统建立监控模块；
步骤三，将工程项目数据转换为对象属性；
步骤四，将对象属性导入云计算系统的数据库；
所述数据库安全数据检索方法包括以下步骤：
(1)数据库Si完成一个周期的数据采集，采集的数据为(i，t，{d1，d2，…，dn})，其中i为数据库号，t为周期号；Si首先采用AES对数据{d1，d2，…，dn}进行加密，生成加密数据{(d1)K，(d2)K，…，(dn)K}，其中K为数据加密密钥；
(2)Si为每一个数据构建一个不可区分布鲁姆过滤器，且每一个不可区分布鲁姆过滤器分配一个唯一的ID号，对数据dj，Si构建一个分配ID号为ij的不可区分布鲁姆过滤器Bij；
(3)Si将加密数据、对应的不可区分布鲁姆过滤器以及其ID号上传到存储节点，上传的数据形式为：{(i1，Bi1，(d1)K)，(i2，Bi2(d2)K)，…，(in，Bin，(dn)K)}；
步骤五，由项目负责人建立有关云计算系统的数据库的管理模块，并给予相关责任人授权，继续执行；
所述管理模块采用贝叶斯分类方法来将语料库中的双语句对分成两类：准确的双语句对和不准确的双语句对，将不准确双语句对过滤掉；
双语句对t可由n个相互独立的特征V＝{v1,v2,...,vn}确定，t属于类别ci(i＝1,2)的概率为P(ci|t)，那么当ci使得P(ci|V)获得最大值时，t就属于ci类；这样，求出P(ci|V)的最大值，确定统计短语t所处的类别；
根据贝叶斯公式：
由于各类别的先验概率是未知的，因此，通常假设各类别的出现概率相同,即P(c1)＝P(c2)，取最大值就转换成只需要求P(V|ci)最大，在各特征间不存在依赖关系的情况下有：
获得双语句对所处的类别，确定是否过滤双语句对；
步骤六，在接收到网络客户端的第一认证信息时，允许打开项目规划库和向项目规划库导入每个项目数据；
步骤七，在接收到网路客户端的第二认证信息时，允许打开项目规划库、根据权重对每个项目进行审核、以及将带有审核数据的核准项目转入项目储备库中；
步骤八，在接收到网路客户端的第三认证信息时，允许打开项目储备库，对每个项目进行可行性审核，将带有审核数据的核准项目转入项目实施库中；
步骤九，在接收到网路客户端的第四认证信息时，允许打开项目实施库，根据项目进度输入新增项目数据。
进一步，所述的云计算系统的数据导入方法括以下步骤：
(1)选择需要导出的项目数据的文件类型，然后点击对话框内“导出”按键；
(2)系统收集当前显示项目数据的显示条件，连带之前选择的文件类型信息一同传送至后台响应的导出Action；
(3)导出Action接收界面参数，并进行整理；
(4)此过程中，为了提供系统封装性，提供了导出Action代理实现类DefaultExportActionSupport，在业务Action创建代理类的实例，并通过委托形式将导出相关的动作委托给代理类实现DefaultExportActionSupport包括接口：
readExportType：读取导出类型，curpage(当前页)或者allpage(所有页)；
readFileType：读取导出类型，XML、XLS等；
readPKs：获取所有数据的主键数组，在导出类型为curpage时使用；
setExportType：设置导出类型，接收界面传递过来的参数；
setFileType：设置文件类型，接收界面传递过来的参数；
setPKs：设置导出数据主键数组，接收界面传递过来的参数；
(5)导出Action首先依据数据显示条件查询出即将导出的数据信息，之后连同文件类型以及数据导出描述器传递给导出控制器；
每个业务需要实现具体的导出数据逻辑，即导出描述器，其接口为IExportDescriptor，具体需要实现：
getColumnIdToName：获取列信息，返回结果是二维数组，其中第一列为列标识，第二列为列名称，例如，[[″pk_xxx″，″主键″]，[″name″，″名称″]]；
getColumnValue：获取给定数据列的值。这是数据生成的核心逻辑；
getDefaultFileName：获取默认的文件名，导出执行时没有指定文件名则使用此文件名作为实际的文件名；
getExportData：获取导出的数据，为一个数组；
(6)导出控制器调用特定类型文件的导出服务生成导出文件；
导出控制器名为BaseExport，是为了便于使用提供的快速封装，其内部通过OSGi方式查找对应的导出服务IExportService，然后调用并生成实体文件；
(7)导出Action将导出文件的路径信息传递至浏览器，并在页面中显示下载链接，点击下载链接，提交导出文件路径值下载Action，下载文件到本地。
本发明通过提供通用的导出与导入框架，能够快速地进行数据处理速度，节省人力；且在对项目数据建立云计算系统的同时建立监控模块，可实时监控云计算系统资源的使用情况，以便做出迅速反应，完成均衡处理配置；利用管理者的权限模块有有效的控制相关人员的操作情况，便于项目管理；同时基于计算机实现了项目静态管控阶段、项目动态管控阶段、项目统计分析阶段对工程项目数据的处理要求，解决了长期以来杜绝了工作混乱或无序增加的舞弊风险，提高了单位的工程项目的管理水平，取得了良好的技术效果。
本发明的云计算系统同时识别不同水平的分形行为和生成机制及动力学特征；识别最小观察尺度即聚集尺度的自相似序列，从而为动态数据采样、压缩、特征抽取提供了科学标准；提高了工程项目管理中数据的处理速度，提高了工作效率。
附图说明
图1是本发明实施提供的基于云计算的工程项目管理系统中的数据处理方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作进一步描述。
如图1所示，本发明实施例提供的基于云计算的工程项目管理系统中的数据处理方法包括以下步骤：
S101，将工程项目数据传送至所述云计算系统；
S102，为所对应的项目数据的云计算系统建立监控模块；
S103，将工程项目数据转换为对象属性；
S104，将对象属性导入云计算系统的数据库；
S105，由项目负责人建立有关云计算系统的数据库的管理模块，并给予相关责任人授权，方可继续执行；
S106，在接收到网络客户端的第一认证信息时，允许打开所述项目规划库和向所述项目规划库导入每个项目数据；
S107，在接收到网路客户端的第二认证信息时，允许打开所述项目规划库、根据权重对每个项目进行审核、以及将带有审核数据的核准项目转入所述项目储备库中；
S108，在接收到网路客户端的第三认证信息时，允许打开所述项目储备库，对每个项目进行可行性审核，将带有审核数据的核准项目转入所述项目实施库中；
S109，在接收到网路客户端的第四认证信息时，允许打开所述项目实施库，根据所述项目进度输入新增项目数据。
所述云计算系统通过控制时间序列的聚集度来识别不同分形水平和动力学特征的时间序列生成过程；具体包括：
(1)数据绝对值缩小化处理，记为X＝(Xt:t＝1,…,T)；
(2)使用X计算最小二乘法回归直线使用及ΔYt＝Yt-Yt-1，对作最小二乘法估计获得参数估值记Y＝(Y'10,…,Y'1t,…,Y'1T-1)'，Y1t＝(ΔYt,-Yt(1+Yt 2)-1)，s11和s22分别表示矩阵的第一行第一列的元素和第二行第二列的元素；
(3)计算θ1的置信区间其中是t分布在置信水平的临界值以及归无假说γ＝0的统计量如果θ1的置信区间被包含在区间(-1,1)内并且归无假说γ＝0被拒绝、接受对立假说γ＞0的话，则证据支持数据来自NLARI过程，执行步骤四，否则对j＝j+1(初值j＝1)，计算j重聚集时间序列Xj，记为X＝Xj，执行步骤二；如果循环时间序列到不能继续被聚集，输出结果X是一个非NLARI过程或一个具有γ＝0的退化ARI(2,1)过程，退出分析；
(4)记j1＝j，让执行分形识别，获得j2重聚集序列分形度为(δ1,k,δ2,k)，记为或无分形
(5)对和分别执行步骤二获得θ1的置信区间θ2的置信区间以及γ的置信区间其中如果θ1,θ2,γ的置信区间被包含在区间(-1,1),(0,4),(0,1)内，则证据支持X来自稳定不动点域上的NLARI过程；如果θ1,θ2,γ的置信区间被包含在区间(-1,1),内，则证据支持X来自稳定周期环域上的NLARI过程；如果θ1,θ2,γ的置信区间被包含在区间(-1,1),(0,+∞),内，则证据支持X来自不稳定周期环域上的NLARI过程；否则X来自临界值上的NLARI过程；输出具有这些动态特征的分形序列和无分形序列包括模型参数作为结论。
进一步，识别不同长记忆水平的最小聚集度时间序列方法，包括：
1)选定一个正值递减序列δ1,k，设初值k＝j＝1和X1＝X；
2)计算第j重聚集时间序列Xj；
3)计算Xj的样本自相关系数ρn作为n＝1,…,N和LM(Xj)；如果LM(Xj)＜δ1,k，则执行步骤4)，否则对j＝j+1执行步骤2)，当循环到时间序列不能继续被聚集时输出结果最小聚集度的长记忆性时间序列Xj-1(δ1,k-1)及模型参数在那里Xj(δ1,0)意味着原时间序列无长记忆性；
4)如果k＜K，则令j＝1和k＝k+1，执行步骤2)，否则输出结论最小聚集度的长记忆性时间序列Xj(δ1,K)及模型参数。
进一步，识别不同自相似水平的最小聚集度时间序列方法，包括：
A、选定一个正值递减序列δ2,k，设初值k＝j＝1和X1＝X；
B、计算第j重聚集时间序列Xj；
C、计算Xj的样本相似比rh(i,im)和SShm(Xj)作为m＝1,…,M，h＝1,…,H和i＝1,…,n；如果SShm(Xj)＜δ2,k成立作为给定的m＝1,…,M和h＝1,…,H，则执行步骤D，否则对j＝j+1执行步骤B，当循环到时间序列不能继续被聚集时，输出结果最小聚集度的自相似性时间序列Xj-1(δ2,k-1)及模型参数在那里Xj(δ2,0)意味着原时间序列没有自相似性；
D、如果k＜K，则令j＝1和k＝k+1，执行步骤B，否则输出结论最小聚集度的自相似性时间序列Xj(δ2,K)及模型参数。
进一步，识别不同分形水平的最小聚集度时间序列方法，包括：
a、选定两个正值递减序列δ1,k和δ2,k，设初值k＝j＝1和X1＝X；
b、计算第j重聚集时间序列Xj；
c、计算Xj的样本自相关系数ρn作为n＝1,…,N和LM(Xj)。如果LM(Xj)＜δ1,k，则执行步骤d，否则对j＝j+1执行步骤b，当时间序列不能继续被聚集时，输出结果最小聚集度的分形时间序列Xj-1(δ1,k-1，δ2,k-1)及模型参数，(δ1,0,δ2,0)为原序列无分形结构；
d、计算Xj的样本相似比rh(i,im)作为i＝1,…,n和SShm(Xj)作为m＝1,…,M和h＝1,…,H；如果SShm(Xj)＜δ2,k作为h＝1,…,H和m＝1,…,M成立，则执行步骤e，否则对j＝j+1执行步骤b；
e、如果k＜K，则令j＝1和k＝k+1，执行步骤b，否则输出结论最小聚集度的分形时间序列Xj(δ1,K，δ2,K)及模型参数；通过限制δ1,k和δ2,k值识别不同长记忆和自相似水平的时间序列生成过程。
所述数据库安全数据检索方法包括以下步骤：
(1)数据库Si完成一个周期的数据采集，采集的数据为(i，t，{d1，d2，…，dn})，其中i为数据库号，t为周期号；Si首先采用AES对数据{d1，d2，…，dn}进行加密，生成加密数据{(d1)K，(d2)K，…，(dn)K}，其中K为数据加密密钥；
(2)Si为每一个数据构建一个不可区分布鲁姆过滤器，且每一个不可区分布鲁姆过滤器分配一个唯一的ID号，对数据dj，Si构建一个分配ID号为ij的不可区分布鲁姆过滤器Bij；
(3)Si将加密数据、对应的不可区分布鲁姆过滤器以及其ID号上传到存储节点，上传的数据形式为：{(i1，Bi1，(d1)K)，(i2，Bi2(d2)K)，…，(in，Bin，(dn)K)}；
所述管理模块采用贝叶斯分类方法来将语料库中的双语句对分成两类：准确的双语句对和不准确的双语句对，将不准确双语句对过滤掉；
双语句对t可由n个相互独立的特征V＝{v1,v2,...,vn}确定，t属于类别ci(i＝1,2)的概率为P(ci|t)，那么当ci使得P(ci|V)获得最大值时，t就属于ci类；这样，求出P(ci|V)的最大值，确定统计短语t所处的类别；
根据贝叶斯公式：
由于各类别的先验概率是未知的，因此，通常假设各类别的出现概率相同,即P(c1)＝P(c2)，取最大值就转换成只需要求P(V|ci)最大，在各特征间不存在依赖关系的情况下有：
获得双语句对所处的类别，确定是否过滤双语句对。
本发明提供的云计算系统的数据导入方法括以下步骤：
(1)选择需要导出的项目数据的文件类型，然后点击对话框内“导出”按键；
(2)系统收集当前显示项目数据的显示条件，连带之前选择的文件类型信息一同传送至后台响应的导出Action；
(3)导出Action接收界面参数，并进行整理；
(4)此过程中，为了提供系统封装性，提供了导出Action代理实现类DefaultExportActionSupport，在业务Action创建代理类的实例，并通过委托形式将导出相关的动作委托给代理类实现DefaultExportActionSupport包括接口：
readExportType：读取导出类型，curpage(当前页)或者allpage(所有页)；
readFileType：读取导出类型，XML、XLS等；
readPKs：获取所有数据的主键数组，在导出类型为curpage时使用；
setExportType：设置导出类型，接收界面传递过来的参数；
setFileType：设置文件类型，接收界面传递过来的参数；
setPKs：设置导出数据主键数组，接收界面传递过来的参数；
(5)导出Action首先依据数据显示条件查询出即将导出的数据信息，之后连同文件类型以及数据导出描述器传递给导出控制器；
每个业务需要实现具体的导出数据逻辑，即导出描述器，其接口为IExportDescriptor，具体需要实现：
getColumnIdToName：获取列信息，返回结果是二维数组，其中第一列为列标识，第二列为列名称，例如，[[″pk_xxx″，″主键″]，[″name″，″名称″]]；
getColumnValue：获取给定数据列的值。这是数据生成的核心逻辑；
getDefaultFileName：获取默认的文件名，导出执行时没有指定文件名则使用此文件名作为实际的文件名；
getExportData：获取导出的数据，为一个数组；
(6)导出控制器调用特定类型文件的导出服务生成导出文件；
导出控制器名为BaseExport，是为了便于使用提供的快速封装，其内部通过OSGi方式查找对应的导出服务IExportService，然后调用并生成实体文件；
(7)导出Action将导出文件的路径信息传递至浏览器，并在页面中显示下载链接，点击下载链接，提交导出文件路径值下载Action，下载文件到本地。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于云计算的工程项目管理系统中的数据处理方法，其特征在于，所述基于云计算的工程项目管理系统中的数据处理方法包括以下步骤：
步骤一，将工程项目数据传送至云计算系统；
所述云计算系统通过控制时间序列的聚集度来识别不同分形水平和动力学特征的时间序列生成过程；具体包括：
(1)数据绝对值缩小化处理，记为X＝(Xt:t＝1,…,T)；
(2)使用X计算最小二乘法回归直线使用及ΔYt＝Yt-Yt-1，对作最小二乘法估计获得参数估值记Y＝(Y'10,…,Y'1t,…,Y'1T-1)'，Y1t＝(ΔYt,-Yt(1+Yt 2)-1)，s11和s22分别表示矩阵的第一行第一列的元素和第二行第二列的元素；
(3)计算θ1的置信区间其中是t分布在置信水平的临界值以及归无假说γ＝0的统计量如果θ1的置信区间被包含在区间(-1,1)内并且归无假说γ＝0被拒绝、接受对立假说γ＞0的话，则证据支持数据来自NLARI过程，执行步骤四，否则对j＝j+1(初值j＝1)，计算j重聚集时间序列Xj，记为X＝Xj，执行步骤二；如果循环时间序列到不能继续被聚集，输出结果X是一个非NLARI过程或一个具有γ＝0的退化ARI(2,1)过程，退出分析；
(4)记j1＝j，让执行分形识别，获得j2重聚集序列分形度为(δ1，k,δ2，k)，记为或无分形
(5)对和分别执行步骤二获得θ1的置信区间θ2的置信区间以及γ的置信区间其中如果θ1,θ2,γ的置信区间被包含在区间(-1,1),(0,4),(0,1)内，则证据支持X来自稳定不动点域上的NLARI过程；如果θ1,θ2,γ的置信区间被包含在区间内，则证据支持X来自稳定周期环域上的NLARI过程；如果θ1,θ2,γ的置信区间被包含在区间内，则证据支持X来自不稳定周期环域上的NLARI过程；否则X来自临界值上的NLARI过程；输出具有这些动态特征的分形序列和无分形序列包括模型参数作为结论；
进一步，识别不同长记忆水平的最小聚集度时间序列方法，包括：
1)选定一个正值递减序列δ1,k，设初值k＝j＝1和X1＝X；
2)计算第j重聚集时间序列Xj；
3)计算Xj的样本自相关系数ρn作为n＝1,…,N和LM(Xj)；如果LM(Xj)＜δ1,k，则执行步骤4)，否则对j＝j+1执行步骤2)，当循环到时间序列不能继续被聚集时输出结果最小聚集度的长记忆性时间序列Xj-1(δ1,k-1)及模型参数在那里Xj(δ1,0)意味着原时间序列无长记忆性；
4)如果k＜K，则令j＝1和k＝k+1，执行步骤2)，否则输出结论最小聚集度的长记忆性时间序列Xj(δ1,K)及模型参数；
进一步，识别不同自相似水平的最小聚集度时间序列方法，包括：
A、选定一个正值递减序列δ2,k，设初值k＝j＝1和X1＝X；
B、计算第j重聚集时间序列Xj；
C、计算Xj的样本相似比rh(i,im)和SShm(Xj)作为m＝1,…,M，h＝1,…,H和i＝1,…,n；如果SShm(Xj)＜δ2,k成立作为给定的m＝1,…,M和h＝1,…,H，则执行步骤D，否则对j＝j+1执行步骤B，当循环到时间序列不能继续被聚集时，输出结果最小聚集度的自相似性时间序列Xj-1(δ2,k-1)及模型参数在那里Xj(δ2,0)意味着原时间序列没有自相似性；
D、如果k＜K，则令j＝1和k＝k+1，执行步骤B，否则输出结论最小聚集度的自相似性时间序列Xj(δ2,K)及模型参数；
进一步，识别不同分形水平的最小聚集度时间序列方法，包括：
a、选定两个正值递减序列δ1,k和δ2,k，设初值k＝j＝1和X1＝X；
b、计算第j重聚集时间序列Xj；
c、计算Xj的样本自相关系数ρn作为n＝1,…,N和LM(Xj)。如果LM(Xj)＜δ1,k，则执行步骤d，否则对j＝j+1执行步骤b，当时间序列不能继续被聚集时，输出结果最小聚集度的分形时间序列Xj-1(δ1,k-1，δ2,k-1)及模型参数，(δ1,0,δ2,0)为原序列无分形结构；
d、计算Xj的样本相似比rh(i,im)作为i＝1,…,n和SShm(Xj)作为m＝1,…,M和h＝1,…,H；如果SShm(Xj)＜δ2,k作为h＝1,…,H和m＝1,…,M成立，则执行步骤e，否则对j＝j+1执行步骤b；
e、如果k＜K，则令j＝1和k＝k+1，执行步骤b，否则输出结论最小聚集度的分形时间序列Xj(δ1,K，δ2,K)及模型参数；通过限制δ1,k和δ2,k值识别不同长记忆和自相似水平的时间序列生成过程；
步骤二，为所对应的项目数据的云计算系统建立监控模块；
步骤三，将工程项目数据转换为对象属性；
步骤四，将对象属性导入云计算系统的数据库；
所述数据库安全数据检索方法包括以下步骤：
(1)数据库Si完成一个周期的数据采集，采集的数据为(i，t，{d1，d2，…，dn})，其中i为数据库号，t为周期号；Si首先采用AES对数据{d1，d2，…，dn}进行加密，生成加密数据{(d1)K，(d2)K，…，(dn)K}，其中K为数据加密密钥；
(2)Si为每一个数据构建一个不可区分布鲁姆过滤器，且每一个不可区分布鲁姆过滤器分配一个唯一的ID号，对数据dj，Si构建一个分配ID号为ij的不可区分布鲁姆过滤器Bij；
(3)Si将加密数据、对应的不可区分布鲁姆过滤器以及其ID号上传到存储节点，上传的数据形式为：{(i1，Bi1，(d1)K)，(i2，Bi2(d2)K)，…，(in，Bin，(dn)K)}；
步骤五，由项目负责人建立有关云计算系统的数据库的管理模块，并给予相关责任人授权，继续执行；
所述管理模块采用贝叶斯分类方法来将语料库中的双语句对分成两类：准确的双语句对和不准确的双语句对，将不准确双语句对过滤掉；
双语句对t可由n个相互独立的特征V＝{v1,v2,...,vn}确定，t属于类别ci(i＝1,2)的概率为P(ci|t)，那么当ci使得P(ci|V)获得最大值时，t就属于ci类；这样，求出P(ci|V)的最大值，确定统计短语t所处的类别；
根据贝叶斯公式：
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mi>V</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>V</mi>
<mo>|</mo>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>V</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
由于各类别的先验概率是未知的，因此，通常假设各类别的出现概率相同,即P(c1)＝P(c2)，取最大值就转换成只需要求P(V|ci)最大，在各特征间不存在依赖关系的情况下有：
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>V</mi>
<mo>|</mo>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Pi;</mo>
<mrow>
<mn>1</mn>
<mo>&le;</mo>
<mi>j</mi>
<mo>&le;</mo>
<mi>n</mi>
</mrow>
</munder>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>v</mi>
<mi>j</mi>
</msub>
<mo>|</mo>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
获得双语句对所处的类别，确定是否过滤双语句对；
步骤六，在接收到网络客户端的第一认证信息时，允许打开项目规划库和向项目规划库导入每个项目数据；
步骤七，在接收到网路客户端的第二认证信息时，允许打开项目规划库、根据权重对每个项目进行审核、以及将带有审核数据的核准项目转入项目储备库中；
步骤八，在接收到网路客户端的第三认证信息时，允许打开项目储备库，对每个项目进行可行性审核，将带有审核数据的核准项目转入项目实施库中；
步骤九，在接收到网路客户端的第四认证信息时，允许打开项目实施库，根据项目进度输入新增项目数据。
2.如权利要求1所述的基于云计算的工程项目管理系统中的数据处理方法，其特征在于，所述的云计算系统的数据导入方法括以下步骤：
(1)选择需要导出的项目数据的文件类型，然后点击对话框内“导出”按键；
(2)系统收集当前显示项目数据的显示条件，连带之前选择的文件类型信息一同传送至后台响应的导出Action；
(3)导出Action接收界面参数，并进行整理；
(4)此过程中，为了提供系统封装性，提供了导出Action代理实现类DefaultExportActionSupport，在业务Action创建代理类的实例，并通过委托形式将导出相关的动作委托给代理类实现DefaultExportActionSupport包括接口：
readExportType：读取导出类型，curpage或者allpage；
readFileType：读取导出类型，XML、XLS；
readPKs：获取所有数据的主键数组，在导出类型为curpage时使用；
setExportType：设置导出类型，接收界面传递过来的参数；
setFileType：设置文件类型，接收界面传递过来的参数；
setPKs：设置导出数据主键数组，接收界面传递过来的参数；
(5)导出Action首先依据数据显示条件查询出,将导出的数据信息，之后连同文件类型以及数据导出描述器传递给导出控制器；
每个业务需要实现具体的导出数据逻辑，导出描述器，其接口为IExportDescriptor，具体需要实现：
getColumnIdToName：获取列信息，返回结果是二维数组，其中第一列为列标识，第二列为列名称，例如，[[″pk_xxx″，″主键″]，[″name″，″名称″]]；
getColumnValue：获取给定数据列的值。这是数据生成的核心逻辑；
getDefaultFileName：获取默认的文件名，导出执行时没有指定文件名则使用此文件名作为实际的文件名；
getExportData：获取导出的数据，为一个数组；
(6)导出控制器调用特定类型文件的导出服务生成导出文件；
导出控制器名为BaseExport，是为了便于使用提供的快速封装，其内部通过OSGi方式查找对应的导出服务IExportService，然后调用并生成实体文件；
(7)导出Action将导出文件的路径信息传递至浏览器，并在页面中显示下载链接，点击下载链接，提交导出文件路径值下载Action，下载文件到本地。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711008399.8A CN107644327A (zh) | 2017-10-25 | 2017-10-25 | 一种基于云计算的工程项目管理系统中的数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711008399.8A CN107644327A (zh) | 2017-10-25 | 2017-10-25 | 一种基于云计算的工程项目管理系统中的数据处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107644327A true CN107644327A (zh) | 2018-01-30 |
Family
ID=61124420
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711008399.8A Pending CN107644327A (zh) | 2017-10-25 | 2017-10-25 | 一种基于云计算的工程项目管理系统中的数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107644327A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111486345A (zh) * | 2020-03-10 | 2020-08-04 | 安徽科杰粮保仓储设备有限公司 | 一种粮库地下管网液体泄漏在线监测预警方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102930021A (zh) * | 2012-11-02 | 2013-02-13 | 曙光云计算技术有限公司 | 云计算系统的数据处理方法 |
| US20140188501A1 (en) * | 2013-01-03 | 2014-07-03 | Medidata Solutions, Inc. | Apparatus and method for executing tasks |
| CN106096915A (zh) * | 2016-06-08 | 2016-11-09 | 国网安徽省电力公司检修公司 | 一种工程项目数据处理系统 |
| CN106802568A (zh) * | 2017-03-23 | 2017-06-06 | 西华大学 | 一种基于云计算的脉冲水处理装置的远程控制系统 |
| CN106874263A (zh) * | 2017-01-17 | 2017-06-20 | 中译语通科技（北京）有限公司 | 一种基于多维度数据分析和语义的中英语料库校对方法 |
| CN106909799A (zh) * | 2017-03-15 | 2017-06-30 | 何宗路 | 一种基于新型随机分形理论的动态数据挖掘方法 |
-
2017
- 2017-10-25 CN CN201711008399.8A patent/CN107644327A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102930021A (zh) * | 2012-11-02 | 2013-02-13 | 曙光云计算技术有限公司 | 云计算系统的数据处理方法 |
| US20140188501A1 (en) * | 2013-01-03 | 2014-07-03 | Medidata Solutions, Inc. | Apparatus and method for executing tasks |
| CN106096915A (zh) * | 2016-06-08 | 2016-11-09 | 国网安徽省电力公司检修公司 | 一种工程项目数据处理系统 |
| CN106874263A (zh) * | 2017-01-17 | 2017-06-20 | 中译语通科技（北京）有限公司 | 一种基于多维度数据分析和语义的中英语料库校对方法 |
| CN106909799A (zh) * | 2017-03-15 | 2017-06-30 | 何宗路 | 一种基于新型随机分形理论的动态数据挖掘方法 |
| CN106802568A (zh) * | 2017-03-23 | 2017-06-06 | 西华大学 | 一种基于云计算的脉冲水处理装置的远程控制系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111486345A (zh) * | 2020-03-10 | 2020-08-04 | 安徽科杰粮保仓储设备有限公司 | 一种粮库地下管网液体泄漏在线监测预警方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zheng et al. | Construct food safety traceability system for people’s health under the internet of things and big data | |
| CN103605662B (zh) | 一种分布式计算框架参数优化方法、装置及系统 | |
| Abdelrahman et al. | Data science for building energy efficiency: A comprehensive text-mining driven review of scientific literature | |
| Ding et al. | A new TRIZ-based patent knowledge management system for construction technology innovation | |
| Pascoe et al. | Designing and documenting experiments in CMIP6 | |
| Tao et al. | Research on marketing management system based on independent ERP and business BI using fuzzy TOPSIS | |
| CN112100401A (zh) | 面向科技服务的知识图谱构建方法、装置、设备及存储介质 | |
| Olszak et al. | Information technology tools for Business Intelligence development in organizations | |
| Ahmad et al. | Design of a general complex problem-solving architecture based on task management and predictive optimization | |
| Ferrada et al. | Selection of construction methods: A knowledge-based approach | |
| Velmurugan et al. | Superior fuzzy enumeration crop prediction algorithm for big data agriculture applications | |
| Chen et al. | RailFOD23: A dataset for foreign object detection on railroad transmission lines | |
| CN103207804A (zh) | 基于集群作业日志的MapReduce负载模拟方法 | |
| Yang et al. | An empirical study of model-agnostic interpretation technique for just-in-time software defect prediction | |
| Giordano et al. | Social networks as symbolic data | |
| Chen et al. | Economic information analysis and its application in decision-making under the background of big data | |
| CN107644327A (zh) | 一种基于云计算的工程项目管理系统中的数据处理方法 | |
| Zhai et al. | Deep convolutional neural network for facial expression recognition | |
| Serebryansky et al. | Model of Information Support of the Quality Management System | |
| CN115169578A (zh) | 一种基于元宇宙数据标记的ai模型生产方法及系统 | |
| Rogachev | Computer modeling of the development of russian small towns on the basis of cognitive maps | |
| Tang et al. | Analysis of air ticket characteristics based on random forest classification and autoregressive integrated moving average prediction | |
| CN106557564A (zh) | 一种对象数据分析方法及装置 | |
| Krenczyk et al. | Data-driven simulation model generation for ERP and DES systems integration | |
| Trivedi | Machine Learning Fundamental Concepts |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180130 |