CN109189780A - 基于大数据的思想政治材料储存与查询管理系统及方法 - Google Patents
基于大数据的思想政治材料储存与查询管理系统及方法 Download PDFInfo
- Publication number
- CN109189780A CN109189780A CN201810819199.9A CN201810819199A CN109189780A CN 109189780 A CN109189780 A CN 109189780A CN 201810819199 A CN201810819199 A CN 201810819199A CN 109189780 A CN109189780 A CN 109189780A
- Authority
- CN
- China
- Prior art keywords
- cloud service
- service module
- user
- integrated
- module
- 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
- 239000000463 material Substances 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims description 29
- 238000007726 management method Methods 0.000 claims abstract description 58
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 20
- 239000012141 concentrate Substances 0.000 claims abstract description 5
- 230000005540 biological transmission Effects 0.000 claims description 53
- 230000006870 function Effects 0.000 claims description 20
- 235000013305 food Nutrition 0.000 claims description 17
- 230000003287 optical effect Effects 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 230000008901 benefit Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000009977 dual effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000013475 authorization Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 244000207740 Lemna minor Species 0.000 description 1
- 235000006439 Lemna minor Nutrition 0.000 description 1
- 235000001855 Portulaca oleracea Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于信息管理技术领域,公开了一种基于大数据的思想政治材料储存与查询管理系统及管理方法,基于大数据的思想政治材料储存与查询管理系统包括:登录模块、输入模块、扫描模块、中央控制模块、云服务模块、数据存储模块、检索模块、学习模块。本发明通过云服务模块可以集中大数据资源对采集的思想政治材料进行处理分析,并将处理后的的数据通过数据存储模块进行存储,大大提高数据处理速度,提高管理效率;同时通过检索模块定位到目标思想政治材料文件中摘要所处位置,并突出显示摘要中所述检索词,从而实现根据检索词准确定位到文中位置,从而能够更精确的检索到所需目标思想政治材料文件。
Description
技术领域
本发明属于信息管理技术领域,尤其涉及一种基于大数据的思想政治材料储存与查询管理系统及方法。
背景技术
目前,业内常用的现有技术是这样的:
思想政治教育是中国精神文明建设的首要内容,也是解决社会矛盾和问题的主要途径之一。思想政治教育既十分重要,又相当难做,尤其是在市场经济的条件下,中国的思想政治工作存在着相对疲软的状况,很不适应现代社会发展要求。造成思想政治工作不力的原因很多,但其中重要的一个原因是长期以来我们忽略了人格教育及培养。我以为,人格教育是思想政治教育的基础,没有这个基础,思想政治教育就犹如无根的浮萍,总是漂流在人的思想表面而不能深入下去。然而,现有思想政治材料数据量大,处理速度慢,管理效率低;同时对思想政治材料检索不准确,不能精确检索目标文件。
综上所述,现有技术存在的问题是:
(1)现有思想政治材料数据量大,处理速度慢,管理效率低;
(2)同时对思想政治材料检索不准确,不能精确检索目标文件;
(3)登录信息采集不准确,安全管理不够优化;
(4)数据输入易出现无效值、拼写错误、格式错误、不匹配的值、自由的字符串等问题;
(5)纸质版政治材料不易保存。
现有技术的数据、采集、处理能力差,处理方法鲁棒性差。
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大数据的思想政治材料储存与查询管理系统及方法。
本发明是这样实现的,一种基于大数据的思想政治材料储存与查询管理方法,包括:
通过注册的账号进行登录思想政治材料储存与查询管理系统;并进行通过输入注册的账号信息;输入是的传输函数为:
其中,ω0为滤波器的中心频率,对于不同的ω0,k使k/ω0保持不变;
在频率域构造滤波器,对应的极坐标表达方式为:
G(r,θ)=G(r,r)·G(θ,θ);
式中,Gr(r)为控制滤波器带宽的径向分量,Gθ(θ)为控制滤波器方向的角度分量;
r表示径向坐标,θ表示角度坐标,f0为中心频率,θ0为滤波器方向,σf用于确定带宽;
Bf=2(2/ln2)1/2|lnσf|,σθ确定角度带宽,Bθ=2(2/ln2)1/2σθ;
扫描思想政治材料文字并采用种群算法采集数据源;建立多频带协作频谱感知优化模型;初始化参数;包括种群大小,控制参数'limit'和最大迭代次数Tmax;初始化迭代次数t=1,随机生成一个含有SN个解的初始种群,每个解xi(i=1,2,...,SN)是一个D维矢量,xi=[ωi,γi],D=(N+1)*K,其中w是控制中心给各用户统计信息所分配的权值因子,γ是判决门限,N是协作感知的用户数,K是子带数目;计算步每个解的适应度值,所述适应度函数定义为食物源的收益率;根据食物源的收益率记录当前最好的解Xbest,G;
多频带协作频谱感知模型为:
s.t.cT(1-Pd(W,γ))≤ε
1-Pd(W,γ)≤α
1-Pf(W,γ)≥β
其中,W=[ω1,ω2,...,ωK]是权值因子,γ=[γ1,γ2,...γK]是判决门限,K表示子带数目,rT=[r1,r2,...,rK]是实现的吞吐率,cT=[c1,c2,...,cK]是代价系数,ε代表系统总的干扰,α=[α1,α2,...,αK]T表示每个子带的干扰限制,β=[β1,β2,...,βK]T是每个子带实现的最小机会频谱利用率,是虚警概率,其中第k个子带的虚警概率表示为
是检测概率,其中第k个子带的检测概率表示为M是检测区间长度,是噪声功率,Gk=[|Hk(1)|2,|Hk(2)|2,...|Hk(N)|2]T是主发送用户和次级接收用户间的信道增益,N表示协作用户的数目;
食物源的收益率计算公式如下:
根据式得到每个食物源的收益率,其中fi是目标函数fi=rT(1-Pf(ωi,γi));
将采集的数据源发送到云服务模块集中大数据资源进行处理分析;云服务模块集中大数据资源处理分析中,
云服务模块集成的总站与潜在合作云服务模块集成的子站n计算联盟前的用户效用xi(Sn,ΠN),(i∈Sn,Sn为此信道下的潜在联盟,i为潜在联盟内云服务模块集成的总站用户m∪云服务模块集成的子站用户l∈Ln,Ln为云服务模块集成的子站服务的云服务模块集成的子站用户数量,ΠN为联盟分区)和联盟总效用ν(Sn,ΠN);联盟前的联盟总效用ν(Sn,ΠΝ)计算式如下:
上式表示潜在合作联盟内所有用户的效用之和,|Sn|为联盟内用户数量,表示对当前潜在合作联盟内的云服务模块集成的总站用户效用和云服务模块集成的子站用户效用求和;其中,联盟前的用户效用xi(Sn,ΠN)可分为云服务模块集成的总站用户效用xm(Sn,ΠN)和云服务模块集成的子站用户效用xl(Sn,ΠN),分别按下式计算:
式中,和分别为当前联盟分区下非合作情况的云服务模块集成的总站用户的可达信息速率和云服务模块集成的子站用户的可达信息速率,Sn为此信道下的潜在联盟,ΠN为当前联盟分区,和分别为非合作情况下云服务模块集成的总站用户的平均时延和云服务模块集成的子站用户的平均时延,δ∈(0,1)为传输容量-时延权衡系数,即系统对传输时延的容忍度,其中,非合作情况下的云服务模块集成的总站用户可达信息速率计算如下:
该式表示云服务模块集成的总站用户m受到相同子信道中云服务模块集成的子站干扰时的可达信息速率,其中,B表示该云服务模块集成的总站用户m所属子信道的带宽,log为10为底的对数运算,|H0,m|2表示云服务模块集成的总站(下标0表示云服务模块集成的总站)和云服务模块集成的总站用户m之间的信道增益,P0表示云服务模块集成的总站对于其用户m的发射功率,|Hn,m|2表示云服务模块集成的子站和云服务模块集成的总站用户m之间的信道增益,Pn表示云服务模块集成的子站n的发射功率,σ2为高斯白噪声(AWGN)均方值,|H0,m|2P0表示云服务模块集成的总站用户接收到的有用信号功率,表示云服务模块集成的总站用户接收到的干扰信号和高斯白噪声之和,表示云服务模块集成的总站用户接收到的相同子信道中的云服务模块集成的子站干扰信号之和,表示云服务模块集成的总站用户m此时的信干噪比;
将分析处理后的数据进行存储;
输入检索关键字进行查询相关目标文件;
为用户提供思想政治学习的目标文件的数据信息。
进一步,根据食物源的收益率记录当前最好的解Xbest,G后还需进行:
一次迭代结束后,记录当前最好的解;
判断迭代次数t是否达到最大迭代次数Tmax,若达到,输出全局最优Xopt,并根据式fi=rT(1-Pf(ωi,γi)),xi=[ωi,γi]得到系统的吞吐量;否则迭代次数t=t+1。
进一步,非合作情况的云服务模块集成的子站用户可达信息速率为云服务模块集成的子站服务的云服务模块集成的子站用户数量)按下式计算:
该式表示联盟前云服务模块集成的子站用户l受到云服务模块集成的总站和相同子信道中云服务模块集成的子站的干扰时的可达信息速率,其中,Bl表示该云服务模块集成的子站用户l所属子信道的带宽,|Hn,l|2表示云服务模块集成的子站n和云服务模块集成的子站用户l间的信道增益,Pn表示云服务模块集成的子站n的发射功率,|H0,l|2表示云服务模块集成的总站和云服务模块集成的子站用户l之间的信道增益,P0表示云服务模块集成的总站的发射功率,|Hi,l|2表示云服务模块集成的子站i和云服务模块集成的子站用户l间的信道增益,Pi为云服务模块集成的子站的发射功率,|Hn,l|2Pn表示云服务模块集成的子站用户接收的有用信号功率,表示云服务模块集成的子站用户接收到的干扰信号和高斯白噪声之和,|H0,l|2P0表示云服务模块集成的子站用户l接收到云服务模块集成的总站的相同子信道的干扰信号,表示云服务模块集成的子站用户l接收到相同子信道下的云服务模块集成的子站i的干扰信号,表示云服务模块集成的子站用户l此时的信干噪比;
和分别为非合作情况下云服务模块集成的总站用户的平均时延和云服务模块集成的子站用户的平均时延,计算式如下:
其中,考虑非合作情况下最大重传数为D时云服务模块集成的总站用户的实际通信负载和云服务模块集成的子站用户的实际通信负载分别为
λm和λl(bits/s)分别表示按M/D/1排队模型时由泊松到达过程确定分组的云服务模块集成的总站-云服务模块集成的总站用户的平均到达速率和云服务模块集成的子站-云服务模块集成的子站用户的平均到达速率,d为当前重传数,Ptm NC和Ptl NC分别表示非合作情况下云服务模块集成的总站用户传输成功的概率和云服务模块集成的子站用户传输成功的概率,即当信噪比(SINR)高于所设定的相应目标值γm、γl的概率,(i=l或m)表示数据第d次重传才成功的概率,计算式分别如下:
其中,Pr{SINR≥γ}表示信干噪比大于一定目标值γ时,数据成功传输的概率分布,|H0,m|2表示云服务模块集成的总站(下标0表示云服务模块集成的总站)和云服务模块集成的总站用户m之间的信道增益,P0表示云服务模块集成的总站对于其用户m的发射功率,|Hn,m|2表示云服务模块集成的子站和云服务模块集成的总站用户m之间的信道增益,Pn表示云服务模块集成的子站n的发射功率,σ2为高斯白噪声(AWGN)均方值,γm为宏用户成功传输目标值,|H0,m|2P0表示云服务模块集成的总站用户接收到的有用信号功率,表示云服务模块集成的总站用户接收到的干扰信号和高斯白噪声之和,表示云服务模块集成的总站用户接收到相同子信道中的云服务模块集成的子站干扰信号之和,表示云服务模块集成的总站用户m此时的信干噪比;
|Hn,l|2表示云服务模块集成的子站n和云服务模块集成的子站用户l间的信道增益,|H0,l|2表示云服务模块集成的总站和云服务模块集成的子站用户l之间的信道增益,Pn表示云服务模块集成的子站n的发射功率,P0表示云服务模块集成的总站的发射功率,|Hi,l|2表示云服务模块集成的子站i和云服务模块集成的子站用户l间的信道增益,Pi为云服务模块集成的子站的发射功率,γl为云服务模块集成的子站用户成功传输目标值,|H0,m|2P0表示云服务模块集成的子站用户接收到的有用信号功率,表示云服务模块集成的子站用户接收到的干扰信号和高斯白噪声之和,|H0,l|2P0表示云服务模块集成的子站用户接收到云服务模块集成的总站的相同子信道的干扰信号,表示云服务模块集成的子站用户接收到相同子信道下的云服务模块集成的子站的干扰信号,表示云服务模块集成的子站用户l此时的信干噪比。
进一步,检索模块方法包括:
首先,获取检索词;
其次,检索包含所述检索词的目标思想政治材料文件,显示记载所述检索词的目标思想政治材料文件的摘要,
然后,所述摘要为所述目标思想政治材料文件中一处包含所述检索词的部分;
最后,所述目标思想政治材料文件的摘要被选中后,定位到所述目标思想政治材料文件中所述摘要所处位置,并突出显示所述摘要中所述检索词。
进一步,思想政治材料储存与查询管理系统登方法包括:
将登录的用户名和密码信息采用统一管理的方式存放在中央认证服务器的用户数据库中,在单点登录系统平台进入思想政治材料储存与查询管理系统之前,首先通过中央认证服务器进行认证,判断用户是否合法,根据用户的权限将服务仓库中注册的服务信息返回给用户;用户根据返回的服务信息的地址访问服务资源。用户首先通过单点登录系统注册自己的信息,系统将这些信息通过加密保存在中央认证服务器的用户信息库中;用户初次访问单点登录系统,提交用户登录信息进行身份验证;如果成功返回用户ticket,同时将服务注册中心注册的服务信息返回给用户,如果失败转至登录页面重新登录思想政治材料储存与查询管理系统;用户从返回的信息中找到自己要访问的服务地址,发送服务请求;代理截获用户发出的访问请求,判断请求中是否含有ticket凭证,以判断用户是否已登录;如果登录,则截获ticket,并发送到中央认证服务器中进行认证;中央认证服务器收到代理请求,进行身份校验;如果通过校验,用户就可以不用再次登录直接访问;
数据的输入方法包括:
双工输入校验法,在不同的计算机上分别输入,然后由计算机校验两次输入结果,如果一致则提交数据,如果不一致则提示不一致,进行校对修改,直至两次输入的结果一致提交数据;
计算机辅助校验法,借助计算机软件进行校验。
扫描仪采集数据源的方法包括:
进行光学扫描;然后将光学图像传送到光电转换器中变为模拟电信号,将模拟电信号变换成为数字电信号,最后通过计算机接口送至计算机中;
具体包括:首先扫描原稿文字或者照片;然后启动驱动程序开始扫描;扫描仪光源沿y方向扫过整个原稿;照射到原稿上的光线经反射后穿过缝隙,形成沿x方向的光带,又经过一组反光镜,由光学透镜聚焦并进入分光镜,经过棱镜和红绿蓝三色滤色镜得到的三条彩色光带分别照到各自的电荷耦合器件上,电荷耦合器件将光带转变为模拟电子信号;反映原稿图像的光信号转变为计算机能够接受的二进制数字电子信号,最后通过串行或者并行等接口送至计算机。
本发明的另一目的在于提供一种实现所述基于大数据的思想政治材料储存与查询管理方法的计算机程序。
本发明的另一目的在于提供一种实现述基于大数据的思想政治材料储存与查询管理方法的计算机。
本发明的另一目的在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行所述的基于大数据的思想政治材料储存与查询管理方法。
本发明的另一目的在于提供一种基于大数据的思想政治材料储存与查询管理系统包括:
登录模块,与中央控制模块连接,用于管理员通过注册的账号进行登录思想政治材料储存与查询管理系统;
输入模块,与中央控制模块连接,用于数据的输入操作;
扫描模块,与中央控制模块连接,用于通过扫描仪扫描思想政治材料文字采集数据源;
中央控制模块,与登录模块、输入模块、扫描模块、云服务模块、数据存储模块、检索模块、学习模块连接,用于控制各个模块正常工作;
云服务模块,与中央控制模块连接,用于集中大数据资源对采集的思想政治材料进行处理分析;
数据存储模块,与中央控制模块连接,用于将云服务模块分析处理后的数据进行存储;
检索模块,与中央控制模块连接,用于通过输入检索关键字进行查询相关目标文件;
学习模块,与中央控制模块连接,用于给用户提供思想政治学习功能。
进一步,所述学习模块包括考核模块、教材库模块、案例库模块、考试库模块;
考核模块,用于对用户思想政治水平进行考核;
教材库模块,用于提供思想政治学习教材数据;
案例库模块,用于提供思想政治学习案例数据;
考试库模块,用于提供思想政治考核相关内容。
本发明的优点及积极效果为:
本发明通过云服务模块可以集中大数据资源对采集的思想政治材料进行处理分析,并将处理后的的数据通过数据存储模块进行存储,大大提高数据处理速度,提高管理效率;同时通过检索模块获取检索词,检索包含所述检索词的目标思想政治材料文件,显示记载检索词的目标思想政治材料文件的摘要,所述摘要为目标思想政治材料文件中一处包含检索词的部分,目标思想政治材料文件的摘要被选中后,定位到目标思想政治材料文件中摘要所处位置,并突出显示摘要中所述检索词,从而实现根据检索词准确定位到文中位置,从而能够更精确的检索到所需目标思想政治材料文件。
本发明通过注册的账号进行登录思想政治材料储存与查询管理系统;并进行通过输入注册的账号信息;输入是的传输函数为:
可增加数据传输性能。
扫描思想政治材料文字并采用种群算法采集数据源;建立多频带协作频谱感知优化模型;初始化参数;包括种群大小,控制参数'limit'和最大迭代次数Tmax;初始化迭代次数t=1,随机生成一个含有SN个解的初始种群,每个解xi(i=1,2,...,SN)是一个D维矢量,xi=[ωi,γi],D=(N+1)*K,其中w是控制中心给各用户统计信息所分配的权值因子,γ是判决门限,N是协作感知的用户数,K是子带数目;计算步每个解的适应度值,所述适应度函数定义为食物源的收益率;根据食物源的收益率记录当前最好的解Xbest,G;可采集准确全面的数据,相比于现有方法,可提高数据准确度和知识面积的增大。
本发明将采集的数据源发送到云服务模块集中大数据资源进行处理分析;云服务模块集中大数据资源处理分析中,
云服务模块集成的总站与潜在合作云服务模块集成的子站n计算联盟前的用户效用xi(Sn,ΠN),(i∈Sn,Sn为此信道下的潜在联盟,i为潜在联盟内云服务模块集成的总站用户m∪云服务模块集成的子站用户l∈Ln,Ln为云服务模块集成的子站服务的云服务模块集成的子站用户数量,ΠN为联盟分区)和联盟总效用ν(Sn,ΠN);联盟前的联盟总效用ν(Sn,ΠΝ)计算式如下:
可获得准确的大数据资源信息,相比于现有技术,由91.23%提高到98.69%,这是本发明应用的创新,同时可应用于其他数据处理领域。本发明的数据运行方法鲁棒性好。
附图说明
图1是本发明实施提供的基于大数据的思想政治材料储存与查询管理方法流程图。
图2是本发明实施提供的基于大数据的思想政治材料储存与查询管理系统结构框图。
图中:1、登录模块;2、输入模块;3、扫描模块;4、中央控制模块;5、云服务模块;6、数据存储模块;7、检索模块;8、学习模块。
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。
下面结合附图及具体实施例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大数据的思想政治材料储存与查询管理方法包括以下步骤:
S101,通过登录模块管理员通过注册的账号进行登录思想政治材料储存与查询管理系统;通过输入模块进行输入操作;
S102,通过扫描模块扫描思想政治材料文字采集数据源;
S103,中央控制模块将采集的数据源发送到云服务模块集中大数据资源进行处理分析;
S104,通过数据存储模块将云服务模块分析处理后的数据进行存储;
S105,通过检索模块输入检索关键字进行查询相关目标文件;
S106,通过学习模块给用户提供思想政治学习功能。
如图2所示,本发明实施例提供的基于大数据的思想政治材料储存与查询管理系统包括:登录模块1、输入模块2、扫描模块3、中央控制模块4、云服务模块5、数据存储模块6、检索模块7、学习模块8。
登录模块1,与中央控制模块4连接,用于管理员通过注册的账号进行登录思想政治材料储存与查询管理系统;
输入模块2,与中央控制模块4连接,用于数据的输入操作;
扫描模块3,与中央控制模块4连接,用于通过扫描仪扫描思想政治材料文字采集数据源;
中央控制模块4,与登录模块1、输入模块2、扫描模块3、云服务模块5、数据存储模块6、检索模块7、学习模块8连接,用于控制各个模块正常工作;
云服务模块5,与中央控制模块4连接,用于集中大数据资源对采集的思想政治材料进行处理分析;
数据存储模块6,与中央控制模块4连接,用于将云服务模块5分析处理后的数据进行存储;
检索模块7,与中央控制模块4连接,用于通过输入检索关键字进行查询相关目标文件;
学习模块8,与中央控制模块4连接,用于给用户提供思想政治学习功能。
其中,将思想政治材料储存与查询管理系统的登录信息(用户名和密码)采用统一管理的方式存放在中央认证服务器的用户数据库中,在单点登录系统平台进入思想政治材料储存与查询管理系统之前,首先通过中央认证服务器进行认证,判断用户是否合法,根据用户的权限将服务仓库中注册的服务信息返回给用户;用户根据返回的服务信息的地址访问服务资源。用户首先通过单点登录系统注册自己的信息,系统将这些信息通过加密保存在中央认证服务器的用户信息库中。用户初次访问单点登录系统,提交用户登录信息进行身份验证。如果成功返回用户ticket,同时将服务注册中心注册的服务信息返回给用户,如果失败转至登录页面重新登录思想政治材料储存与查询管理系统。用户从返回的信息中找到自己要访问的服务地址,发送服务请求。代理截获用户发出的访问请求,判断请求中是否含有ticket凭证,以判断用户是否已登录。如果登录,则截获ticket,并发送到中央认证服务器中进行认证。中央认证服务器收到代理请求,进行身份校验。如果通过校验,用户就可以不用再次登录直接访问。
不同身份的用户对系统模块功能的使用权限不同。基于角色的权限控制模型(role-based access control,RBAC)可以直接将思想政治材料储存与查询管理系统用户映射到信息系统中,使得对用户权限的管理更加直观、方便和统一。基于角色的访问控制技术的核心思想是将访问权限转换成角色的权限,通过给用户分配不同的角色达到赋予用户不同权限的目的。BAC包含三个实体:用户(user)、角色(role)和权限(privilege)。用户是思想政治材料储存与查询管理系统结构内部的人员;权限是对某一服务可访问、操作的权利;角色的概念源于思想政治材料储存与查询管理系统实际工作中的职务,一个具体职务代表了在工作中处理某些事物的权利,把这个概念引入到单点登录系统的授权管理中,角色作为中间桥梁把用户和服务的访问权限联系起来。一个角色与权限管理可以看成该角色拥有一组服务访问权限的集合,与用户关联又可以看做是若干具有企业职务身份的用户的集合。
如果某个用户u对某个服务s具有的权限记为P(u,s),则有如下关系:
P(u,s)=Pr(r(u),s)∪Pu(u,s)
其中:Pr(r(u),s)是通过用户u所属的角色r对服务s的权限;Pu(u,s)是通过对用户u直接授权所确定的对服务s的权限;P(u,s)是Pr、Pu两者的并集,即用户所属角色拥有的权限和用户自身拥有的权限之和。
在基于SOA的单点登录系统中,这种授权的方法不仅有效解决了角色定义、用户职责、服务对象等动态变化对系统所带来的问题,更增强了对用户授权的灵活性和可维护性。当权限授权后,一个具体的用户要求访问思想政治材料储存与查询管理系统某服务的功能时,中央认证服务器同时判断该用户所属角色和用户自身是否有访问该服务功能的权限。只要用户所属角色和用户自身其中之一被赋予该权限,则允许访问;如果两者都没有被赋予该权限,则拒绝访问。
输入模块,与中央控制模块连接,用于数据的输入操作;
双工输入校验法,由两名思想政治材料输入人员对同一批思想政治材料在不同的时间、不同的计算机上分别输入,然后由计算机校验两次输入结果,如果一致则提交数据,如果不一致则提示不一致的思想政治材料的名称、位置,让输入人员进行校对修改,直至两次输入的结果一致才能提交数据。其原理是不同的人员对同一个思想政治材料输入错误的概率是非常低的,根据概率论的原理,如果两名数据输入者各自的出错概率以0.5%来计算,通过双工输入校对后,剩余错误率介于1/40000与1/20000之间。这种方法输入效率和正确性都很高,应用十分广泛,在银行、会计、社会普查及教学管理等领域都有应用。另外,双工输入法还有一种更普及的方式—双重输入法,即同一人将数据输入两次,如各种信息系统在建立用户密码时要求重复输入两次,银行ATM机上进行转账操作时要求输入两遍账号。
计算机辅助校验法。借助计算机软件的一些功能来帮助人员进行校验。如Word软件中的语法检查能帮助人员检查出一些错误。借助一些文本朗读软件,对文本进行朗读,可以发现字形相近而发音不同的汉字输入错误。
扫描模块,与中央控制模块连接,用于通过扫描仪扫描思想政治材料文字采集数据源;
扫描仪是图像信号输入设备。它对思想政治材料进行光学扫描,然后将光学图像传送到光电转换器中变为模拟电信号,又将模拟电信号变换成为数字电信号,最后通过计算机接口送至计算机中。
扫描仪扫描图像的步骤是:首先将思想政治材料的原稿正面朝下铺在扫描仪的玻璃板上,原稿可以是文字稿件或者图纸照片;然后启动扫描仪驱动程序后,安装在扫描仪内部的可移动光源开始扫描原稿。为了均匀照亮稿件,扫描仪光源为长条形,并沿y方向扫过整个原稿;照射到原稿上的光线经反射后穿过一个很窄的缝隙,形成沿x方向的光带,又经过一组反光镜,由光学透镜聚焦并进入分光镜,经过棱镜和红绿蓝三色滤色镜得到的三条彩色光带分别照到各自的电荷耦合器件上,电荷耦合器件将光带转变为模拟电子信号,此信号又被变换器转变为数字电子信号。至此,反映原稿图像的光信号转变为计算机能够接受的二进制数字电子信号,最后通过串行或者并行等接口送至计算机。扫描仪每扫一行就得到原稿x方向一行的图像信息,随着沿y方向的移动,在计算机内部逐步形成原稿的全图。在扫描仪获取图像的过程中,有两个元件起到关键作用。一个是电荷耦合器件,它将光信号转换成为电信号;另一个是变换器,它将模拟电信号变为数字电信号。
下面结合具体分析对本发明作进一步描述。
本发明实施例提供的检索模块7检索方法包括:
首先,获取检索词;
其次,检索包含所述检索词的目标思想政治材料文件,显示记载所述检索词的目标思想政治材料文件的摘要,
然后,所述摘要为所述目标思想政治材料文件中一处包含所述检索词的部分;
最后,所述目标思想政治材料文件的摘要被选中后,定位到所述目标思想政治材料文件中所述摘要所处位置,并突出显示所述摘要中所述检索词。
本发明提供的学习模块8包括考核模块、教材库模块、案例库模块、考试库模块;
考核模块,用于对用户思想政治水平进行考核;
教材库模块,用于提供思想政治学习教材数据;
案例库模块,用于提供思想政治学习案例数据;
考试库模块,用于提供思想政治考核相关内容。
下面结合具体分析对本发明作进一步描述。
本发明实施例提供的基于大数据的思想政治材料储存与查询管理方法,包括:
通过注册的账号进行登录思想政治材料储存与查询管理系统;并进行通过输入注册的账号信息;输入是的传输函数为:
其中,ω0为滤波器的中心频率,对于不同的ω0,k使k/ω0保持不变;
在频率域构造滤波器,对应的极坐标表达方式为:
G(r,θ)=G(r,r)·G(θ,θ);
式中,Gr(r)为控制滤波器带宽的径向分量,Gθ(θ)为控制滤波器方向的角度分量;
r表示径向坐标,θ表示角度坐标,f0为中心频率,θ0为滤波器方向,σf用于确定带宽;
Bf=2(2/ln2)1/2|lnσf|,σθ确定角度带宽,Bθ=2(2/ln2)1/2σθ;
扫描思想政治材料文字并采用种群算法采集数据源;建立多频带协作频谱感知优化模型;初始化参数;包括种群大小,控制参数'limit'和最大迭代次数Tmax;初始化迭代次数t=1,随机生成一个含有SN个解的初始种群,每个解xi(i=1,2,...,SN)是一个D维矢量,xi=[ωi,γi],D=(N+1)*K,其中w是控制中心给各用户统计信息所分配的权值因子,γ是判决门限,N是协作感知的用户数,K是子带数目;计算步每个解的适应度值,所述适应度函数定义为食物源的收益率;根据食物源的收益率记录当前最好的解Xbest,G;
多频带协作频谱感知模型为:
s.t.cT(1-Pd(W,γ))≤ε
1-Pd(W,γ)≤α
1-Pf(W,γ)≥β
其中,W=[ω1,ω2,...,ωK]是权值因子,γ=[γ1,γ2,...γK]是判决门限,K表示子带数目,rT=[r1,r2,...,rK]是实现的吞吐率,cT=[c1,c2,...,cK]是代价系数,ε代表系统总的干扰,α=[α1,α2,...,αK]T表示每个子带的干扰限制,β=[β1,β2,...,βK]T是每个子带实现的最小机会频谱利用率,是虚警概率,其中第k个子带的虚警概率表示为
是检测概率,其中第k个子带的检测概率表示为M是检测区间长度,是噪声功率,Gk=[|Hk(1)|2,|Hk(2)|2,...|Hk(N)|2]T是主发送用户和次级接收用户间的信道增益,N表示协作用户的数目;
食物源的收益率计算公式如下:
根据式得到每个食物源的收益率,其中fi是目标函数f
i=rT(1-Pf(ωi,γi));
将采集的数据源发送到云服务模块集中大数据资源进行处理分析;云服务模块集中大数据资源处理分析中,
云服务模块集成的总站与潜在合作云服务模块集成的子站n计算联盟前的用户效用xi(Sn,ΠN),(i∈Sn,Sn为此信道下的潜在联盟,i为潜在联盟内云服务模块集成的总站用户m∪云服务模块集成的子站用户l∈Ln,Ln为云服务模块集成的子站服务的云服务模块集成的子站用户数量,ΠN为联盟分区)和联盟总效用ν(Sn,ΠN);联盟前的联盟总效用ν(Sn,ΠΝ)计算式如下:
上式表示潜在合作联盟内所有用户的效用之和,|Sn|为联盟内用户数量,表示对当前潜在合作联盟内的云服务模块集成的总站用户效用和云服务模块集成的子站用户效用求和;其中,联盟前的用户效用xi(Sn,ΠN)可分为云服务模块集成的总站用户效用xm(Sn,ΠN)和云服务模块集成的子站用户效用xl(Sn,ΠN),分别按下式计算:
式中,和分别为当前联盟分区下非合作情况的云服务模块集成的总站用户的可达信息速率和云服务模块集成的子站用户的可达信息速率,Sn为此信道下的潜在联盟,ΠN为当前联盟分区,和分别为非合作情况下云服务模块集成的总站用户的平均时延和云服务模块集成的子站用户的平均时延,δ∈(0,1)为传输容量-时延权衡系数,即系统对传输时延的容忍度,其中,非合作情况下的云服务模块集成的总站用户可达信息速率计算如下:
该式表示云服务模块集成的总站用户m受到相同子信道中云服务模块集成的子站干扰时的可达信息速率,其中,B表示该云服务模块集成的总站用户m所属子信道的带宽,log为10为底的对数运算,|H0,m|2表示云服务模块集成的总站(下标0表示云服务模块集成的总站)和云服务模块集成的总站用户m之间的信道增益,P0表示云服务模块集成的总站对于其用户m的发射功率,|Hn,m|2表示云服务模块集成的子站和云服务模块集成的总站用户m之间的信道增益,Pn表示云服务模块集成的子站n的发射功率,σ2为高斯白噪声(AWGN)均方值,|H0,m|2P0表示云服务模块集成的总站用户接收到的有用信号功率,表示云服务模块集成的总站用户接收到的干扰信号和高斯白噪声之和,表示云服务模块集成的总站用户接收到的相同子信道中的云服务模块集成的子站干扰信号之和,表示云服务模块集成的总站用户m此时的信干噪比;
将分析处理后的数据进行存储;
输入检索关键字进行查询相关目标文件;
为用户提供思想政治学习的目标文件的数据信息。
根据食物源的收益率记录当前最好的解Xbest,G后还需进行:
一次迭代结束后,记录当前最好的解;
判断迭代次数t是否达到最大迭代次数Tmax,若达到,输出全局最优Xopt,并根据式fi=rT(1-Pf(ωi,γi)),xi=[ωi,γi]得到系统的吞吐量;否则迭代次数t=t+1。
非合作情况的云服务模块集成的子站用户可达信息速率为云服务模块集成的子站服务的云服务模块集成的子站用户数量)按下式计算:
该式表示联盟前云服务模块集成的子站用户l受到云服务模块集成的总站和相同子信道中云服务模块集成的子站的干扰时的可达信息速率,其中,Bl表示该云服务模块集成的子站用户l所属子信道的带宽,|Hn,l|2表示云服务模块集成的子站n和云服务模块集成的子站用户l间的信道增益,Pn表示云服务模块集成的子站n的发射功率,|H0,l|2表示云服务模块集成的总站和云服务模块集成的子站用户l之间的信道增益,P0表示云服务模块集成的总站的发射功率,|Hi,l|2表示云服务模块集成的子站i和云服务模块集成的子站用户l间的信道增益,Pi为云服务模块集成的子站的发射功率,|Hn,l|2Pn表示云服务模块集成的子站用户接收的有用信号功率,表示云服务模块集成的子站用户接收到的干扰信号和高斯白噪声之和,|H0,l|2P0表示云服务模块集成的子站用户l接收到云服务模块集成的总站的相同子信道的干扰信号,表示云服务模块集成的子站用户l接收到相同子信道下的云服务模块集成的子站i的干扰信号,表示云服务模块集成的子站用户l此时的信干噪比;
和分别为非合作情况下云服务模块集成的总站用户的平均时延和云服务模块集成的子站用户的平均时延,计算式如下:
其中,考虑非合作情况下最大重传数为D时云服务模块集成的总站用户的实际通信负载和云服务模块集成的子站用户的实际通信负载分别为
λm和λl(bits/s)分别表示按M/D/1排队模型时由泊松到达过程确定分组的云服务模块集成的总站-云服务模块集成的总站用户的平均到达速率和云服务模块集成的子站-云服务模块集成的子站用户的平均到达速率,d为当前重传数,Ptm NC和Ptl NC分别表示非合作情况下云服务模块集成的总站用户传输成功的概率和云服务模块集成的子站用户传输成功的概率,即当信噪比(SINR)高于所设定的相应目标值γm、γl的概率,(i=l或m)表示数据第d次重传才成功的概率,计算式分别如下:
其中,Pr{SINR≥γ}表示信干噪比大于一定目标值γ时,数据成功传输的概率分布,|H0,m|2表示云服务模块集成的总站(下标0表示云服务模块集成的总站)和云服务模块集成的总站用户m之间的信道增益,P0表示云服务模块集成的总站对于其用户m的发射功率,|Hn,m|2表示云服务模块集成的子站和云服务模块集成的总站用户m之间的信道增益,Pn表示云服务模块集成的子站n的发射功率,σ2为高斯白噪声(AWGN)均方值,γm为宏用户成功传输目标值,|H0,m|2P0表示云服务模块集成的总站用户接收到的有用信号功率,表示云服务模块集成的总站用户接收到的干扰信号和高斯白噪声之和,表示云服务模块集成的总站用户接收到相同子信道中的云服务模块集成的子站干扰信号之和,表示云服务模块集成的总站用户m此时的信干噪比;
|Hn,l|2表示云服务模块集成的子站n和云服务模块集成的子站用户l间的信道增益,|H0,l|2表示云服务模块集成的总站和云服务模块集成的子站用户l之间的信道增益,Pn表示云服务模块集成的子站n的发射功率,P0表示云服务模块集成的总站的发射功率,|Hi,l|2表示云服务模块集成的子站i和云服务模块集成的子站用户l间的信道增益,Pi为云服务模块集成的子站的发射功率,γl为云服务模块集成的子站用户成功传输目标值,|H0,m|2P0表示云服务模块集成的子站用户接收到的有用信号功率,表示云服务模块集成的子站用户接收到的干扰信号和高斯白噪声之和,|H0,l|2P0表示云服务模块集成的子站用户接收到云服务模块集成的总站的相同子信道的干扰信号,表示云服务模块集成的子站用户接收到相同子信道下的云服务模块集成的子站的干扰信号,表示云服务模块集成的子站用户l此时的信干噪比。
上述方法可实现数据的采集、处理分析,鲁棒性强。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
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 (10)
1.一种基于大数据的思想政治材料储存与查询管理方法,其特征在于,所述基于大数据的思想政治材料储存与查询管理方法包括:
通过注册的账号进行登录思想政治材料储存与查询管理系统;并进行通过输入注册的账号信息;输入是的传输函数为:
其中,ω0为滤波器的中心频率,对于不同的ω0,k使k/ω0保持不变;
在频率域构造滤波器,对应的极坐标表达方式为:
G(r,θ)=G(r,r)·G(θ,θ);
式中,Gr(r)为控制滤波器带宽的径向分量,Gθ(θ)为控制滤波器方向的角度分量;
r表示径向坐标,θ表示角度坐标,f0为中心频率,θ0为滤波器方向,σf用于确定带宽;
σθ确定角度带宽,
扫描思想政治材料文字并采用种群算法采集数据源;建立多频带协作频谱感知优化模型;初始化参数;包括种群大小,控制参数'limit'和最大迭代次数Tmax;初始化迭代次数t=1,随机生成一个含有SN个解的初始种群,每个解xi(i=1,2,...,SN)是一个D维矢量,xi=[ωi,γi],D=(N+1)*K,其中w是控制中心给各用户统计信息所分配的权值因子,γ是判决门限,N是协作感知的用户数,K是子带数目;计算步每个解的适应度值,所述适应度函数定义为食物源的收益率;根据食物源的收益率记录当前最好的解Xbest,G;
多频带协作频谱感知模型为:
s.t.cT(1-Pd(W,γ))≤ε
1-Pd(W,γ)≤α
1-Pf(W,γ)≥β
其中,W=[ω1,ω2,...,ωK]是权值因子,γ=[γ1,γ2,...γK]是判决门限,K表示子带数目,rT=[r1,r2,...,rK]是实现的吞吐率,cT=[c1,c2,...,cK]是代价系数,ε代表系统总的干扰,α=[α1,α2,...,αK]T表示每个子带的干扰限制,β=[β1,β2,...,βK]T是每个子带实现的最小机会频谱利用率,是虚警概率,其中第k个子带的虚警概率表示为
是检测概率,其中第k个子带的检测概率表示为M是检测区间长度,是噪声功率,Gk=[|Hk(1)|2,|Hk(2)|2,...|Hk(N)|2]T是主发送用户和次级接收用户间的信道增益,N表示协作用户的数目;
食物源的收益率计算公式如下:
根据式得到每个食物源的收益率,其中fi是目标函数fi=rT(1-Pf(ωi,γi));
将采集的数据源发送到云服务模块集中大数据资源进行处理分析;云服务模块集中大数据资源处理分析中,
云服务模块集成的总站与潜在合作云服务模块集成的子站n计算联盟前的用户效用xi(Sn,ΠN),(i∈Sn,Sn为此信道下的潜在联盟,i为潜在联盟内云服务模块集成的总站用户m∪云服务模块集成的子站用户l∈Ln,Ln为云服务模块集成的子站服务的云服务模块集成的子站用户数量,ΠN为联盟分区)和联盟总效用ν(Sn,ΠN);联盟前的联盟总效用ν(Sn,ΠΝ)计算式如下:
上式表示潜在合作联盟内所有用户的效用之和,|Sn|为联盟内用户数量,表示对当前潜在合作联盟内的云服务模块集成的总站用户效用和云服务模块集成的子站用户效用求和;其中,联盟前的用户效用xi(Sn,ΠN)可分为云服务模块集成的总站用户效用xm(Sn,ΠN)和云服务模块集成的子站用户效用xl(Sn,ΠN),分别按下式计算:
式中,和分别为当前联盟分区下非合作情况的云服务模块集成的总站用户的可达信息速率和云服务模块集成的子站用户的可达信息速率,Sn为此信道下的潜在联盟,ΠN为当前联盟分区,和分别为非合作情况下云服务模块集成的总站用户的平均时延和云服务模块集成的子站用户的平均时延,δ∈(0,1)为传输容量-时延权衡系数,即系统对传输时延的容忍度,其中,非合作情况下的云服务模块集成的总站用户可达信息速率计算如下:
该式表示云服务模块集成的总站用户m受到相同子信道中云服务模块集成的子站干扰时的可达信息速率,其中,B表示该云服务模块集成的总站用户m所属子信道的带宽,log为10为底的对数运算,|H0,m|2表示云服务模块集成的总站(下标0表示云服务模块集成的总站)和云服务模块集成的总站用户m之间的信道增益,P0表示云服务模块集成的总站对于其用户m的发射功率,|Hn,m|2表示云服务模块集成的子站和云服务模块集成的总站用户m之间的信道增益,Pn表示云服务模块集成的子站n的发射功率,σ2为高斯白噪声(AWGN)均方值,|H0,m|2P0表示云服务模块集成的总站用户接收到的有用信号功率,表示云服务模块集成的总站用户接收到的干扰信号和高斯白噪声之和,表示云服务模块集成的总站用户接收到的相同子信道中的云服务模块集成的子站干扰信号之和,表示云服务模块集成的总站用户m此时的信干噪比;
将分析处理后的数据进行存储;
输入检索关键字进行查询相关目标文件;
为用户提供思想政治学习的目标文件的数据信息。
2.如权利要求1所述的基于大数据的思想政治材料储存与查询管理方法,其特征在于,根据食物源的收益率记录当前最好的解Xbest,G后还需进行:
一次迭代结束后,记录当前最好的解;
判断迭代次数t是否达到最大迭代次数Tmax,若达到,输出全局最优Xopt,并根据式fi=rT(1-Pf(ωi,γi)),xi=[ωi,γi]得到系统的吞吐量;否则迭代次数t=t+1。
3.如权利要求1所述的基于大数据的思想政治材料储存与查询管理方法,其特征在于,
非合作情况的云服务模块集成的子站用户可达信息速率(l∈ln,ln为云服务模块集成的子站服务的云服务模块集成的子站用户数量)按下式计算:
该式表示联盟前云服务模块集成的子站用户l受到云服务模块集成的总站和相同子信道中云服务模块集成的子站的干扰时的可达信息速率,其中,Bl表示该云服务模块集成的子站用户l所属子信道的带宽,|Hn,l|2表示云服务模块集成的子站n和云服务模块集成的子站用户l间的信道增益,Pn表示云服务模块集成的子站n的发射功率,|H0,l|2表示云服务模块集成的总站和云服务模块集成的子站用户l之间的信道增益,P0表示云服务模块集成的总站的发射功率,|Hi,l|2表示云服务模块集成的子站i和云服务模块集成的子站用户l间的信道增益,Pi为云服务模块集成的子站的发射功率,|Hn,l|2Pn表示云服务模块集成的子站用户接收的有用信号功率,表示云服务模块集成的子站用户接收到的干扰信号和高斯白噪声之和,|H0,l|2P0表示云服务模块集成的子站用户l接收到云服务模块集成的总站的相同子信道的干扰信号,表示云服务模块集成的子站用户l接收到相同子信道下的云服务模块集成的子站i的干扰信号,表示云服务模块集成的子站用户l此时的信干噪比;
和分别为非合作情况下云服务模块集成的总站用户的平均时延和云服务模块集成的子站用户的平均时延,计算式如下:
其中,考虑非合作情况下最大重传数为D时云服务模块集成的总站用户的实际通信负载和云服务模块集成的子站用户的实际通信负载分别为
λm和λl(bits/s)分别表示按M/D/1排队模型时由泊松到达过程确定分组的云服务模块集成的总站-云服务模块集成的总站用户的平均到达速率和云服务模块集成的子站-云服务模块集成的子站用户的平均到达速率,d为当前重传数,Ptm NC和Ptl NC分别表示非合作情况下云服务模块集成的总站用户传输成功的概率和云服务模块集成的子站用户传输成功的概率,即当信噪比(SINR)高于所设定的相应目标值γm、γl的概率,(i=l或m)表示数据第d次重传才成功的概率,计算式分别如下:
其中,Pr{SINR≥γ}表示信干噪比大于一定目标值γ时,数据成功传输的概率分布,|H0,m|2表示云服务模块集成的总站(下标0表示云服务模块集成的总站)和云服务模块集成的总站用户m之间的信道增益,P0表示云服务模块集成的总站对于其用户m的发射功率,|Hn,m|2表示云服务模块集成的子站和云服务模块集成的总站用户m之间的信道增益,Pn表示云服务模块集成的子站n的发射功率,σ2为高斯白噪声(AWGN)均方值,γm为宏用户成功传输目标值,|H0,m|2P0表示云服务模块集成的总站用户接收到的有用信号功率,表示云服务模块集成的总站用户接收到的干扰信号和高斯白噪声之和,表示云服务模块集成的总站用户接收到相同子信道中的云服务模块集成的子站干扰信号之和,表示云服务模块集成的总站用户m此时的信干噪比;
|Hn,l|2表示云服务模块集成的子站n和云服务模块集成的子站用户l间的信道增益,|H0,l|2表示云服务模块集成的总站和云服务模块集成的子站用户l之间的信道增益,Pn表示云服务模块集成的子站n的发射功率,P0表示云服务模块集成的总站的发射功率,|Hi,l|2表示云服务模块集成的子站i和云服务模块集成的子站用户l间的信道增益,Pi为云服务模块集成的子站的发射功率,γl为云服务模块集成的子站用户成功传输目标值,|H0,m|2P0表示云服务模块集成的子站用户接收到的有用信号功率,表示云服务模块集成的子站用户接收到的干扰信号和高斯白噪声之和,|H0,l|2P0表示云服务模块集成的子站用户接收到云服务模块集成的总站的相同子信道的干扰信号,表示云服务模块集成的子站用户接收到相同子信道下的云服务模块集成的子站的干扰信号,表示云服务模块集成的子站用户l此时的信干噪比。
4.如权利要求1所述的基于大数据的思想政治材料储存与查询管理方法,其特征在于,检索模块方法包括:
首先,获取检索词;
其次,检索包含所述检索词的目标思想政治材料文件,显示记载所述检索词的目标思想政治材料文件的摘要,
然后,所述摘要为所述目标思想政治材料文件中一处包含所述检索词的部分;
最后,所述目标思想政治材料文件的摘要被选中后,定位到所述目标思想政治材料文件中所述摘要所处位置,并突出显示所述摘要中所述检索词。
5.如权利要求1所述的基于大数据的思想政治材料储存与查询管理方法,其特征在于,思想政治材料储存与查询管理系统登方法包括:
将登录的用户名和密码信息采用统一管理的方式存放在中央认证服务器的用户数据库中,在单点登录系统平台进入思想政治材料储存与查询管理系统之前,首先通过中央认证服务器进行认证,判断用户是否合法,根据用户的权限将服务仓库中注册的服务信息返回给用户;用户根据返回的服务信息的地址访问服务资源。用户首先通过单点登录系统注册自己的信息,系统将这些信息通过加密保存在中央认证服务器的用户信息库中;用户初次访问单点登录系统,提交用户登录信息进行身份验证;如果成功返回用户ticket,同时将服务注册中心注册的服务信息返回给用户,如果失败转至登录页面重新登录思想政治材料储存与查询管理系统;用户从返回的信息中找到自己要访问的服务地址,发送服务请求;代理截获用户发出的访问请求,判断请求中是否含有ticket凭证,以判断用户是否已登录;如果登录,则截获ticket,并发送到中央认证服务器中进行认证;中央认证服务器收到代理请求,进行身份校验;如果通过校验,用户就可以不用再次登录直接访问;
数据的输入方法包括:
双工输入校验法,在不同的计算机上分别输入,然后由计算机校验两次输入结果,如果一致则提交数据,如果不一致则提示不一致,进行校对修改,直至两次输入的结果一致提交数据;
计算机辅助校验法,借助计算机软件进行校验。
扫描仪采集数据源的方法包括:
进行光学扫描;然后将光学图像传送到光电转换器中变为模拟电信号,将模拟电信号变换成为数字电信号,最后通过计算机接口送至计算机中;
具体包括:首先扫描原稿文字或者照片;然后启动驱动程序开始扫描;扫描仪光源沿y方向扫过整个原稿;照射到原稿上的光线经反射后穿过缝隙,形成沿x方向的光带,又经过一组反光镜,由光学透镜聚焦并进入分光镜,经过棱镜和红绿蓝三色滤色镜得到的三条彩色光带分别照到各自的电荷耦合器件上,电荷耦合器件将光带转变为模拟电子信号;反映原稿图像的光信号转变为计算机能够接受的二进制数字电子信号,最后通过串行或者并行等接口送至计算机。
6.一种实现权利要求1~5任意一项所述基于大数据的思想政治材料储存与查询管理方法的计算机程序。
7.一种实现权利要求1~5任意一项所述基于大数据的思想政治材料储存与查询管理方法的计算机。
8.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1-5任意一项所述的基于大数据的思想政治材料储存与查询管理方法。
9.一种实现权利要求1所述基于大数据的思想政治材料储存与查询管理方法的基于大数据的思想政治材料储存与查询管理系统,其特征在于,所述基于大数据的思想政治材料储存与查询管理系统包括:
登录模块,与中央控制模块连接,用于管理员通过注册的账号进行登录思想政治材料储存与查询管理系统;
输入模块,与中央控制模块连接,用于数据的输入操作;
扫描模块,与中央控制模块连接,用于通过扫描仪扫描思想政治材料文字采集数据源;
中央控制模块,与登录模块、输入模块、扫描模块、云服务模块、数据存储模块、检索模块、学习模块连接,用于控制各个模块正常工作;
云服务模块,与中央控制模块连接,用于集中大数据资源对采集的思想政治材料进行处理分析;
数据存储模块,与中央控制模块连接,用于将云服务模块分析处理后的数据进行存储;
检索模块,与中央控制模块连接,用于通过输入检索关键字进行查询相关目标文件;
学习模块,与中央控制模块连接,用于给用户提供思想政治学习功能。
10.如权利要求9所述的基于大数据的思想政治材料储存与查询管理系统,其特征在于,所述学习模块包括考核模块、教材库模块、案例库模块、考试库模块;
考核模块,用于对用户思想政治水平进行考核;
教材库模块,用于提供思想政治学习教材数据;
案例库模块,用于提供思想政治学习案例数据;
考试库模块,用于提供思想政治考核相关内容。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810819199.9A CN109189780A (zh) | 2018-07-24 | 2018-07-24 | 基于大数据的思想政治材料储存与查询管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810819199.9A CN109189780A (zh) | 2018-07-24 | 2018-07-24 | 基于大数据的思想政治材料储存与查询管理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109189780A true CN109189780A (zh) | 2019-01-11 |
Family
ID=64936701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810819199.9A Pending CN109189780A (zh) | 2018-07-24 | 2018-07-24 | 基于大数据的思想政治材料储存与查询管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109189780A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109800271A (zh) * | 2019-02-23 | 2019-05-24 | 湖北理工学院 | 一种基于大数据的信息采集方法 |
CN109976743A (zh) * | 2019-04-09 | 2019-07-05 | 苏州浪潮智能科技有限公司 | 一种代码提示的方法及装置 |
CN112035470A (zh) * | 2020-08-27 | 2020-12-04 | 信阳职业技术学院 | 一种基于大数据的数学材料储存与查询管理系统 |
CN113450437A (zh) * | 2021-07-09 | 2021-09-28 | 张书洁 | 一种思想政治教育宣传系统、数据处理终端及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104993889A (zh) * | 2015-07-07 | 2015-10-21 | 西安电子科技大学 | 一种基于人工蜂群算法的多频带协作频谱感知优化方法 |
CN105491510A (zh) * | 2015-12-17 | 2016-04-13 | 西安电子科技大学 | 一种密集异构蜂窝网络中面向资源共享的业务卸载方法 |
CN105608958A (zh) * | 2016-03-29 | 2016-05-25 | 湖南城市学院 | 一种便携式思想政治教学模型 |
CN106778498A (zh) * | 2016-11-13 | 2017-05-31 | 北海和思科技有限公司 | 一种增强指纹图像识别的方法 |
US20180074873A1 (en) * | 2016-09-15 | 2018-03-15 | Oracle International Corporation | Processing cloud services and intelligence cloud services integration |
CN107807978A (zh) * | 2017-10-26 | 2018-03-16 | 北京航空航天大学 | 一种基于协同过滤的代码评审者推荐方法 |
-
2018
- 2018-07-24 CN CN201810819199.9A patent/CN109189780A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104993889A (zh) * | 2015-07-07 | 2015-10-21 | 西安电子科技大学 | 一种基于人工蜂群算法的多频带协作频谱感知优化方法 |
CN105491510A (zh) * | 2015-12-17 | 2016-04-13 | 西安电子科技大学 | 一种密集异构蜂窝网络中面向资源共享的业务卸载方法 |
CN105608958A (zh) * | 2016-03-29 | 2016-05-25 | 湖南城市学院 | 一种便携式思想政治教学模型 |
US20180074873A1 (en) * | 2016-09-15 | 2018-03-15 | Oracle International Corporation | Processing cloud services and intelligence cloud services integration |
CN106778498A (zh) * | 2016-11-13 | 2017-05-31 | 北海和思科技有限公司 | 一种增强指纹图像识别的方法 |
CN107807978A (zh) * | 2017-10-26 | 2018-03-16 | 北京航空航天大学 | 一种基于协同过滤的代码评审者推荐方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109800271A (zh) * | 2019-02-23 | 2019-05-24 | 湖北理工学院 | 一种基于大数据的信息采集方法 |
CN109976743A (zh) * | 2019-04-09 | 2019-07-05 | 苏州浪潮智能科技有限公司 | 一种代码提示的方法及装置 |
CN109976743B (zh) * | 2019-04-09 | 2022-07-12 | 苏州浪潮智能科技有限公司 | 一种代码提示的方法及装置 |
CN112035470A (zh) * | 2020-08-27 | 2020-12-04 | 信阳职业技术学院 | 一种基于大数据的数学材料储存与查询管理系统 |
CN113450437A (zh) * | 2021-07-09 | 2021-09-28 | 张书洁 | 一种思想政治教育宣传系统、数据处理终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109189780A (zh) | 基于大数据的思想政治材料储存与查询管理系统及方法 | |
US9450942B1 (en) | Access to resources | |
CN100488190C (zh) | 授权访问服务器上的资源的方法和系统 | |
CN105117657B (zh) | 一种基于智慧服务的开放式授权接入的设计方法和系统 | |
Bianco et al. | Two new von Kries based chromatic adaptation transforms found by numerical optimization | |
CN104169904A (zh) | 检测透明网络通信拦截工具 | |
CN105868369A (zh) | 一种基于Merkle树结构的数据模型验证系统与方法 | |
CN109063138A (zh) | 用于在区块链即服务平台搜索数据的方法、设备及存储介质 | |
CN105141580B (zh) | 一种基于ad域的资源访问控制方法 | |
US20140173693A1 (en) | Cookie Optimization | |
Miao et al. | Differential privacy–based location privacy enhancing in edge computing | |
US7801967B1 (en) | Method and system for implementing database connection mapping for reporting systems | |
CN109817347A (zh) | 在线诊断平台、其权限管理方法及权限管理系统 | |
CN111695108A (zh) | 一种异构计算环境中多源账号的用户统一账号标识系统 | |
CN113033652A (zh) | 一种基于区块链与联邦学习的图像识别系统及方法 | |
CN112118238A (zh) | 认证登录的方法、装置、系统、设备及存储介质 | |
CN109902150A (zh) | 非结构化数字资源全文检索方法及系统 | |
CN109495514A (zh) | 基于边缘终端的角色访问控制系统及方法 | |
CN115396229B (zh) | 一种基于区块链的跨域资源隔离共享系统 | |
CN106933984A (zh) | 一种分布式文件系统的调度方法及系统 | |
WO2023192175A1 (en) | Device-agnostic access control techniques | |
CN114793244B (zh) | 一种区块链的资源处理方法、装置、设备和介质 | |
CN109218329A (zh) | 一种使用NetData-Auth用户认证框架进行认证的方法和系统 | |
JP2003006162A (ja) | 認証アプリケーションサービスシステム | |
CN110278178A (zh) | 一种登录方法、设备及可读存储介质 |
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 |
Application publication date: 20190111 |
|
RJ01 | Rejection of invention patent application after publication |