91亚洲国产高清,国产成人亚洲一区二区三区,国产激情综合

搶攻云端服務(wù)器　英特爾多核處理器輪番登場

英特爾(Intel)壯大Xeon伺服器處理器產(chǎn)品陣容。物聯(lián)網(wǎng)快速發(fā)展掀動(dòng)云端資料中心建置熱潮，英特爾瞄準(zhǔn)此一龐大商機(jī)，于近日擴(kuò)增D-1500系列并推出四核心至八核心等八款新處理器，滿足在高密度、嚴(yán)峻環(huán)境下運(yùn)作的網(wǎng)路、云端儲存等應(yīng)用；明年第一季更將發(fā)布可于寬廣溫度范圍下運(yùn)作的十二核心與十六核心方案。

發(fā)表于：11/17/2015

“十三五”信息通信業(yè)任重而道遠(yuǎn)

剛剛過去的“雙11”再度刷新我國信息消費(fèi)的天文數(shù)字——據(jù)星圖數(shù)據(jù)稱，當(dāng)日全網(wǎng)交易額為1229.37億元，較去年的805億增長52.7%。

發(fā)表于：11/17/2015

HDS把數(shù)據(jù)管控交給客戶全面轉(zhuǎn)向大數(shù)據(jù)與云計(jì)算

近日，2015年HDS大中華區(qū)CIO峰會(huì)在上海開幕，HDS全球首席執(zhí)行官Jack Domme率領(lǐng)HDS全球最高管理團(tuán)隊(duì)與來自中國的CIO共同探討傳統(tǒng)產(chǎn)業(yè)如何充分利用互聯(lián)網(wǎng)+的顛覆性力量完成自身的數(shù)字革命與轉(zhuǎn)型，讓大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等信息科技革命成果更好地惠及企業(yè)、各大產(chǎn)業(yè)以及整個(gè)社會(huì)的變革和發(fā)展。

發(fā)表于：11/17/2015

基于Spark的分層協(xié)同過濾推薦算法

發(fā)表于：11/15/2015

基于PCIE總線主模式DMA高速數(shù)據(jù)傳輸系統(tǒng)設(shè)計(jì)

介紹了一種基于PCIE總線主模式DMA高速數(shù)據(jù)傳輸系統(tǒng)的設(shè)計(jì)。該系統(tǒng)利用Xilinx公司V5系列的FPGA芯片搭建了x1通道的PCIE系統(tǒng)。實(shí)驗(yàn)利用自行開發(fā)的PCIE接口板實(shí)現(xiàn)了單字讀寫及DMA讀寫的傳輸方式，并在上位機(jī)軟件界面上及ChipScope中顯示并驗(yàn)證了讀寫數(shù)據(jù)的正確性，經(jīng)實(shí)驗(yàn)表明傳輸速率可穩(wěn)定在400 MB/s左右。

發(fā)表于：11/15/2015

基于自適應(yīng)TIADC的頻譜模塊設(shè)計(jì)

通過對時(shí)間交替采樣(Time-interleaved ADC，TIADC)理論和下變頻快速傅里葉(Fast Fourier Transform，F(xiàn)FT)的研究，提出一種復(fù)用FFT結(jié)構(gòu)的自適應(yīng)TIADC頻譜分析設(shè)計(jì)方案。該方案首先通過四通道ADC進(jìn)行時(shí)間交替高速采樣，并采用頻域互譜法估計(jì)時(shí)延誤差，利用Farrow濾波器進(jìn)行自適應(yīng)校正；然后對采樣數(shù)據(jù)作下變頻處理，并復(fù)用FFT模塊，實(shí)現(xiàn)高速采樣的頻譜分析；最后通過FPGA實(shí)驗(yàn)驗(yàn)證，證明自適應(yīng)TIADC的頻譜模塊設(shè)計(jì)不僅能準(zhǔn)確反映采集信號頻譜信息，而且硬件資源開銷相對減小。

發(fā)表于：11/15/2015

Atmel參展ARM TechCon 2015 推出面向物聯(lián)網(wǎng)應(yīng)用的ARM mbed評估平臺

中國上海，2015年11月XX日 –全球微控制器（MCU）及觸控技術(shù)解決方案領(lǐng)域的領(lǐng)導(dǎo)者Atmel公司（納斯達(dá)克股票交易代碼：ATML）今日推出其首款基于ARM® mbed?物聯(lián)網(wǎng)（IoT）平臺的片上系統(tǒng)（SoC）硬件評估解決方案。該解決方案由Atmel | SMART SAMR21 SoC支持，基于 mbed 物聯(lián)網(wǎng)設(shè)備平臺運(yùn)行。mbed平臺提供操作系統(tǒng)、云服務(wù)、工具和開發(fā)生態(tài)環(huán)境，使得任意規(guī)模的標(biāo)準(zhǔn)商用解決方案部署成為可能。Atmel | SMART SAMR21則是迅速發(fā)展的物聯(lián)網(wǎng)市場的理想解決方案。

發(fā)表于：11/14/2015

一種基于云計(jì)算的大圖高頻模式挖掘算法

現(xiàn)有的圖挖掘算法在云環(huán)境下難以有效地進(jìn)行大規(guī)模圖形的高頻模式挖掘。為此，對SpiderMine算法做了改進(jìn)，提出一種基于云的SpiderMine算法（c-SpiderMine）。該算法首先利用最小切割算法將大規(guī)模圖形數(shù)據(jù)分為多個(gè)子圖，使分區(qū)/融合成本最小，然后利用SpiderMine進(jìn)行模式挖掘，顯著降低了大型模式生成時(shí)的組合復(fù)雜度。最后采用一種模式鍵函數(shù)來保存模式，以保證所有模式可被成功恢復(fù)和融合。基于3種真實(shí)數(shù)據(jù)集的仿真實(shí)驗(yàn)結(jié)果表明，c-SpiderMine可高效挖掘云環(huán)境下的前K個(gè)大型模式，在不同數(shù)據(jù)規(guī)模和最小支持設(shè)置條件下，c-SpiderMine在內(nèi)存使用和運(yùn)行時(shí)間方面的性能均優(yōu)于SpiderMine。

發(fā)表于：11/12/2015

聚焦云計(jì)算和大數(shù)據(jù) 互聯(lián)網(wǎng)大佬座談“心里話”

作為互聯(lián)網(wǎng)最重大的技術(shù)革命——云計(jì)算、大數(shù)據(jù)將是未來20年乃至更長時(shí)間段里新一代信息技術(shù)的關(guān)鍵和核心，是國民經(jīng)濟(jì)發(fā)展的信息基礎(chǔ)設(shè)施。

發(fā)表于：11/11/2015

基于單片機(jī)的機(jī)載千兆交換機(jī)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

針對機(jī)載千兆交換機(jī)系統(tǒng)配置與自測試(BIT)要求，設(shè)計(jì)了一種基于單片機(jī)的嵌入式交換機(jī)系統(tǒng)。針對軟件的移植性、擴(kuò)展性要求，采用基于UML的面向?qū)ο笤O(shè)計(jì)方法，建立了軟件的靜態(tài)模型，給出了軟件運(yùn)行流程圖及設(shè)計(jì)。通過在單片機(jī)平臺上實(shí)現(xiàn)，表明硬件功能正常，軟件能實(shí)現(xiàn)交換機(jī)系統(tǒng)的配置與自測試

發(fā)表于：11/10/2015

CANopen協(xié)議誕生及發(fā)展

摘要：OSI是Open System Interconnection的縮寫，意為開放式系統(tǒng)互聯(lián)。國際標(biāo)準(zhǔn)化組織（ISO）制定了OSI模型，該模型定義了不同計(jì)算機(jī)互聯(lián)的標(biāo)準(zhǔn)，是設(shè)計(jì)和描述計(jì)算機(jī)網(wǎng)絡(luò)通信的基本框架。OSI模型把網(wǎng)絡(luò)通信的工作分為7層，分別是物理層、數(shù)據(jù)鏈路層、網(wǎng)絡(luò)層、傳輸層、會(huì)話層、表示層和應(yīng)用層。

發(fā)表于：11/10/2015

物聯(lián)網(wǎng)跑太快通用標(biāo)準(zhǔn)卻跟不上

互聯(lián)網(wǎng)在未來會(huì)增加對大規(guī)模數(shù)據(jù)中心的需求，但沒有通用的標(biāo)準(zhǔn)可不行。

發(fā)表于：11/10/2015

Google 新款 Brillo 物聯(lián)網(wǎng)操作系統(tǒng)可完整支持 MIPS CPU 架構(gòu)

2015 年 11 月 6 日 — Imagination Technologies 宣布，在 Google 為物聯(lián)網(wǎng)應(yīng)用開發(fā)的新款 Brillo 操作系統(tǒng)中，MIPS CPU 架構(gòu)是獲得完整支持的主要 CPU 架構(gòu)之一。

發(fā)表于：11/9/2015

國產(chǎn)CPU迷局龍芯該如何參與市場競爭

日前，龍芯中科總裁胡偉武出席“自主可控基礎(chǔ)軟硬件發(fā)展之路”專題會(huì)議時(shí)談到自主可控，希望政府在“黑暗森林”里面扎起籬笆，給自主處理器一個(gè)封閉廝殺的空間。一時(shí)之間，這個(gè)觀點(diǎn)引發(fā)爭議。國產(chǎn)化是否就意味著自主可控？中國芯能靠這道籬笆發(fā)展起來嗎？整個(gè)CPU產(chǎn)業(yè)未來應(yīng)該朝著哪個(gè)方向發(fā)展？

發(fā)表于：11/9/2015

基于改進(jìn)KNN的消費(fèi)者評價(jià)信息情感分類研究

面對大數(shù)據(jù)時(shí)代消費(fèi)者評價(jià)的海量信息，為了識別消費(fèi)者評價(jià)信息的情感傾向，及時(shí)掌握消費(fèi)者的評價(jià)信息反饋，采用K-近鄰（KNN）算法對消費(fèi)者評價(jià)信息進(jìn)行情感分類，但是該算法在文本分類過程中因文本特征向量的維度高，使得算法的時(shí)間復(fù)雜度和空間復(fù)雜度較高，計(jì)算的開銷很大。針對這一問題，通過對獲取信息的文本結(jié)構(gòu)以及情感表達(dá)特點(diǎn)的分析，采用一種改進(jìn)的KNN算法進(jìn)行文本情感分類。在對消費(fèi)者評價(jià)信息進(jìn)行分類時(shí)，先由潛在語義分析算法對文本特征向量進(jìn)行降維處理，然后利用加權(quán)KNN算法進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，該方法在提高文本分類速度的同時(shí)保持了良好的分類效果。

發(fā)表于：11/8/2015