1. 数据密集型计算环境下的大数据结构研究 

        针对数据密集型计算环境下的大数据处理所面临的时空复杂性瓶颈,从数据结构设计的空间复杂性入手,通过研究大数据结构的设计新模式,充分利用现有的高性能计算机的计算能力。针对数据密集型计算的核心问题,创造和发展适用于大规模离散结构与高性能计算的高效数据结构。

2. 高可用的分布式存储系统:

        系统的体系结构,特别是存储架构是数据管理的基础问题,决定了数据访问的代价。不同于传统数据管理任务,数据密集型计算应用要求存储系统具有分布、廉价(性价比高)、可伸缩性(Scalable)、高可用等特性。此外,存储系统还必须能够同时满足离线的数据备份和分析处理和在线的即时访问两大需求。我的研究将集中在基于集群的分布式存储架构、满足高可用要求的存储的调度和备份技术以及节电的数据访问技术。

3. 异构和非结构化数据的存储与索引

        传统数据管理技术只能处理结构化数据和部分半结构化数据,扩展的关系模型也无法有效表示数据密集型计算应用中的异构和非结构化的数据。现有的研究工作采用退化的关系模型,即“宽表”(Wide Table)模型,通过打破传统关系模型的第一范式假设(即“原子属性”假设),以达到描述异构和非结构化数据的目的。但是,宽表模型表示的数据是稀疏的、弱类型的,因此传统的基于行的存储和索引技术一方面会耗费大量的存储空间,另一方面也无法有效支持复杂的多维和高维数据的查询。按列存储技术则可能引入大量的连接操作而降低数据访问的效率。

4. 数据密集型计算方法的基础理论研究

        研究在计算机上运行的数值算法的构造及其数学理论基础,并行自适应算法与理论。

5. 企业的商务智能应用

        实现企业商务智能需要整合生产、销售、供应、服务、人事、财务等一系列子系统。数据是整合的对象之一,更是实现商务智能的基础。由于这些系统中的数据包括产品设计、生产过程以及计划、客户、订单、售前后服务等数据,除类型多样,数量巨大外,结构也是复杂、异构的。数据密集型计算系统是实现跨区域企业商务智能的支撑技术。

6. 面向服务的数据管理

        数据密集型计算系统提供了一种全新的应用服务模式,它相应地对数据管理提出了新的要求。首先,数据密集计算应用通常只提供Web或Web服务接口。客户端的功能往往弱于传统的数据库客户端(ODBC或JDBC客户端)。因此,服务器端需要负担更多的查询和计算任务,甚至包括一部分报表和图表绘制任务。在查询处理中集成这些功能,并实现多查询、多任务、多客户优化是一个重要的研究问题。此外,由于客户通常通过远程连接访问数据密集型计算应用,因此,客户无法忍受大规模的数据传输所造成的延时。高效的数据传输、按需传输技术是本项研究的另一个重要部分。

7. 数据密集型计算中的应用性数据分析

        如泉州师院贴吧舆情分析 、联赛数据分析和预测、 微博信息采集与分析、微信信息采集与分析 。

8. 智能视频技术

        基于多分形智能视觉技术的远程监控系统软硬件产品的设计开发与制造。用于对大范围、大视野的远程监控对象实施全天候动态实时监测,重点应用于森林火灾智能识别与动态监测。系统采用多分形参数描述烟雾和火焰等动态监测对象,结合多种先进的计算机视觉技术,从运动目标检测、图像特征提取、分类模式识别等方面重点解决林火烟雾等大范围远程监控对象快速准确识别问题。

 9. 蓝牙4.0技术应用系统

        蓝牙4.0技术的推出及智能手机的普及为低功耗蓝牙技术应用推广提供了技术可行性及应用可行性。运用蓝牙4.0技术将数据推送到随身的智能设备上,智能设备的应用APP能够对数据进行分析处理,实现实时体征监测。

10. 面向知识管理的知识库建设与构建关键技术及系统

        研究海量知识资源的获取、表示、标注、组织和构建等关键技术;研究知识图谱的统一表示、管理和查询等关键技术,形成一套通用构建工具。针对知识记忆类问题求解,研究海量知识检索、答案抽取和生成等关键技术及系统。

11. 面向教育的知识能力智能测评与验证系统

        构建面向教育的主观答题原型系统的软硬件支撑环境及交互接口,集成试卷阅读识别、文字图形识别和语音技术,研制基础教育知识能力智能测评答题原型系统及智能知识问答服务示范应用平台。制定知识能力评测指标体系,开发配套评测工具平台。

www.aizhongaihealth.com,www.xjtzjt.com,www.fundch.com,www.sdshangde.cn,www.tcmxsp.com