基于PaaS平台的矢量关系化数据可视化方法

来源 :信息技术 | 被引量 : 0次 | 上传用户:heiefei
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了缩短矢量关系化数据可视化响应和转换时间,提高数据转换准确率,确保硬件配置适应性,提出基于PaaS平台的矢量关系化数据可视化方法.引入分块处理模型,简化矢量关系化数据架构,建立连接散乱数据近邻关系,确定具体部分方向与空间数值.采用PaaS平台,结合K邻域搜索算法,转换矢量关系化数据,获取要素几何信息,建立索引编码主体,构建可视化程序整体框架,实现矢量关系化数据可视化表达.实验结果表明,所提方法的硬件配置适应性较好,能够有效提高数据转换准确率,缩短可视化响应和转换时间.
其他文献
针对当前配网差动保护移动边缘计算方法未考虑配网空间均衡配置,导致输出稳压和电流稳定性较差、均衡性较低的问题,提出基于5G通信的配网差动保护移动边缘计算方法.采用5G毫秒级低时延技术,构建5G电力通信配网的空间均衡配置模型,计算5G通信信道冲激响应特征量,融入联合控制方法,获取5G毫秒级低时延传输效率函数,根据承载网到5G网络端切片融合结果,提取配网差动保护移动边缘特征,实现配网差动保护和移动边缘量化解析.实验结果表明,所提方法的输出稳压和电流稳定性较好,能够有效提高输出信道均衡性.
因材施教一直是个性化学习追求的价值取向,但如何解决传统学习模式忽略学习者主体性、差异性和发展性,是个性化学习长久以来面临的挑战.作者提出,基于人工智能的智适应学习为解决上述问题提供了新的参照.智适应学习以人工智能为技术支持,以智适应学习系统为依托,将纳米级的知识点作为学习内容形态,对学习者进行知识点诊断、学习资源推送与学习路径指引,形成“测、学、练、测、辅”的个性化学习模式,为学习者提供智能、精准的个性化学习体验.