導(dǎo)語(yǔ)：如何才能寫好一篇云計(jì)算的特征，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞： 云計(jì)算； 數(shù)據(jù)特定特征； 特征挖掘技術(shù)； 提取精度

中圖分類號(hào)： TN911?34； G420 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）13?0178?03

Abstract： For the imprecise data specific information extraction in the process of traditional cloud computing， a specific characteristic mining method of massive data in cloud computing environment is presented. The matrix node difference model is used to arrange the data orderly， and avoid the imprecise extraction data caused by data confusion of the traditional method. The huge cloud data makes the data positioning imprecise. In order to eliminate the above problem， the multidimensional data positioning calculation is adopted to solve the problem of imprecise positioning effectively， and extract the data information successfully. In order to verify the effectiveness of the massive data specific characteristic mining method in cloud computing environment， the contrast simulation experiment was designed. The experimental results fully prove that the method can improve the accuracy of the data extraction effectively.

Keywords： cloud computing； data specific characteristic； feature mining technology； extraction accuracy

0 引 言

隨著科技的快速發(fā)展，數(shù)據(jù)信息時(shí)代逐漸向著云時(shí)代變遷，數(shù)據(jù)的運(yùn)算存儲(chǔ)已經(jīng)由傳統(tǒng)的硬盤存儲(chǔ)逐漸發(fā)展成為云端計(jì)算存儲(chǔ)[1]。通過(guò)云端的計(jì)算存儲(chǔ)已經(jīng)在很大程度上摒棄了原有的算法規(guī)則，能夠更大程度的進(jìn)行數(shù)據(jù)統(tǒng)計(jì)和數(shù)據(jù)運(yùn)算[2]。在使用云端計(jì)算的環(huán)境下，存儲(chǔ)在云端的海量數(shù)據(jù)都是通過(guò)數(shù)據(jù)定位以及數(shù)據(jù)分析進(jìn)行計(jì)算的，使用適當(dāng)?shù)恼{(diào)度方法可以在很大程度上進(jìn)行數(shù)據(jù)的特征提取。所以，有效的數(shù)據(jù)調(diào)度可以充分提高數(shù)據(jù)的特征提取能力，但是傳統(tǒng)的云端計(jì)算過(guò)程由于數(shù)據(jù)存儲(chǔ)量過(guò)于繁雜，并且在進(jìn)行數(shù)據(jù)定位的過(guò)程中需要進(jìn)行數(shù)據(jù)識(shí)別。傳統(tǒng)的方法是使用數(shù)據(jù)的屬性進(jìn)行標(biāo)識(shí)識(shí)別，但是為了數(shù)據(jù)的存儲(chǔ)方便一般會(huì)進(jìn)行適當(dāng)?shù)臄?shù)據(jù)壓縮和數(shù)據(jù)轉(zhuǎn)換，數(shù)據(jù)進(jìn)行調(diào)用過(guò)程中十分的繁瑣，并且數(shù)據(jù)的調(diào)用過(guò)程是一個(gè)識(shí)別提取的過(guò)程，這種方式極大地影響了數(shù)據(jù)特征提取的速度以及準(zhǔn)確性[3?4]。在進(jìn)行數(shù)據(jù)特征提取的過(guò)程中還存在一些數(shù)據(jù)節(jié)點(diǎn)，這些節(jié)點(diǎn)極大程度上限制了提取的精度[4?5]。綜上所述，本文設(shè)計(jì)了一種云計(jì)算環(huán)境下的海量數(shù)據(jù)特定特征挖掘方法，該方法能夠有效解決上述問(wèn)題[6]。

1 運(yùn)用矩陣節(jié)點(diǎn)差分計(jì)算方法進(jìn)行數(shù)據(jù)特定特

征挖掘

使用矩陣節(jié)點(diǎn)差分計(jì)算可以提高數(shù)據(jù)提取的精準(zhǔn)度，在計(jì)算之前需要進(jìn)行數(shù)據(jù)的方位確定以及數(shù)據(jù)的預(yù)處理[7?8]。

式中：為單位下數(shù)據(jù)信息量；為數(shù)據(jù)的信息坐標(biāo)；為提取條件下的屬性條件；為實(shí)際的儺災(zāi)滌頡

當(dāng)限制節(jié)點(diǎn)傳輸信息至?xí)r，傳輸單位需要經(jīng)過(guò)個(gè)節(jié)點(diǎn)才能進(jìn)行屬性提取。關(guān)系式為：

保證數(shù)據(jù)的正確性和快速性是通過(guò)區(qū)域的劃分得到的，劃分前需要預(yù)設(shè)參數(shù)，通過(guò)設(shè)定能夠?qū)x擇精度進(jìn)行控制，避免誤差的產(chǎn)生。

式中：為離散參數(shù)；為整合參數(shù)域；為區(qū)域值；表示提取深度；代表數(shù)據(jù)衡量值。

進(jìn)行數(shù)據(jù)的特征提取過(guò)程中，使用矩陣節(jié)點(diǎn)差分方法，因此需要進(jìn)行數(shù)據(jù)的預(yù)處理[9]，預(yù)處理之后才可以使用，首先是數(shù)據(jù)編續(xù)：

經(jīng)過(guò)序號(hào)的排列以后，方便數(shù)據(jù)在大量數(shù)據(jù)中進(jìn)行準(zhǔn)確提取，但是排序之后的數(shù)據(jù)不能直接使用，需要一定的調(diào)用計(jì)算，方便在提取過(guò)程中屬性的搭配：

式中：表示單位時(shí)間數(shù)據(jù)能夠調(diào)用的屬性；表示實(shí)際區(qū)域范圍內(nèi)數(shù)據(jù)的識(shí)別碼；是實(shí)際計(jì)算中的屬性參數(shù)；表示計(jì)算常量。

通過(guò)上述計(jì)算便可以進(jìn)行矩陣節(jié)點(diǎn)差分方程的計(jì)算，建立如下矩陣：

通過(guò)化簡(jiǎn)的公式可以看出數(shù)據(jù)與實(shí)際調(diào)用的關(guān)系，把公式進(jìn)行加權(quán)處理就可以得到關(guān)系公式，這樣可以更加精確的在海量數(shù)據(jù)中完成特征提取。

限定好實(shí)用的屬性參數(shù)及屬性目標(biāo)，進(jìn)行加權(quán)計(jì)算：

本文運(yùn)用矩陣節(jié)點(diǎn)差分計(jì)算方法進(jìn)行數(shù)據(jù)特定特征挖掘，在計(jì)算前進(jìn)行數(shù)據(jù)的預(yù)處理保證了數(shù)據(jù)的有效性，提高了結(jié)果的精準(zhǔn)度，最后用條件進(jìn)行限定保證在大量的數(shù)據(jù)中能夠進(jìn)行精準(zhǔn)的計(jì)算。

2 實(shí)驗(yàn)驗(yàn)證

為了驗(yàn)證本文設(shè)計(jì)的云計(jì)算環(huán)境下的海量數(shù)據(jù)特定特征挖掘方法的有效性，設(shè)計(jì)了對(duì)比仿真實(shí)驗(yàn)。選定某網(wǎng)絡(luò)數(shù)據(jù)公司大型云端數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)特征提取，首先使用傳統(tǒng)的方法進(jìn)行云端數(shù)據(jù)提取，然后使用本文設(shè)計(jì)的云算環(huán)境下的海量數(shù)據(jù)特定特征挖掘方法進(jìn)行數(shù)據(jù)的特征提取。

2.1 參數(shù)設(shè)置

為了保證實(shí)驗(yàn)的有效性，同時(shí)進(jìn)行實(shí)驗(yàn)，設(shè)置調(diào)配參數(shù)為65.8；數(shù)據(jù)坐標(biāo)分別為150，100；為了保證數(shù)據(jù)提取的速度，設(shè)置為68.5；設(shè)置分別為55，60，100。

2.2 數(shù)據(jù)對(duì)比分析

實(shí)驗(yàn)對(duì)比結(jié)果如圖1，圖2，表1所示。

通過(guò)圖1可以看出本文設(shè)計(jì)的方法能夠在更短的時(shí)間內(nèi)得到結(jié)果，同時(shí)所用的時(shí)間是傳統(tǒng)方法的一半左右。

通過(guò)圖2的誤差對(duì)比結(jié)果可以看出，本文設(shè)計(jì)的云計(jì)算環(huán)境下的海量數(shù)據(jù)特定特征挖掘方法能夠有效地降低誤差，保證在海量數(shù)據(jù)下的特征提取。

表1的實(shí)驗(yàn)結(jié)果能夠充分證明，本文設(shè)計(jì)的云計(jì)算環(huán)境下的海量數(shù)據(jù)特定特征挖掘方法能夠有效地提高數(shù)據(jù)特征百分比，同時(shí)能夠在更短的時(shí)間內(nèi)進(jìn)行更多的特征提取。

3 結(jié) 語(yǔ)

本文設(shè)計(jì)的云計(jì)算環(huán)境下的海量數(shù)據(jù)特定特征挖掘方法能夠有效地解決數(shù)據(jù)特征提取過(guò)程中提取不精確的問(wèn)題，同時(shí)所需要的時(shí)間更短，得到的結(jié)果不需要進(jìn)行修正，能夠更好地完成對(duì)海量數(shù)據(jù)的特征提取。本文的研究能夠?yàn)樵贫藬?shù)據(jù)提取提供良好的理論依據(jù)。

參考文獻(xiàn)

[1] 廉文武，傅凌玲，黃潮.云計(jì)算環(huán)境下數(shù)據(jù)弱關(guān)聯(lián)挖掘模型的仿真[J].計(jì)算機(jī)仿真，2015，32（4）：359?362.

[2] 盧小賓，王濤.Google三大云計(jì)算技術(shù)對(duì)海量數(shù)據(jù)分析流程的技術(shù)改進(jìn)優(yōu)化研究[J].圖書情報(bào)工作，2015，59（3）：6?11.

[3] 何清，莊福振，曾立，等.PDMiner：基于云計(jì)算的并行分布式數(shù)據(jù)挖掘工具平臺(tái)[J].中國(guó)科學(xué)：信息科學(xué)，2014，44（7）：871?885.

[4] 劉輝.云計(jì)算環(huán)境下海量激光點(diǎn)云數(shù)據(jù)的高密度存儲(chǔ)器邏輯結(jié)構(gòu)設(shè)計(jì)[J].激光雜志，2016，37（9）：91?95.

[5] 白紅偉，馬志偉，朱永利.基于云計(jì)算的絕緣子狀態(tài)監(jiān)測(cè)數(shù)據(jù)的處理[J].電瓷避雷器，2011（4）：19?22.

[6] 錢維揚(yáng)，王俊義，仇洪冰.基于Hadoop的數(shù)據(jù)挖掘技術(shù)在測(cè)光紅移上的研究[J].電子技術(shù)應(yīng)用，2016，42（9）：111?114.

[7] 劉海龍，宿宏毅.利用Hadoop云計(jì)算平臺(tái)進(jìn)行海量數(shù)據(jù)聚類分析[J].艦船科學(xué)技術(shù)，2016（14）：148?150.

篇2

【關(guān)鍵詞】云計(jì)算 產(chǎn)業(yè)鏈 融資策略

一、引言

當(dāng)前，中國(guó)云計(jì)算產(chǎn)業(yè)尚處于導(dǎo)入和準(zhǔn)備階段。根據(jù)賽迪顧問(wèn)最新的《中國(guó)云計(jì)算產(chǎn)業(yè)發(fā)展白皮書》的研究報(bào)告顯示，2012年中國(guó)云計(jì)算服務(wù)市場(chǎng)規(guī)模將增長(zhǎng)到606.78億元，到“十二五”末，產(chǎn)值規(guī)模將突破萬(wàn)億。隨著我國(guó)云計(jì)算的產(chǎn)業(yè)化快速發(fā)展，從知識(shí)創(chuàng)新到產(chǎn)業(yè)化的各階段都產(chǎn)生大量而持續(xù)的資金需求。然而，由于金融機(jī)構(gòu)對(duì)云企業(yè)認(rèn)知不足、融資標(biāo)準(zhǔn)缺失、融資風(fēng)險(xiǎn)難以規(guī)范等諸多問(wèn)題，導(dǎo)致資本市場(chǎng)對(duì)云計(jì)算企業(yè)的接受程度較低。與此同時(shí)，學(xué)術(shù)界針對(duì)云計(jì)算產(chǎn)業(yè)金融方面的研究也大都偏向技術(shù)應(yīng)用層面，涉及企業(yè)發(fā)展根源的融資策略方面的研究較少。因此，本文提出了以云計(jì)算產(chǎn)業(yè)鏈的細(xì)分為基礎(chǔ)的融資策略研究思路。在深度剖析云計(jì)算產(chǎn)業(yè)鏈特征、資金特征和風(fēng)險(xiǎn)特征的基礎(chǔ)上，找出能與云產(chǎn)業(yè)特征相匹配的階段性融資策略，旨在為我國(guó)云企業(yè)提供新的融資思路。

二、我國(guó)云計(jì)算產(chǎn)業(yè)鏈細(xì)分

目前學(xué)術(shù)界常用IaaS、PaaS以及SaaS這三個(gè)層面概括云計(jì)算產(chǎn)業(yè)鏈。然而IaaS等僅僅只是云計(jì)算產(chǎn)業(yè)的三種服務(wù)模式，沒有包涵云計(jì)算基礎(chǔ)設(shè)施的生產(chǎn)以及衍生產(chǎn)業(yè)的環(huán)節(jié)。為了有針對(duì)性地剖析云企業(yè)在不同階段的融資特點(diǎn)，本文重新對(duì)云計(jì)算的產(chǎn)業(yè)鏈進(jìn)行了劃分，如圖1所示。

三、云企業(yè)融資需求特征分析

充分把握產(chǎn)業(yè)鏈每個(gè)環(huán)節(jié)的資金投入、運(yùn)行、回籠周期，有利于企業(yè)在選擇融資策略時(shí)提高針對(duì)性、有效性以及準(zhǔn)確性。通過(guò)以上對(duì)云計(jì)算產(chǎn)業(yè)鏈的細(xì)分及各階段的業(yè)務(wù)形態(tài)分析，可以得出不同層次云企業(yè)的融資需求特征。

（一）云計(jì)算基礎(chǔ)設(shè)施提供商的融資需求特征

云基礎(chǔ)設(shè)施提供商的資金需求主要環(huán)節(jié)包括基礎(chǔ)設(shè)施研發(fā)、產(chǎn)品產(chǎn)業(yè)化和市場(chǎng)推廣三方面。在交付使用方之前，基礎(chǔ)設(shè)施提供商需要大量的流動(dòng)資金來(lái)承攬項(xiàng)目墊資?；A(chǔ)設(shè)施項(xiàng)目的建造是對(duì)大量高技術(shù)設(shè)備的組裝和配置安排，在技術(shù)層面上門檻較低，同時(shí)基礎(chǔ)設(shè)施商還擁有廠房與設(shè)備等實(shí)體可作為抵押物資融資。這些都使得基礎(chǔ)設(shè)施提供商具備較好的融資基礎(chǔ)，對(duì)于金融機(jī)構(gòu)來(lái)說(shuō)風(fēng)險(xiǎn)可控性較強(qiáng)。

（二）云服務(wù)供應(yīng)商的資金需求特征

云服務(wù)供應(yīng)商分為基礎(chǔ)、平臺(tái)及應(yīng)用三個(gè)方面，它們都有各自的特點(diǎn)。

首先，在IaaS服務(wù)層面，云服務(wù)的提供商主要向用戶或組織提供建立在基礎(chǔ)設(shè)施之上的云計(jì)算資源服務(wù)，需在基礎(chǔ)設(shè)施的購(gòu)置及運(yùn)維上投入大量的資金。由于基礎(chǔ)設(shè)施服務(wù)是建立在企業(yè)用戶對(duì)云平臺(tái)的需求基礎(chǔ)上，服務(wù)提供商將虛擬硬件作為服務(wù)租售給所需的用戶并給予用戶對(duì)這些設(shè)施的訪問(wèn)和控制權(quán)，因此對(duì)于該環(huán)節(jié)的企業(yè)來(lái)說(shuō)，用戶對(duì)服務(wù)的需求是可持續(xù)的。并且基礎(chǔ)設(shè)施提供商已經(jīng)在硬件設(shè)施上降低了基礎(chǔ)即服務(wù)企業(yè)的開發(fā)成本與技術(shù)風(fēng)險(xiǎn)，因此該環(huán)節(jié)的企業(yè)風(fēng)險(xiǎn)偏好相對(duì)較低。

PaaS層面，提供商主要為滿足用戶某種特定需求而提供其消費(fèi)的軟件的計(jì)算能力。因此，服務(wù)提供商將會(huì)把大量的資金、科研人員投入到研發(fā)具有良好兼容性、擴(kuò)展性和功能強(qiáng)大的云平臺(tái)項(xiàng)目中，從而產(chǎn)生規(guī)模較大的資金需求。在平臺(tái)研發(fā)期間，提供商面臨著較大的時(shí)間成本和技術(shù)風(fēng)險(xiǎn)。同時(shí)，由于云計(jì)算的概念剛剛引入，還沒有被用戶普遍接受，研發(fā)出來(lái)的平臺(tái)市場(chǎng)推廣成本巨大。因此，該環(huán)節(jié)的資金需求風(fēng)險(xiǎn)偏好較強(qiáng)。

SaaS層面，使得研發(fā)應(yīng)用程序的門檻降低，應(yīng)用程序作為應(yīng)用即服務(wù)的提供商的主要業(yè)務(wù)，其應(yīng)用的種類和市場(chǎng)決定了應(yīng)用服務(wù)提供商經(jīng)營(yíng)的業(yè)績(jī)，于是提供商將會(huì)把大量的資金投入應(yīng)用產(chǎn)品的研發(fā)，資金流向單一，因此資金需求規(guī)模較小。由于應(yīng)用即服務(wù)市場(chǎng)準(zhǔn)入門檻較低，擁有眾多的提供商，所以市場(chǎng)競(jìng)爭(zhēng)激烈，服務(wù)提供商將面臨強(qiáng)大的市場(chǎng)風(fēng)險(xiǎn)，會(huì)因?yàn)榉?wù)產(chǎn)品不能被市場(chǎng)接受而導(dǎo)致項(xiàng)目失敗。并且，應(yīng)用產(chǎn)品研發(fā)的過(guò)程中也有較大的技術(shù)風(fēng)險(xiǎn)。

（三）增值服務(wù)企業(yè)資金需求特征與風(fēng)險(xiǎn)評(píng)估

與應(yīng)用即服務(wù)類似的是，增值服務(wù)提供商的資金流向大都集中在軟件研發(fā)上，對(duì)于硬件設(shè)備的購(gòu)置需求較小。且由于云計(jì)算增值服務(wù)商以自由企業(yè)為主，對(duì)企業(yè)的實(shí)力和規(guī)模要求不受限制。除個(gè)別具有實(shí)力的企業(yè)巨頭外，大多數(shù)增值服務(wù)的提供商屬于中小型企業(yè)規(guī)模，甚至是微型企業(yè)。這些企業(yè)的經(jīng)費(fèi)有限，研發(fā)項(xiàng)目單一，經(jīng)營(yíng)規(guī)模不大，因此資金需求規(guī)模也較小。但有別于應(yīng)用即服務(wù)的是，增值服務(wù)的范圍還涉及行業(yè)解決方案、規(guī)劃咨詢服務(wù)等內(nèi)容，市場(chǎng)提供商眾多，市場(chǎng)競(jìng)爭(zhēng)激烈，中小服務(wù)提供商面臨較強(qiáng)的市場(chǎng)風(fēng)險(xiǎn)，成長(zhǎng)和成熟的可能性較小，因此風(fēng)險(xiǎn)偏好較強(qiáng)。

四、基于產(chǎn)業(yè)鏈的云企業(yè)階段性融資策略選擇

云計(jì)算企業(yè)階段性融資策略是針對(duì)處于產(chǎn)業(yè)鏈不同階段的云企業(yè)資金需求特征，并結(jié)合各種融資渠道的特點(diǎn)，選擇可行的融資形式。根據(jù)上述對(duì)產(chǎn)業(yè)鏈上云企業(yè)不同融資需求特征，可進(jìn)一步提出以下階段性融資策略選擇。

（一）基礎(chǔ)設(shè)施提供商融資策略選擇

云產(chǎn)業(yè)的基礎(chǔ)設(shè)施提供商，普遍具有投資規(guī)模大、風(fēng)險(xiǎn)低的特點(diǎn)。處于這個(gè)層次的云企業(yè)一般擁有大量生產(chǎn)云計(jì)算基礎(chǔ)設(shè)施的物理資產(chǎn)甚至云計(jì)算產(chǎn)業(yè)園的土地資產(chǎn)，這些資產(chǎn)都可以作為融資抵押或固定資產(chǎn)償債，對(duì)于銀行來(lái)說(shuō)融資風(fēng)險(xiǎn)是可控的。所以抵押類貸款是云計(jì)算基礎(chǔ)設(shè)施提供商的傳統(tǒng)性融資策略。同時(shí)，夾層融資策略能滿足處于成長(zhǎng)期的云計(jì)算基礎(chǔ)設(shè)施提供商的資金需求。從融資成本上來(lái)說(shuō)，成長(zhǎng)期的云計(jì)算基礎(chǔ)設(shè)施提供商已經(jīng)具有穩(wěn)定增長(zhǎng)的歷史，企業(yè)通過(guò)引入兼具債權(quán)和股權(quán)性質(zhì)的夾層資金，有利于降低企業(yè)的總?cè)谫Y成本，促進(jìn)企業(yè)的擴(kuò)張和發(fā)展。

（二）云服務(wù)供應(yīng)商融資策略選擇

云計(jì)算基礎(chǔ)即服務(wù)（IaaS）提供商具有向用戶提供基礎(chǔ)設(shè)施租賃的服務(wù)，因此，融資租賃必然成為其首選融資策略。云計(jì)算基礎(chǔ)即服務(wù)的提供商對(duì)于融資租賃的需求主要在于對(duì)云基礎(chǔ)設(shè)施的購(gòu)買上。云基礎(chǔ)設(shè)施的購(gòu)買，要花費(fèi)大量的流動(dòng)資金，若運(yùn)用融資租賃則會(huì)減小云服務(wù)提供商短時(shí)間內(nèi)資金支出的規(guī)模，有利于基礎(chǔ)即服務(wù)的可持續(xù)性發(fā)展。

對(duì)平臺(tái)即服務(wù)提供商的盈利模式和風(fēng)險(xiǎn)收益特征，比較適合該環(huán)節(jié)服務(wù)提供商的市場(chǎng)融資方式主要有夾層融資、知識(shí)產(chǎn)權(quán)擔(dān)保等策略。目前我國(guó)處于PaaS服務(wù)提供商都是傳統(tǒng)IT產(chǎn)業(yè)發(fā)展較好且具有相當(dāng)實(shí)力的企業(yè)，例如微軟、Google、新浪等企業(yè)，企業(yè)在云計(jì)算市場(chǎng)占有較大份額。這些條件都比較符合夾層融資的基本要求，因此PaaS服務(wù)提供商可以選擇夾層融資來(lái)獲取所需資金。同時(shí)，這些企業(yè)還擁有大量的知識(shí)產(chǎn)權(quán)無(wú)形資產(chǎn)，可以通過(guò)評(píng)估機(jī)構(gòu)的評(píng)估，用知識(shí)產(chǎn)權(quán)作為債權(quán)擔(dān)保以獲取資金。

與平臺(tái)即服務(wù)（PaaS）相比，雖然SaaS服務(wù)提供商也需要研發(fā)軟件和推廣市場(chǎng)，但是其提供商規(guī)模和研發(fā)難度都要小得多。當(dāng)用戶需要某種服務(wù)的時(shí)候，不再自己投資開發(fā)，而是從云計(jì)算服務(wù)提供商那里租用。比如從SaaS提供商那里租用CRM服務(wù)。根據(jù)軟件即服務(wù)提供商的盈利模式和風(fēng)險(xiǎn)收益特征，企業(yè)可考慮使用天使投資、供應(yīng)鏈融資、知識(shí)產(chǎn)權(quán)擔(dān)保等融資策略。其中供應(yīng)鏈融資策略是SaaS服務(wù)提供商比較理想的融資策略。通過(guò)利用業(yè)務(wù)合作對(duì)象的資信實(shí)力，一方面有助于幫助中小軟件提供商解決融資難問(wèn)題；另一方面，SaaS服務(wù)提供商還可以通過(guò)這一融資策略來(lái)獲取銀行授信，以企業(yè)的應(yīng)收賬款作為質(zhì)押給予一定的信貸支持，增強(qiáng)企業(yè)資產(chǎn)的流動(dòng)性和賒購(gòu)賒銷中的信用能力。

（三）增值服務(wù)提供商融資策略

處于該層次的企業(yè)大多屬于中小型企業(yè)，甚至是微型企業(yè)。因此，云計(jì)算增值服務(wù)企業(yè)應(yīng)堅(jiān)持以靈活的市場(chǎng)化融資策略，企業(yè)可采取風(fēng)險(xiǎn)投資類策略、貸款類策略以及擔(dān)保類策略相結(jié)合的方式。風(fēng)投類策略方面，天使投資、私募股權(quán)投資等風(fēng)險(xiǎn)投資的進(jìn)入與當(dāng)前云計(jì)算增值服務(wù)企業(yè)面臨的高風(fēng)險(xiǎn)相匹配。據(jù)賽迪投資顧問(wèn)統(tǒng)計(jì)，2010年至2011年10月，中國(guó)軟件企業(yè)通過(guò)天使投資進(jìn)行股權(quán)融資的案例總量為9例，僅有1例披露了股權(quán)融資金額，金額較小，且是一次性投入。貸款融資方面，供應(yīng)鏈融資可成為主要模式。另外，互助擔(dān)保、知識(shí)產(chǎn)權(quán)擔(dān)保等擔(dān)保類策略也為云計(jì)算增值服務(wù)提供商有效方法。雖然云計(jì)算增值服務(wù)企業(yè)規(guī)模不大，融資能力不強(qiáng)。但是通過(guò)互助擔(dān)保等創(chuàng)新融資策略，不僅提高了該類企業(yè)的融資能力，還在一定程度上降低了銀行的放貸風(fēng)險(xiǎn)。同時(shí)，由于云計(jì)算增值服務(wù)企業(yè)是知識(shí)密集型企業(yè)，企業(yè)擁有的是高新技術(shù)，缺乏傳統(tǒng)融資擔(dān)保標(biāo)的，很難從傳統(tǒng)的融資渠道獲得資金。因此，利用企業(yè)的優(yōu)勢(shì)資源即知識(shí)產(chǎn)權(quán)資源進(jìn)行擔(dān)保融資是屬于高新技術(shù)企業(yè)特有的融資策略選擇。

五、小結(jié)

本文從產(chǎn)業(yè)鏈角度把握住了各類云計(jì)算企業(yè)的基本融資特點(diǎn)，通過(guò)分析其業(yè)務(wù)特征、融資特征和風(fēng)險(xiǎn)特征，構(gòu)建了能與其相匹配的融資策略框架，為不同層次的云企業(yè)在今后的融資實(shí)踐應(yīng)用中提供了思路與方向。但階段性融資策略研究是一個(gè)復(fù)雜系統(tǒng)的過(guò)程，本文僅進(jìn)行了云企業(yè)融資策略的梳理，今后產(chǎn)業(yè)鏈每個(gè)階段的融資策略都可以繼續(xù)展開深入研究，并且還可以在未來(lái)的云企業(yè)實(shí)踐中加強(qiáng)金融創(chuàng)新，實(shí)現(xiàn)云企業(yè)融資策略的多樣化發(fā)展。

參考文獻(xiàn)

[1]賽迪顧問(wèn).中國(guó)云計(jì)算產(chǎn)業(yè)發(fā)展白皮書[R]，2011.

[2]洪崢.霧里看花：云計(jì)算中的投融資機(jī)會(huì)[J].國(guó)際融資，2011（01）.

[3]陳瀅.談本土云計(jì)算項(xiàng)目融資困境[J].科技創(chuàng)業(yè)，2011（09）：100.

[4]張紀(jì)元.云計(jì)算產(chǎn)業(yè)鏈和基本特征及電信運(yùn)營(yíng)商盈利模式[J].廣東通信技術(shù)，2011（08）.

[5]張建文，汪鑫.云計(jì)算技術(shù)在銀行中的應(yīng)用探討[J].華南金融電腦，2009（06）：16-19.

[6]謝世清.論云計(jì)算及其在金融領(lǐng)域中的應(yīng)用[J].金融與經(jīng)濟(jì)，2010（11）：9-11.

篇3

Abstract： As the location retrieval accuracy of mining massive music resources in the cloud big data environment is not high， positioning mining method of massive music resources in cloud computing environment is improved， and a high?precision positioning mining method of massive music resources based on adaptive cascade retrieval control is proposed. The semantic feature segmentation and time series state space reconstruction of data information in massive music resource database are conducted according to the key words and music types， and then the self?correlation feature extraction of massive music resources in cloud computing environment is carried out. The extracted self?correlation features are taken as the pheromone guide to make high?precision positioning mining. The adaptive cascade retrieval control model is used to control the mining accuracy. The simulation analysis results show that this method can improve the positioning mining accuracy of music resources， resource utilization and data precision ratio.

Keywords： cloud computing environment； massive music resources； location mining； retrieval control

?S著大數(shù)據(jù)信息技術(shù)和云計(jì)算技術(shù)的發(fā)展，大量的音樂(lè)資源通過(guò)Deep Web數(shù)據(jù)庫(kù)的形式存儲(chǔ)于網(wǎng)絡(luò)空間中，提供給網(wǎng)絡(luò)用戶進(jìn)行有償或者免費(fèi)的下載[1]。對(duì)海量音樂(lè)資源的高效優(yōu)化管理能提高音樂(lè)欣賞用戶的體驗(yàn)，提高對(duì)音樂(lè)播放軟件的認(rèn)可度，海量音樂(lè)資源信息庫(kù)是搜集、整理、收藏音樂(lè)資源并供人下載和播放的數(shù)據(jù)庫(kù)，結(jié)合音樂(lè)播放軟件實(shí)現(xiàn)音樂(lè)共享和傳播。在云計(jì)算環(huán)境下，需要對(duì)海量音樂(lè)資源進(jìn)行高精度定位，對(duì)云計(jì)算環(huán)境下海量音樂(lè)資源進(jìn)行優(yōu)化配置和訪問(wèn)控制，提高云計(jì)算環(huán)境下海量音樂(lè)資源的管理和檢索效率；因此研究音樂(lè)資源在云計(jì)算環(huán)境下的高精度定位挖掘方法具有重要意義。

1 海量音樂(lè)資源信息預(yù)處理

1.1 音樂(lè)資源信息語(yǔ)義特征分割

為了實(shí)現(xiàn)對(duì)云計(jì)算環(huán)境下海量音樂(lè)資源的高精度定位挖掘，需要進(jìn)行語(yǔ)義特征分割，降低資源定位挖掘的計(jì)算開銷，采用自適應(yīng)特征分割模型進(jìn)行海量音樂(lè)資源庫(kù)的存儲(chǔ)音樂(lè)信息的數(shù)據(jù)特征重構(gòu)和特征分割，去除冗余的信息特征[2?3]。音樂(lè)資源存儲(chǔ)區(qū)域按音樂(lè)的歌詞的關(guān)鍵詞和音樂(lè)類型進(jìn)行語(yǔ)義特征分割。音樂(lè)類型的存儲(chǔ)本體特征通過(guò)自適應(yīng)均衡分割方法被分為若干個(gè)（K個(gè)）數(shù)據(jù)子集，為云計(jì)算環(huán)境下海量音樂(lè)資源的語(yǔ)義特征并查集，滿足：。根據(jù)音樂(lè)的播放環(huán)境和流行程度，進(jìn)行資源分布區(qū)間的網(wǎng)格模型構(gòu)建，使得音樂(lè)資源存儲(chǔ)的狀態(tài)分布結(jié)構(gòu)滿足，其中且。由此，采用決策樹模型構(gòu)建音樂(lè)資源信息檢索和挖掘的特征訪問(wèn)控制模型。在進(jìn)行音樂(lè)資源信息語(yǔ)義特征分割中需要首先創(chuàng)建一個(gè)空節(jié)點(diǎn)root作為根節(jié)點(diǎn)，在匹配節(jié)點(diǎn)的父節(jié)點(diǎn)處創(chuàng)建語(yǔ)義特征分割的分支結(jié)構(gòu)模型[4]，并通過(guò)規(guī)則數(shù)據(jù)集匹配的音樂(lè)資源的存儲(chǔ)空間，進(jìn)行節(jié)點(diǎn)匹配，搜索節(jié)點(diǎn)為root節(jié)點(diǎn)，以葉節(jié)點(diǎn)B：0.7為起始節(jié)點(diǎn)進(jìn)行語(yǔ)義特征分割。在匹配節(jié)點(diǎn)的父節(jié)點(diǎn)處得到候選數(shù)據(jù)項(xiàng)為： ，以節(jié)點(diǎn)C：0.8中的BC為搜索節(jié)點(diǎn)，得到語(yǔ)義特征分割的自適應(yīng)概率分布為0.7×0.8=0.56，由此構(gòu)建壓縮的UF?tree決策樹模型，實(shí)現(xiàn)對(duì)云計(jì)算環(huán)境下的音樂(lè)資源信息存儲(chǔ)空間的語(yǔ)義特征分割如下：

式中：表示待匹配本體的關(guān)系模型；為到當(dāng)前數(shù)據(jù)項(xiàng)在TID集的概率分布。云計(jì)算環(huán)境下海量音樂(lè)資源庫(kù)中的特征空間采樣數(shù)據(jù)集，根據(jù)音樂(lè)資源信息語(yǔ)義特征分割結(jié)果，進(jìn)行了分布式特征重構(gòu)分析。

式中，為云計(jì)算環(huán)境下的音樂(lè)資源檢索的統(tǒng)計(jì)頻次參量。通過(guò)自適應(yīng)級(jí)聯(lián)檢索控制，挖掘音樂(lè)資源的候選項(xiàng)集和產(chǎn)生頻繁項(xiàng)集，提高對(duì)音樂(lè)的準(zhǔn)確檢索和定位挖掘能力。具體算法描述如下：

輸入： 音樂(lè)資源搜索節(jié)點(diǎn)初始化參數(shù)，音樂(lè)資源定位挖掘的概率向量，候選集AllCandidate

輸出：音樂(lè)資源挖掘的繁項(xiàng)集和規(guī)則集FrequentItems

（1） group?dependen=new MapReduce framework （Null）；

（2） parallel closed frequent T in DBgid

（3） LocalFPtree.insert_tree（T，LocalFPtree.root，G?List）；

（4） file management item in nowGroup

//閉頻繁項(xiàng)集特征分解

{ Heap HP= Parallel FP?Growth （）；

LocalFPtree.FPGrowth（mining large data.，item， HP）；

//遍歷每條事務(wù)數(shù)據(jù)

Support=0.0f；

Add（candidateItem，F(xiàn)requentItems）

End}

3 實(shí)驗(yàn)測(cè)試分析

對(duì)海量音樂(lè)資源的定位挖掘仿真實(shí)驗(yàn)建立在Hadoop云計(jì)算平臺(tái)上。仿真的硬件CPU為Intel? CoreTM i7?2600。采用Matlab仿真工具進(jìn)行數(shù)學(xué)仿真，結(jié)合酷狗、QQ音樂(lè)軟件進(jìn)行音樂(lè)資源的嵌入式訪問(wèn)接口設(shè)計(jì)和兼容性數(shù)據(jù)庫(kù)存儲(chǔ)，音樂(lè)軟件通過(guò)100 MB以太網(wǎng)相連在互聯(lián)網(wǎng)中。對(duì)音樂(lè)資源進(jìn)行語(yǔ)義特征分割的尺度為1.45，音?紛試吹氖?據(jù)信息流采樣樣本長(zhǎng)度為1 024，頻帶2～30 kHz、時(shí)寬3.6 ms，對(duì)DeepWeb數(shù)據(jù)庫(kù)中的海量音樂(lè)資源進(jìn)行信息采樣和挖掘定位仿真。根據(jù)上述實(shí)驗(yàn)環(huán)境設(shè)定，進(jìn)行音樂(lè)資源的定位挖掘，以挖掘精度為測(cè)試評(píng)價(jià)指標(biāo)，進(jìn)行10 000次挖掘?qū)嶒?yàn)，采用不同方法進(jìn)行對(duì)比，得到挖掘精度對(duì)比結(jié)果如圖2所示。圖3為數(shù)據(jù)查準(zhǔn)率對(duì)比。

據(jù)查準(zhǔn)率對(duì)比

圖3給出了以酷狗音樂(lè)軟件為訪問(wèn)接口，采用本文設(shè)計(jì)的音樂(lè)資源定位挖掘方法和傳統(tǒng)的挖掘方法進(jìn)行音樂(lè)資源檢索的查準(zhǔn)率對(duì)比。分析上述仿真實(shí)驗(yàn)結(jié)果得知，采用本文方法進(jìn)行云計(jì)算環(huán)境下海量音樂(lè)資源的定位挖掘的精度較高，信息檢索的查準(zhǔn)率高于傳統(tǒng)方法，實(shí)現(xiàn)高精度的定位挖掘。

篇4

【關(guān)鍵詞】云計(jì)算計(jì)算機(jī)安全防護(hù)措施

云計(jì)算背景下的計(jì)算機(jī)在功能上有了拓展，在計(jì)算機(jī)為人們提供方便的同時(shí)，也帶來(lái)了很大的信息安全風(fēng)險(xiǎn)。解決這些方面的安全問(wèn)題就成為云計(jì)算發(fā)展的重要課題，在當(dāng)前的計(jì)算機(jī)安全問(wèn)題上還相對(duì)比較突出，要能從實(shí)際出發(fā)，對(duì)這些安全問(wèn)題加以針對(duì)性的解決。

一.云計(jì)算的特征體現(xiàn)和計(jì)算機(jī)安全問(wèn)題分析

1.1云計(jì)算的特征體現(xiàn)分析

云計(jì)算的技術(shù)應(yīng)用是在近幾年開始的，其主要是依靠著互聯(lián)網(wǎng)技術(shù)作為依托，進(jìn)而來(lái)提供相應(yīng)的服務(wù)，以及在交互模式的作用上能夠得到充分的發(fā)揮。云計(jì)算技術(shù)在當(dāng)前之所以能夠得到廣泛的應(yīng)用，就是因?yàn)槠渥陨碛兄r明的優(yōu)勢(shì)發(fā)展特征，這些特征主要體現(xiàn)在能有效實(shí)現(xiàn)資源共享[1]。由于云計(jì)算是多種資源的結(jié)合體，能夠?yàn)橛脩籼峁┒喾矫娴姆?wù)，滿足其實(shí)際的需求。另外，云計(jì)算自身的收縮性以及擴(kuò)展性的特征也有著比較鮮明的呈現(xiàn)，在對(duì)云計(jì)算應(yīng)用過(guò)程中，能有效結(jié)合實(shí)際進(jìn)行資源的再分配，這樣就對(duì)云計(jì)算資源配置效率能得到有效提升。除此之外，云計(jì)算的按需付費(fèi)以及訪問(wèn)多樣化的特征也比較突出，能夠通過(guò)手機(jī)以及平板電腦等進(jìn)行多樣化的訪問(wèn)，還能有效實(shí)現(xiàn)按需付費(fèi)的目標(biāo)，能夠?qū)τ脩舻氖褂贸杀镜玫接行Ы档汀?/p>

1.2云計(jì)算環(huán)境下計(jì)算機(jī)的安全問(wèn)題分析

云計(jì)算環(huán)境下的計(jì)算機(jī)的安全問(wèn)題也是比較突出的，主要體現(xiàn)在數(shù)據(jù)的安全層面。在云計(jì)算背景下數(shù)據(jù)的傳輸以及存儲(chǔ)的過(guò)程中，由于其存儲(chǔ)空間比較大，在信息的實(shí)際傳輸過(guò)程中，就比較容易受到黑客的攔截，或者是病毒的傳播等，對(duì)信息系統(tǒng)造成嚴(yán)重的威脅。在對(duì)信息數(shù)據(jù)存儲(chǔ)過(guò)程中，也會(huì)存在著信息的存儲(chǔ)以及共享等方面的安全風(fēng)險(xiǎn)[2]。這些都是在云計(jì)算環(huán)境下面臨的比較主要的安全風(fēng)險(xiǎn)問(wèn)題。再者，云計(jì)算下計(jì)算機(jī)的用戶訪問(wèn)權(quán)限的管理安全問(wèn)題方面。對(duì)云程序的軟件進(jìn)行應(yīng)用下，能有效實(shí)現(xiàn)檢索以及瀏覽的功能，但在進(jìn)入權(quán)限方面有著相應(yīng)的設(shè)置，但不管是哪種方式管理，都會(huì)給黑客帶來(lái)很大的誘惑，這就比較容易讓黑客利用相關(guān)的漏洞來(lái)對(duì)資料進(jìn)行訪問(wèn)，對(duì)信息造成破壞等。另外，從計(jì)算機(jī)的網(wǎng)絡(luò)取證的安全問(wèn)題上也比較突出。在這一問(wèn)題上主要是由于計(jì)算機(jī)網(wǎng)絡(luò)安全的問(wèn)題比較突出，并且短時(shí)期內(nèi)不能有效解決，由于網(wǎng)絡(luò)環(huán)境的開放性，就比較容易造成網(wǎng)絡(luò)安全的取證較為困難。對(duì)于這些方面的問(wèn)題要能充分重視，從多方面對(duì)安全問(wèn)題進(jìn)行分析，針對(duì)性的進(jìn)行解決。

二、云計(jì)算環(huán)境下的計(jì)算機(jī)安全防護(hù)措施

第一，從元計(jì)算環(huán)境下的計(jì)算機(jī)安全進(jìn)行保障，就要注重多種措施的實(shí)施。要對(duì)云計(jì)算的業(yè)務(wù)定位加以明確化，并要從法律層面進(jìn)行嚴(yán)格的規(guī)范。云計(jì)算所包含的業(yè)務(wù)類型比較多樣化，這就需要對(duì)云計(jì)算的業(yè)務(wù)有明確化的定位，將完善的市場(chǎng)準(zhǔn)入制度以及監(jiān)管制度進(jìn)行構(gòu)建，對(duì)云服務(wù)的發(fā)展進(jìn)行保障。通過(guò)相關(guān)的法律法規(guī)的建設(shè)進(jìn)行加強(qiáng)和完善，對(duì)云計(jì)算下的計(jì)算機(jī)業(yè)務(wù)進(jìn)行防護(hù)。第二，加強(qiáng)對(duì)計(jì)算機(jī)穩(wěn)定數(shù)據(jù)安全的保護(hù)，這就需要對(duì)云計(jì)算的運(yùn)營(yíng)商在數(shù)據(jù)的加密保護(hù)工作上進(jìn)行加強(qiáng)和完善。在對(duì)數(shù)據(jù)的讀取過(guò)程中，通過(guò)密碼的加密處理，就能將信息數(shù)據(jù)的安全性得到有效保障。再有是對(duì)計(jì)算機(jī)的數(shù)據(jù)存儲(chǔ)安全性得到充分加強(qiáng)，通過(guò)虛擬存儲(chǔ)的方式以及在實(shí)名注冊(cè)的方式上進(jìn)行加強(qiáng)防護(hù)，這些措施的實(shí)施都能對(duì)計(jì)算機(jī)的安全性得到保證。第三，對(duì)云計(jì)算下的計(jì)算機(jī)用戶權(quán)限的管理進(jìn)行加強(qiáng)，以及從網(wǎng)絡(luò)取證的措施上進(jìn)行優(yōu)化。要能通過(guò)多種驗(yàn)證方式加以應(yīng)用，避免系統(tǒng)的漏洞出現(xiàn)，通過(guò)設(shè)置安全措施對(duì)用戶權(quán)限要加強(qiáng)檢測(cè)，對(duì)比較敏感的操作要充分注重按照規(guī)范進(jìn)行操作[3]。而在網(wǎng)絡(luò)取證方面，云計(jì)算服務(wù)提供方以及用戶要能在相關(guān)的義務(wù)方面有詳細(xì)的了解。只有在這些基礎(chǔ)工作上得到了加強(qiáng)，才能有利于計(jì)算機(jī)安全的保障。第四，加強(qiáng)云計(jì)算下的計(jì)算機(jī)安全還要能將技術(shù)監(jiān)控的水平不斷提升，要能在相關(guān)業(yè)務(wù)的分析能力上進(jìn)行強(qiáng)化，構(gòu)建完善有效的技術(shù)監(jiān)控體系，對(duì)審計(jì)系統(tǒng)以及定位系統(tǒng)的建設(shè)，為計(jì)算機(jī)的安全提供良好的發(fā)展平臺(tái)，為網(wǎng)絡(luò)的安全性提供良好保障。再有就是從制度的建立上進(jìn)行完善化，在這些方面得到了加強(qiáng)，才能保障計(jì)算機(jī)的安全。

三、結(jié)語(yǔ)

總而言之，云計(jì)算環(huán)境下的計(jì)算機(jī)安全保證措施的實(shí)施，要從實(shí)際出發(fā)，保證措施實(shí)施的科學(xué)有效性。只有在計(jì)算機(jī)的安全上得到了保證，才能真正的促進(jìn)相關(guān)產(chǎn)業(yè)的發(fā)展，對(duì)實(shí)際的需求才能得到有效滿足。此次主要從多方面對(duì)計(jì)算機(jī)安全問(wèn)題和措施進(jìn)行了探究，希望能通過(guò)此次理論研究，對(duì)解決實(shí)際問(wèn)題起到促進(jìn)作用。

參考文獻(xiàn)

[1]羅擁華,邱尚明,姚幼敏.云計(jì)算背景下計(jì)算機(jī)安全問(wèn)題及對(duì)策[J].電子制作.2015(14)

[2]紀(jì)凌,談良.云計(jì)算背景下計(jì)算機(jī)安全問(wèn)題及應(yīng)對(duì)方法分析[J].電子技術(shù)與軟件工程.2014(03)

篇5

幾乎與此同時(shí)，國(guó)內(nèi)另一家反病毒廠商瑞星公司也宣布，利用云計(jì)算模式，利用廣泛的互聯(lián)網(wǎng)用戶資源，讓每個(gè)人能為病毒代碼更新貢獻(xiàn)力量，創(chuàng)新病毒樣本收集方法。

雖然這兩家著名的反病毒廠商采用的云計(jì)算模式的內(nèi)涵并不一樣，但顯然都采用了最近正在甚囂塵上的云計(jì)算。那么，云計(jì)算真的如他們預(yù)言，會(huì)改變目前的反病毒方式嗎？

張偉欽的回答是：“一定的?！?近年來(lái)計(jì)算機(jī)和網(wǎng)絡(luò)中病毒特征碼文件呈指數(shù)級(jí)增長(zhǎng)，2005年，一天只有大約50種特征碼被添加到數(shù)據(jù)庫(kù)中，而2008年，該數(shù)字增加到了5000，這會(huì)消耗掉大量的網(wǎng)絡(luò)內(nèi)存和網(wǎng)絡(luò)帶寬，由于占用越來(lái)越多系統(tǒng)資源，系統(tǒng)的效率也就越來(lái)越低，這成為傳統(tǒng)反病毒技術(shù)最令人詬病之處?！耙虢鉀Q這一問(wèn)題，就必須采用新的革命性方法。這就是趨勢(shì)科技提出的云安全架構(gòu)――利用云計(jì)算構(gòu)建一個(gè)全球網(wǎng)絡(luò)，病毒特征碼只保存在互聯(lián)網(wǎng)云數(shù)據(jù)庫(kù)中，特征對(duì)比也在云計(jì)算數(shù)據(jù)庫(kù)中，而在端點(diǎn)處保持最低數(shù)量，這樣，Web威脅、電子郵件威脅和文件威脅在到達(dá)最終用戶或公司網(wǎng)絡(luò)之前就可被攔截，因此在預(yù)防網(wǎng)絡(luò)被病毒侵襲的同時(shí)，還極大降低了客戶網(wǎng)絡(luò)和端點(diǎn)的系統(tǒng)和帶寬消耗。”他說(shuō)，“這是反病毒技術(shù)的一次重大革命！”

篇6

為了實(shí)現(xiàn)資源的調(diào)度，使資源的負(fù)載能夠達(dá)到平衡，就需要對(duì)資源、性能信息進(jìn)行必要的了解。要對(duì)故障進(jìn)行診斷的話，需要從監(jiān)控系統(tǒng)中獲取足夠的信息，這樣系統(tǒng)管理者才能將相應(yīng)的故障問(wèn)題發(fā)現(xiàn)、識(shí)別，進(jìn)而將其解決。經(jīng)過(guò)對(duì)這些規(guī)律的總結(jié)，能夠?qū)收系陌l(fā)生進(jìn)行相關(guān)的預(yù)測(cè)，進(jìn)行對(duì)故障發(fā)生進(jìn)行預(yù)防，或是通過(guò)動(dòng)態(tài)處理來(lái)及時(shí)將故障解決，減少其對(duì)于系統(tǒng)的影響。能夠被云環(huán)境監(jiān)控的資源數(shù)量較多，以往的資源的限制在云環(huán)境下都不再成為問(wèn)題，云資源已經(jīng)蔓延到世界各處，就連海洋、太空都是云環(huán)境的監(jiān)控范圍。

也正是因?yàn)槿绱耍瑸榱四軌驅(qū)@龐大的資源進(jìn)行統(tǒng)一管理，就需要采用結(jié)構(gòu)化的方法。生產(chǎn)者、中介、消費(fèi)者是一般信心監(jiān)控系統(tǒng)包括的三個(gè)主體。信息的采集是生產(chǎn)者的任務(wù)，生產(chǎn)者將相關(guān)的信息給中介，中介將大量的信息轉(zhuǎn)化成為系統(tǒng)的服務(wù)，而消費(fèi)者就利用中介提供的服務(wù)。

2云計(jì)算系統(tǒng)用戶管理

相較于傳統(tǒng)的系統(tǒng)，云計(jì)算不但有著更為廣泛的用戶數(shù)目，還有著更大的資源數(shù)目，也正是因?yàn)槿绱?，才需要通過(guò)用戶管理機(jī)制來(lái)對(duì)云計(jì)算用戶進(jìn)行管理，這樣才能逐漸完善云計(jì)算技術(shù)，使其得到完善和發(fā)展。具體來(lái)說(shuō)，云計(jì)算系統(tǒng)用戶管理主要包括如下內(nèi)容：

2.1云計(jì)算用戶

為了進(jìn)入云計(jì)算系統(tǒng)，每個(gè)云計(jì)算用戶都有一個(gè)唯一的標(biāo)識(shí)，只有擁有這個(gè)標(biāo)識(shí)才能向服務(wù)器表明自己的身份，要注冊(cè)成為云用戶，需要相關(guān)權(quán)威機(jī)構(gòu)的認(rèn)可，這樣才能得到相應(yīng)的標(biāo)識(shí)，成為云計(jì)算用戶。

2.2云計(jì)算用戶的命名

在云計(jì)算系統(tǒng)內(nèi)部，每一個(gè)用戶都可以有自己的標(biāo)識(shí)符，而且這個(gè)標(biāo)識(shí)符是相對(duì)唯一的，通過(guò)對(duì)這個(gè)標(biāo)識(shí)符的觀察，我們就能知道用戶的特征，若是用戶的名字不足以進(jìn)行區(qū)別的時(shí)候，往往需要通過(guò)附加特征來(lái)對(duì)其進(jìn)行甄別，這樣才能形成較為完整的命名體系，諸如我們可以說(shuō)馬勇，當(dāng)其他人也想用這個(gè)標(biāo)識(shí)符的時(shí)候，需要進(jìn)行附加特征來(lái)描述，諸如馬勇2等，這樣標(biāo)識(shí)符的唯一性就能確定，雖然用戶的真正姓名并不會(huì)發(fā)生變化，但是我們看到的代號(hào)卻更加精確的顯示出用戶的唯一性。故而我們也看出了用戶命名的一個(gè)特點(diǎn)，那就是為了保障標(biāo)識(shí)符的唯一性，在名字的基礎(chǔ)上還需要添加額外的特征說(shuō)明，這樣才能固定用戶的范圍和唯一性，將不同的用戶進(jìn)行區(qū)別。

2.3云計(jì)算用戶管理操作

和其他云實(shí)體一樣，用戶也是云上的實(shí)體，故而其也存在著生命周期，通過(guò)創(chuàng)建和注銷等操作就代表了這個(gè)周期的始終。我們需要注意的是，在這個(gè)周期內(nèi)發(fā)生變化的還有用戶的權(quán)利，為此，相應(yīng)的授權(quán)和變更操作是難免的。具體來(lái)說(shuō)，云計(jì)算用戶管理操作主要包括如下三個(gè)方面：

其一，用戶創(chuàng)建，只有經(jīng)過(guò)合法的手段才能擁有自己的賬號(hào)，成為合法的云計(jì)算賬戶，為了進(jìn)行新用戶的創(chuàng)建，需要具備相關(guān)的身份證明材料。創(chuàng)建成功之后，相應(yīng)的就能獲取的用戶名和密碼。用戶的信息集合主要由兩個(gè)方面組成：一個(gè)方面是用戶提供的信息，另一個(gè)方面是云的信息記錄。用戶名標(biāo)識(shí)是對(duì)用戶云活動(dòng)記錄的重要的手段。

其二，用戶登錄，當(dāng)相關(guān)的用戶稱號(hào)經(jīng)過(guò)合法手段創(chuàng)建之后，在進(jìn)行登錄的時(shí)候，需要輸入相應(yīng)的用戶名和密碼，若是存在接入設(shè)備的話，則可以關(guān)聯(lián)設(shè)備標(biāo)識(shí)和用戶名，這樣就省去了重復(fù)輸入的操作。通過(guò)使用過(guò)的相關(guān)專用設(shè)備，云計(jì)算就可以知道的賬號(hào)，通過(guò)這個(gè)設(shè)備，用戶可以任何網(wǎng)絡(luò)進(jìn)行的呢公路，網(wǎng)絡(luò)映像相同，不會(huì)出現(xiàn)差異。

其三，用戶授權(quán)，各種資源都可以很輕松地在云上找到，但是這些資源并非全部用戶都有權(quán)利訪問(wèn)，用戶要進(jìn)行訪問(wèn)操作，需要得到相應(yīng)的授權(quán)，這個(gè)操作可以由網(wǎng)絡(luò)權(quán)威機(jī)構(gòu)進(jìn)行設(shè)定，資源的擁有者也可以執(zhí)行該操作。其四，用戶變更，若是需要注銷自己的云賬號(hào)，只需要對(duì)原始信息進(jìn)行認(rèn)證。

2.4云計(jì)算用戶管理系統(tǒng)

虛擬組織是云計(jì)算用戶管理系統(tǒng)的重要支撐，構(gòu)成云計(jì)算用戶管理系統(tǒng)的主要有兩個(gè)部分，一個(gè)部分是虛擬組織用戶注冊(cè)數(shù)據(jù)庫(kù)，另一個(gè)部分是本地節(jié)點(diǎn)上的用戶管理。當(dāng)用戶向注冊(cè)管理員提供相應(yīng)信息后，才能加入虛擬組織，提供的信息需要與協(xié)議要求一樣，這樣管理者才會(huì)將用戶加入虛擬組織數(shù)據(jù)庫(kù)。

3總結(jié)

篇7

關(guān)鍵詞：云計(jì)算平臺(tái)；物聯(lián)網(wǎng)；數(shù)據(jù)挖掘

物聯(lián)網(wǎng)是當(dāng)前智能化社會(huì)發(fā)展的一個(gè)重要顯示，近幾年隨著科研事業(yè)的快速進(jìn)展下，物聯(lián)網(wǎng)以及從一個(gè)概念存在逐漸融入到現(xiàn)實(shí)生活中。物聯(lián)網(wǎng)的出現(xiàn)實(shí)現(xiàn)了人們生活與工作的智能化，極大的改變的了生活與工作方式，提升了辦事效率。而物聯(lián)網(wǎng)的實(shí)現(xiàn)依靠中的技術(shù)的支持，其中數(shù)據(jù)挖掘技術(shù)便是其中一個(gè)重要支撐條件，數(shù)據(jù)挖掘?qū)崿F(xiàn)了海量信息的獲取與挖掘，而這種信息能夠支撐物聯(lián)網(wǎng)在實(shí)際操作中的智能化實(shí)現(xiàn)。文中在云計(jì)算平臺(tái)的基礎(chǔ)上分析物聯(lián)網(wǎng)數(shù)據(jù)挖掘的相關(guān)研究，其中包括物聯(lián)網(wǎng)數(shù)據(jù)挖掘所面臨的挑戰(zhàn)、在云計(jì)算平臺(tái)中物聯(lián)網(wǎng)數(shù)據(jù)挖掘的相關(guān)技術(shù)以及實(shí)際應(yīng)用。

1云計(jì)算與物聯(lián)網(wǎng)理論基礎(chǔ)

1）云計(jì)算理論云計(jì)算是一種依賴于互聯(lián)網(wǎng)技術(shù)，經(jīng)由互聯(lián)網(wǎng)服務(wù)為用戶提供依據(jù)需求而明確服務(wù)的計(jì)算方式。而云計(jì)算命名的由來(lái)是由于整個(gè)服務(wù)資源的選自源互聯(lián)網(wǎng)內(nèi)的數(shù)據(jù)，且互聯(lián)網(wǎng)多會(huì)應(yīng)用云狀圖案對(duì)資源進(jìn)行顯示，因此被稱之為與計(jì)算。云計(jì)算基于其應(yīng)用技術(shù)的先進(jìn)性具備了以下幾大特征：第一，規(guī)模大。云計(jì)算中的云所顯示的便是差大的規(guī)模，當(dāng)前就谷歌云計(jì)算來(lái)看已經(jīng)擁有了100多萬(wàn)臺(tái)服務(wù)器，而其他較大型的搜索引擎也具備了數(shù)十萬(wàn)臺(tái)服務(wù)器。第二，虛擬化。云計(jì)算能夠支持用戶在任意位置或任意終端進(jìn)行服務(wù)器的登錄，所有操作在云空間進(jìn)行運(yùn)行，由此也便形成了虛擬性特征。第三，可靠性。云計(jì)算應(yīng)用數(shù)據(jù)多副本絨促以及計(jì)算節(jié)點(diǎn)同構(gòu)可互換等措施來(lái)確保服務(wù)的可靠性。第四，通用性。云計(jì)算不會(huì)針對(duì)特定的應(yīng)用，在云支持下能夠創(chuàng)造出海量的應(yīng)用。第五，可延伸性。云計(jì)算的超大規(guī)模能夠支持其進(jìn)行動(dòng)態(tài)的伸縮，由此滿足各類應(yīng)用與用戶規(guī)模的增長(zhǎng)需求［1］。2）物聯(lián)網(wǎng)理論物聯(lián)網(wǎng)屬于全新信息技術(shù)的主要構(gòu)成部分，同時(shí)也是信息化時(shí)展的重要階段。物聯(lián)網(wǎng)實(shí)際上所指的是經(jīng)由多種技術(shù)的應(yīng)用實(shí)現(xiàn)物與物之間的連接，而這種連接形成了一個(gè)局域網(wǎng)絡(luò)，實(shí)現(xiàn)遠(yuǎn)程與集中操控。物聯(lián)網(wǎng)雛形的出現(xiàn)可追溯到1990年，后期隨著各項(xiàng)理論與技術(shù)的不斷研發(fā)下，在近幾年已經(jīng)能夠?qū)崿F(xiàn)在現(xiàn)實(shí)生活中，且被廣泛的應(yīng)用。其實(shí)際意義在于，經(jīng)由各項(xiàng)技術(shù)將多種物品與互聯(lián)網(wǎng)進(jìn)行連接，實(shí)現(xiàn)信息交換與通信，由此實(shí)現(xiàn)了物品的智能化，用戶可經(jīng)由遠(yuǎn)程終端進(jìn)行操控，便捷了人們的生活，同時(shí)也提升了各物品應(yīng)用的安全性。與互聯(lián)網(wǎng)對(duì)比物聯(lián)網(wǎng)具備了以下幾大特征：一方面表現(xiàn)在物聯(lián)網(wǎng)應(yīng)用到多種感知技術(shù)；第二方面表現(xiàn)在物聯(lián)網(wǎng)屬于建立在互聯(lián)網(wǎng)基礎(chǔ)上的泛在網(wǎng)絡(luò)；第三方面表現(xiàn)在物聯(lián)網(wǎng)的核心價(jià)值是提供不限定任何場(chǎng)合與時(shí)間的應(yīng)用場(chǎng)景與用戶的自由互換［2］。3）物聯(lián)網(wǎng)的建設(shè)物聯(lián)網(wǎng)在應(yīng)用過(guò)程中需要多個(gè)行業(yè)的參與，且需要政府方面所提供的支持，物聯(lián)網(wǎng)具備多種優(yōu)勢(shì)，可廣泛地應(yīng)用在社會(huì)各個(gè)領(lǐng)域中，但是在實(shí)際應(yīng)用過(guò)程中技術(shù)建設(shè)始終是一大難題。就常規(guī)上來(lái)講，物聯(lián)網(wǎng)的建設(shè)需要經(jīng)由以下幾個(gè)步驟：第一，對(duì)需要建設(shè)物聯(lián)網(wǎng)的物體屬性進(jìn)行識(shí)別，包括靜態(tài)與動(dòng)態(tài)的屬性，其中靜態(tài)屬性可直接進(jìn)行存儲(chǔ)，而動(dòng)態(tài)屬性則需要應(yīng)用傳感器進(jìn)行探測(cè)；第二，對(duì)識(shí)別完成后的物體屬性進(jìn)行讀取，將讀取信息轉(zhuǎn)換為網(wǎng)絡(luò)識(shí)別數(shù)據(jù)；第三，將物體的信息經(jīng)由網(wǎng)絡(luò)傳輸至信息處理中心，由處理中心實(shí)現(xiàn)物體與互聯(lián)網(wǎng)之間的通信［3］。

2數(shù)據(jù)挖掘技術(shù)界定與特征分析

2．1數(shù)據(jù)挖掘技術(shù)概念

數(shù)據(jù)挖掘技術(shù)出現(xiàn)在二十世紀(jì)后期，雖然其出現(xiàn)時(shí)間不長(zhǎng)，但是對(duì)社會(huì)中各領(lǐng)域的發(fā)展形成了巨大的影響，也引起自有優(yōu)勢(shì)得到了廣泛的應(yīng)用。數(shù)據(jù)挖掘從廣泛意義上來(lái)講所指的是從大量數(shù)據(jù)中經(jīng)由可靠的算法搜索隱藏其中信息的整個(gè)過(guò)程。數(shù)據(jù)挖掘與計(jì)算機(jī)科學(xué)存在著緊密的聯(lián)系，利用計(jì)算機(jī)技術(shù)經(jīng)由統(tǒng)計(jì)、分析、情報(bào)檢索、機(jī)器學(xué)習(xí)等多種手段實(shí)現(xiàn)其實(shí)際價(jià)值。當(dāng)前數(shù)據(jù)挖掘在應(yīng)用到不同領(lǐng)域后，也被賦予了不同的概念。但就其應(yīng)用價(jià)值可從三個(gè)方面進(jìn)行概述，第一個(gè)方面為提供海量可靠信息；第二個(gè)方面為經(jīng)由數(shù)據(jù)挖掘所獲取的信息對(duì)人們具有較高的應(yīng)用價(jià)值；第三個(gè)方面為所獲取的信息能夠被人們理解與分析，并以此為根據(jù)做出決策［4］。

2．2數(shù)據(jù)挖掘技術(shù)特征

數(shù)據(jù)挖掘技術(shù)具備了分布廣、規(guī)模大、節(jié)點(diǎn)資源有限、安全性復(fù)雜等特征。其中分布廣主要是數(shù)據(jù)挖掘是物聯(lián)網(wǎng)技術(shù)中的一個(gè)構(gòu)成部分，而物聯(lián)網(wǎng)本身就具備的分布廣泛的特點(diǎn)，由此數(shù)據(jù)挖掘基于需要將數(shù)據(jù)存儲(chǔ)在不同的地方，也便具備了分布廣的特點(diǎn)；規(guī)模大方面主要是物聯(lián)網(wǎng)中具有海量數(shù)據(jù)的傳輸與應(yīng)用，而數(shù)據(jù)挖掘作為數(shù)據(jù)分析與處理環(huán)節(jié)自然具備了規(guī)模大特點(diǎn)；節(jié)點(diǎn)資源有限方面是給予物聯(lián)網(wǎng)較為龐大的數(shù)據(jù)鏈，需要設(shè)置多個(gè)傳感器節(jié)點(diǎn)，因此需要有能夠快速解決處理數(shù)據(jù)的中央節(jié)點(diǎn)，而節(jié)點(diǎn)資源并非無(wú)限，中央節(jié)點(diǎn)通常不需要所有的數(shù)據(jù)，但需要數(shù)據(jù)參數(shù)，由此對(duì)需求數(shù)據(jù)進(jìn)行輸出［5］。

3物聯(lián)網(wǎng)數(shù)據(jù)挖掘面臨的挑戰(zhàn)

基于物聯(lián)網(wǎng)技術(shù)自身所具備的特征，在數(shù)據(jù)挖掘中也具備了一定的優(yōu)勢(shì)，但是新技術(shù)在數(shù)據(jù)挖掘中應(yīng)用較多，物聯(lián)網(wǎng)技術(shù)在數(shù)據(jù)挖掘中也面臨著一定的挑戰(zhàn)，具體表現(xiàn)為以下幾個(gè)方面。第一，物聯(lián)網(wǎng)數(shù)據(jù)具有一定的規(guī)則，但是由于其規(guī)則過(guò)多也相對(duì)較為繁雜，經(jīng)由中央模式對(duì)分布式數(shù)據(jù)進(jìn)行挖掘的方式效果并不理想。第二，物聯(lián)網(wǎng)數(shù)據(jù)規(guī)模較大，需要及時(shí)給予可靠的處理，而當(dāng)前處理模式對(duì)硬件要求較高，若硬件不能夠符合要求則可能無(wú)法實(shí)現(xiàn)。第三，數(shù)據(jù)需求的節(jié)點(diǎn)不斷增加，需求與供給之間存在著一定的矛盾。第四，給予物聯(lián)網(wǎng)數(shù)據(jù)存在著諸多外在影響因素，包括數(shù)據(jù)傳輸安全性、數(shù)據(jù)傳輸?shù)碾[私性、法律約束等因素。將所有數(shù)據(jù)集中存儲(chǔ)在相同的數(shù)據(jù)倉(cāng)庫(kù)中這一渠道顯然不具備可靠性?；谏鲜鰩c(diǎn)問(wèn)題充分顯示出，對(duì)物聯(lián)網(wǎng)進(jìn)行數(shù)據(jù)挖掘過(guò)程中，當(dāng)前所具備的以及應(yīng)用的多種技術(shù)與手段存在著一定的弊端，針對(duì)此需要不斷地進(jìn)行更為深入的研究，以尋找到更為有效的解決方案。

4基于云計(jì)算平臺(tái)的物聯(lián)網(wǎng)數(shù)據(jù)挖掘技術(shù)分析

4．1物聯(lián)網(wǎng)感知層

物聯(lián)網(wǎng)感知層也就是實(shí)現(xiàn)感知作用，具體是依賴于目標(biāo)區(qū)域范圍內(nèi)設(shè)置大量數(shù)據(jù)采集點(diǎn)予以實(shí)現(xiàn)。也就是說(shuō)節(jié)點(diǎn)是經(jīng)由傳感器與攝像頭以及其他相關(guān)設(shè)備實(shí)現(xiàn)數(shù)據(jù)的采集，所采集到的數(shù)據(jù)需要依賴于物聯(lián)網(wǎng)感知層所具備的網(wǎng)絡(luò)通信設(shè)備進(jìn)行集中處理，將所需要的數(shù)據(jù)傳遞至各節(jié)點(diǎn)，再經(jīng)由集中儲(chǔ)存后再次通過(guò)傳輸層傳遞至云計(jì)算平臺(tái)的數(shù)據(jù)處理中心，實(shí)現(xiàn)整個(gè)感知層的職能。

4．2物聯(lián)網(wǎng)傳輸層

物聯(lián)網(wǎng)傳輸層是所有數(shù)據(jù)傳遞的中間環(huán)節(jié)，其中涵蓋著傳感器、無(wú)限網(wǎng)絡(luò)等設(shè)備與技術(shù)，經(jīng)由多種網(wǎng)絡(luò)設(shè)備的連接，形成高效率無(wú)縫數(shù)據(jù)的傳輸系統(tǒng)，能夠更為有效地將物聯(lián)網(wǎng)感知層所收集到的數(shù)據(jù)經(jīng)由網(wǎng)絡(luò)傳輸?shù)綌?shù)據(jù)處理中心，由此實(shí)現(xiàn)全方位的互通互聯(lián)目標(biāo)。就其實(shí)際工作內(nèi)容來(lái)分析，所指向的是將多種屬性的監(jiān)測(cè)處理設(shè)備進(jìn)行聯(lián)網(wǎng)，實(shí)現(xiàn)傳輸功效，對(duì)各設(shè)備與節(jié)點(diǎn)之間的數(shù)據(jù)信息進(jìn)行傳播。

4．3數(shù)據(jù)層

數(shù)據(jù)層是物聯(lián)網(wǎng)云計(jì)算平臺(tái)中數(shù)據(jù)挖掘技術(shù)的核心環(huán)節(jié)，物聯(lián)網(wǎng)自身具有一定的異構(gòu)性與海量性特點(diǎn)，由此在數(shù)據(jù)層內(nèi)將物聯(lián)網(wǎng)設(shè)備所收集到的所有數(shù)據(jù)信息進(jìn)項(xiàng)儲(chǔ)存處理與分析的能力是基于云計(jì)算的物聯(lián)網(wǎng)數(shù)據(jù)挖掘平臺(tái)的重點(diǎn)。數(shù)據(jù)層內(nèi)部涵蓋了數(shù)據(jù)源轉(zhuǎn)化與存儲(chǔ)兩個(gè)主要部分，其中數(shù)據(jù)源轉(zhuǎn)化所指的是對(duì)物聯(lián)網(wǎng)異構(gòu)性的數(shù)據(jù)化進(jìn)行轉(zhuǎn)化，存儲(chǔ)方面所指向的是應(yīng)用Hadoop所構(gòu)建的平臺(tái)中HDFS系統(tǒng)進(jìn)行分布式存儲(chǔ)，由此將物聯(lián)網(wǎng)中大量的數(shù)據(jù)能夠可靠的存儲(chǔ)在各個(gè)數(shù)據(jù)節(jié)點(diǎn)中。在物聯(lián)網(wǎng)平臺(tái)內(nèi)部，針對(duì)不同的目標(biāo)需要收集不同的數(shù)據(jù)類型對(duì)其進(jìn)行顯示，在特定環(huán)境下，同一種目標(biāo)同樣會(huì)選擇不同的數(shù)據(jù)類型進(jìn)行表現(xiàn)，基于此數(shù)據(jù)源轉(zhuǎn)化的作用主要為表現(xiàn)保持?jǐn)?shù)據(jù)的完整性，同時(shí)避免異構(gòu)性的物聯(lián)網(wǎng)數(shù)據(jù)在轉(zhuǎn)化中基于其他不確定因素有所損壞，由此實(shí)現(xiàn)確保數(shù)據(jù)挖掘可靠性的目的。數(shù)據(jù)源轉(zhuǎn)化在整個(gè)系統(tǒng)中的價(jià)值主要是作為數(shù)據(jù)層與感知層之間的連接線角色存在，經(jīng)由數(shù)據(jù)包的解碼與轉(zhuǎn)換將不同屬性的數(shù)據(jù)轉(zhuǎn)換為所需要的數(shù)據(jù)類型，同時(shí)將其以分布式手段存儲(chǔ)在數(shù)據(jù)處理中心。

4．4數(shù)據(jù)挖掘服務(wù)層

數(shù)據(jù)挖掘服務(wù)層內(nèi)部涵蓋數(shù)據(jù)準(zhǔn)備模塊、數(shù)據(jù)挖掘引擎模塊、用戶模塊幾個(gè)部分。其中數(shù)據(jù)準(zhǔn)備模塊中涵蓋著對(duì)數(shù)據(jù)的情況、轉(zhuǎn)變、數(shù)據(jù)規(guī)等環(huán)節(jié)；數(shù)據(jù)挖掘引擎模塊中涵蓋著數(shù)據(jù)挖掘算法集、模式評(píng)估等環(huán)節(jié)；用戶模塊中涵蓋著數(shù)據(jù)挖掘知識(shí)的可視化展現(xiàn)技術(shù)。基于知識(shí)挖掘類型的差異性，數(shù)據(jù)挖掘引擎模塊具備了區(qū)分、關(guān)聯(lián)、聚類、趨勢(shì)分析、偏差分析、類似性分析等特征。而提供以上所述的功能核心環(huán)節(jié)為數(shù)據(jù)挖掘模塊中的算法集所具備的多種功能算法，在Hadoop平臺(tái)中數(shù)據(jù)挖掘算法需要對(duì)傳統(tǒng)所應(yīng)用的數(shù)據(jù)挖掘算法進(jìn)行一定程度的調(diào)整，也就是實(shí)現(xiàn)算法并行化的處理。用戶模塊是應(yīng)用物聯(lián)網(wǎng)數(shù)據(jù)挖掘平臺(tái)用戶的直接接觸端，基于其擔(dān)負(fù)著將系統(tǒng)顯示轉(zhuǎn)化為用戶可識(shí)別顯示的重要責(zé)任，需要具備一定的友好性，也就是一定的人性化，使用戶能夠便捷的應(yīng)用用戶界面進(jìn)行操作，實(shí)現(xiàn)數(shù)據(jù)挖掘的目的，同時(shí)也能夠獲取到能夠理解的知識(shí)。為提升數(shù)據(jù)挖掘平臺(tái)的可移植性，在用戶服務(wù)底層模塊加入了一個(gè)開放接口模塊，由此能夠使得第三方調(diào)用物聯(lián)網(wǎng)數(shù)據(jù)挖掘平臺(tái)的功能，使物聯(lián)網(wǎng)具備更為豐富的應(yīng)用，同時(shí)提升其實(shí)際應(yīng)用價(jià)值。

5結(jié)論

云計(jì)算與物聯(lián)網(wǎng)均屬于信息化社會(huì)的先進(jìn)產(chǎn)物，是社會(huì)發(fā)展的一大表現(xiàn)，物聯(lián)網(wǎng)引起自身的多種優(yōu)勢(shì)被廣泛地應(yīng)用在社會(huì)各個(gè)領(lǐng)域中。但是，當(dāng)前物聯(lián)網(wǎng)在我國(guó)發(fā)展進(jìn)程較為緩慢，主要是由于物聯(lián)網(wǎng)的建設(shè)需要應(yīng)用到多種技術(shù)，而技術(shù)建設(shè)始終是一個(gè)難題，為此，在本文中對(duì)基于云計(jì)算平臺(tái)的物聯(lián)網(wǎng)數(shù)據(jù)挖掘技術(shù)應(yīng)用與實(shí)現(xiàn)效果進(jìn)行了全面分析，為進(jìn)一步推動(dòng)基于云計(jì)算基礎(chǔ)物聯(lián)網(wǎng)的建設(shè)提供理論參考。

作者:湯勇峰 單位:江蘇省徐州醫(yī)藥高等職業(yè)學(xué)校

參考文獻(xiàn)：

［1］張虎．基于云計(jì)算的物聯(lián)網(wǎng)數(shù)據(jù)挖掘模式的構(gòu)建［J］．無(wú)線互聯(lián)科技，2016，2（20）：50－51．

［2］陳達(dá)峰．基于云計(jì)算的物聯(lián)網(wǎng)數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究［J］．中國(guó)新技術(shù)新產(chǎn)品，2014，5（23）：20．

［3］李立，張玉州，江克勤．一種改進(jìn)的基于云平臺(tái)的物聯(lián)網(wǎng)數(shù)據(jù)挖掘算法［J］．安慶師范學(xué)院學(xué)報(bào)：自然科學(xué)版，2014，7（2）：37－40．

篇8

【 關(guān)鍵詞 】 地理信息科學(xué)；數(shù)字地球；云計(jì)算；空間計(jì)算；時(shí)空；高性能計(jì)算；地理信息網(wǎng)絡(luò)基礎(chǔ)設(shè)施

1 引言

“唯一不變的是變化本身”——肯尼迪。在全球化和人類活動(dòng)地域擴(kuò)張的21世紀(jì)，理解變化變得越來(lái)越重要（Brenner 1999； NRC 2009b）。這些變化在一定的空間范圍內(nèi)發(fā)生，這個(gè)范圍可以小到個(gè)人或周圍的小空間，也可以大到整個(gè)地球（Brenner 1999）。我們用時(shí)空維度來(lái)更好地記錄空間的相關(guān)變化（Goodchild 1992）。為了理解、保護(hù)和改善我們的生活環(huán)境，人類已經(jīng)積累了約十萬(wàn)年或更長(zhǎng)時(shí)間發(fā)生的變化的寶貴記錄。這些記錄通過(guò)各種傳感技術(shù)獲得，這些傳感技術(shù)包括我們?nèi)祟惖囊曈X、觸覺和感覺，以及最近發(fā)展的衛(wèi)星、天文望遠(yuǎn)鏡、原位傳感器和傳感器網(wǎng)（Montgomery and Mundt， 2010）。傳感技術(shù)的進(jìn)步極大地提高了記錄的精度和時(shí)空范圍?？偟膩?lái)說(shuō)，我們已經(jīng)積累了EB級(jí)的記錄數(shù)據(jù)，而且這些數(shù)據(jù)集每天以PB級(jí)的速度在增加（Hey， Tansley and Tolle 2009）。

云計(jì)算的出現(xiàn)為解決地理科學(xué)的挑戰(zhàn)，即能夠靈活訪問(wèn)廣泛集中的、實(shí)體化的以及負(fù)擔(dān)得起的計(jì)算機(jī)資源，帶來(lái)了可能的解決方案（Cui et al.， 2010； Huang et al.， 2010）。21世紀(jì)的地理空間科學(xué)與所描述的密集問(wèn)題可以受益于最新的云計(jì)算框架，并充分利用時(shí)空原理以優(yōu)化云計(jì)算。要抓住云計(jì)算和地理空間科學(xué)之間的內(nèi)在關(guān)系，我們引入了空間云計(jì)算：a）解決地理空間科學(xué)中的4個(gè)密集問(wèn)題；b）促進(jìn)實(shí)施和優(yōu)化云計(jì)算匯集、彈性、按需以及其他特點(diǎn)。

2 空間云計(jì)算（Spatial Cloud Computing （SCC））

云計(jì)算正在成為下一代的計(jì)算平臺(tái)，政府機(jī)構(gòu)正在促進(jìn)它的使用以降低啟動(dòng)、維護(hù)和能源消耗成本（Buyya et al.， 2009； Marston et al. 2011）。結(jié)合地理空間科學(xué)，幾個(gè)試驗(yàn)性的云計(jì)算項(xiàng)目正在諸如FGDC、 NOAA和 NASA等聯(lián)邦機(jī)構(gòu)內(nèi)實(shí)施。商業(yè)機(jī)構(gòu)，如微軟、亞馬遜和ESRI正在調(diào)研如何在云計(jì)算環(huán)境中操作地理空間應(yīng)用，了解如何最好地適應(yīng)這個(gè)新的計(jì)算模式。早期的調(diào)研發(fā)現(xiàn)云計(jì)算不僅能夠幫助地理空間科學(xué)，而且能夠采用時(shí)空原理進(jìn)行優(yōu)化以最好地使用分布式計(jì)算資源（Yang et al.， 2011）。地理空間科學(xué)問(wèn)題具有強(qiáng)時(shí)空約束和原則，能夠通過(guò)系統(tǒng)地考慮通用時(shí)空規(guī)則來(lái)獲得最好的答案（De Smith 2007； Goodchild 1990； Goodchild et al.， 2007； Yang et al.， 2011b）：1）物理現(xiàn)象是連續(xù)的，數(shù)據(jù)表示在時(shí)空上是離散的；2）物理現(xiàn)象在空間、時(shí)間和時(shí)空關(guān)系上是異構(gòu)的；3）物理現(xiàn)象在局部地理域上是半自治的，并且能夠被分割和合并；4）地理空間科學(xué)和應(yīng)用問(wèn)題包括數(shù)據(jù)存儲(chǔ)、計(jì)算/處理資源、物理現(xiàn)象和用戶的時(shí)空位置；上述四種位置的相互作用隨空間分布強(qiáng)度愈發(fā)復(fù)雜；5）時(shí)空現(xiàn)象越接近越相關(guān)（Tobler' first law of geography）。

一個(gè)支持地理空間科學(xué)的云計(jì)算平臺(tái)應(yīng)該利用上述時(shí)空原則和限制，以便以一種時(shí)空形式更好地優(yōu)化與使用云計(jì)算，而不是設(shè)置限制條件和重新設(shè)計(jì)應(yīng)用架構(gòu)（Calstroka and Waston 2010）。

時(shí)空云計(jì)算涉及地理空間科學(xué)驅(qū)動(dòng)的計(jì)算規(guī)范，通過(guò)將分布式計(jì)算環(huán)境應(yīng)用于地理空間和其他科學(xué)發(fā)現(xiàn)，其能夠被時(shí)空原則所優(yōu)化。

空間云計(jì)算框架包括物理計(jì)算基礎(chǔ)設(shè)施、分布在多個(gè)區(qū)域的計(jì)算資源，和用來(lái)管理為終端用戶提供服務(wù)的資源的空間云計(jì)算虛擬服務(wù)器。

空間云計(jì)算可以用一個(gè)架構(gòu)來(lái)表示，這個(gè)架構(gòu)包含物理計(jì)算基礎(chǔ)設(shè)施、分布在多個(gè)區(qū)域的計(jì)算資源，以及一個(gè)管理為終端用戶提供服務(wù)的資源的空間云計(jì)算虛擬服務(wù)器。

空間云計(jì)算環(huán)境的核心組件主要通過(guò)結(jié)合時(shí)空原則的SCCM來(lái)支持地理空間科學(xué)，以尋求計(jì)算資源的優(yōu)化?；趥鹘y(tǒng)空間云計(jì)算平臺(tái)和核心GIS功能是能夠?qū)崿F(xiàn)的，例如動(dòng)態(tài)重投影和空間分析。本地用戶和系統(tǒng)管理員通過(guò)SCCM管理接口，能夠直接訪問(wèn)私有云服務(wù)器，云用戶能夠通過(guò)空間云門戶訪問(wèn)云服務(wù)。還需要進(jìn)一步研究IaaS、PaaS、SaaS和DaaS環(huán)境在云計(jì)算與地理信息科學(xué)兩方面可用的一致性。在下一節(jié)中，我們使用四種有代表性的應(yīng)用來(lái)說(shuō)明四種密集的問(wèn)題。

3 空間云計(jì)算應(yīng)用

為說(shuō)明云計(jì)算如何能潛在解決四個(gè)密集問(wèn)題，我們選擇了四個(gè)科學(xué)和應(yīng)用場(chǎng)景來(lái)分析這些問(wèn)題、時(shí)空原則和潛在空間云計(jì)算解決方案間的內(nèi)在聯(lián)系。

3.1 數(shù)據(jù)密集型

地理空間科學(xué)中的數(shù)據(jù)密集型問(wèn)題至少可以總結(jié)為三個(gè)方面：1）利用專門的投影和地理坐標(biāo)系統(tǒng)，多維地理空間數(shù)據(jù)在二維以上空間表示；2）諸如衛(wèi)星觀測(cè)、照相獲取、或者模型模擬，會(huì)收集或產(chǎn)生海量多維數(shù)據(jù)；3）數(shù)據(jù)的全球分布。許多數(shù)據(jù)密集型的應(yīng)用訪問(wèn)和數(shù)據(jù)整合，因此，大數(shù)據(jù)可能在快速計(jì)算機(jī)網(wǎng)絡(luò)中傳輸，或者通過(guò)組合技術(shù)實(shí)現(xiàn)最小傳輸。

為解決這些數(shù)據(jù)密集型問(wèn)題，我們開發(fā)了一種DaaS——分布式的目錄和基于空間云計(jì)算的門戶，來(lái)發(fā)現(xiàn)、訪問(wèn)、使用地理空間數(shù)據(jù)。這個(gè)DaaS基于Microsoft Azure， Amazon EC2和 NASA 的地理空間社區(qū)的云服務(wù)上正在進(jìn)行開發(fā)與測(cè)試。

空間云計(jì)算可考慮擁有和使用數(shù)據(jù)、服務(wù)、計(jì)算和終端用戶的位置、能力、容量和質(zhì)量等信息并予以優(yōu)化，當(dāng)然是在計(jì)算、地理空間科學(xué)和應(yīng)用使用時(shí)空原則的情況下。

3.2 計(jì)算密集型

計(jì)算機(jī)密集型是地理空間科學(xué)需要解決的另外一個(gè)問(wèn)題。在地理科學(xué)元素中，在信息/知識(shí)的數(shù)據(jù)挖掘、參數(shù)提取和現(xiàn)象模擬應(yīng)用中計(jì)算密集型問(wèn)題愈發(fā)突出。這些問(wèn)題包括：1）地理空間科學(xué)在建模和分析方面天然是耗費(fèi)計(jì)算資源的；2）參數(shù)提出需要運(yùn)行復(fù)雜的地球物理算法，以從海量觀測(cè)數(shù)據(jù)中獲取現(xiàn)象值（Phenomena Values），這個(gè)復(fù)雜的算法運(yùn)算使得參數(shù)提取更具有計(jì)算密集型特征；3）當(dāng)考慮到地球系統(tǒng)的所有動(dòng)態(tài)參數(shù)時(shí)，模擬地理空間現(xiàn)象是非常復(fù)雜的。周期性的現(xiàn)象模擬密集計(jì)算的不斷循環(huán)，高性能計(jì)算機(jī)常用來(lái)提升此類計(jì)算速度。更重要的是，現(xiàn)象處理的時(shí)空原則可用來(lái)優(yōu)化分布式計(jì)算單元的組織，以實(shí)現(xiàn)時(shí)空科學(xué)模擬和預(yù)測(cè)（Govett et al.， 2010； Yang et al.， 2011）。這些原則對(duì)于實(shí)現(xiàn)數(shù)據(jù)挖掘、參數(shù)提取、現(xiàn)象模擬的云計(jì)算來(lái)優(yōu)化計(jì)算資源也是很關(guān)鍵的（Ramakrishnan et al. 2011； Zhang et al. 2011），主要通過(guò)：1）利用動(dòng)態(tài)需求和能力，為計(jì)算工作選擇最匹配的計(jì)算單元；2）并行化操作單元以降低這個(gè)處理時(shí)間或提高整個(gè)系統(tǒng)的可操作性，3）利用更加匹配的工作、計(jì)算應(yīng)用以及存儲(chǔ)與網(wǎng)絡(luò)狀態(tài)，優(yōu)化整個(gè)云操作性。由于科學(xué)算法的多樣性和動(dòng)態(tài)性，最好的實(shí)現(xiàn)平臺(tái)是PaaS和IaaS。

3.3 并發(fā)訪問(wèn)密集

互聯(lián)網(wǎng)的發(fā)展和“在任何地點(diǎn)、任何時(shí)間將正確信息提供給任何人”的理念，使得基于位置的地理空間服務(wù)流行開來(lái)（Jensen 2009），并允許數(shù)以千萬(wàn)計(jì)的用戶并發(fā)訪問(wèn)系統(tǒng)（Blower 2010）。例如，Google Earth通過(guò)其SaaS支持?jǐn)?shù)百萬(wàn)互聯(lián)網(wǎng)用戶并發(fā)訪問(wèn)。這些并發(fā)密集型訪問(wèn)在某一時(shí)間（例如2011年3月日本海嘯和地震期間）非常密集，而在另外時(shí)間則很少。為更好地滿足這些并發(fā)訪問(wèn)，空間云計(jì)算需要彈性調(diào)用更多的來(lái)自不同區(qū)域的服務(wù)進(jìn)程來(lái)應(yīng)對(duì)訪問(wèn)峰值。

實(shí)驗(yàn)證明計(jì)算進(jìn)程越多，性能越高。彈性自動(dòng)提供和釋放計(jì)算資源允許我們共享其他無(wú)并發(fā)訪問(wèn)峰值的應(yīng)用的計(jì)算資源，以應(yīng)對(duì)當(dāng)前的并發(fā)訪問(wèn)峰值。

3.4 時(shí)空密集型

為更好地理解過(guò)去和預(yù)測(cè)未來(lái)，一些被收集的地理空間數(shù)據(jù)是基于時(shí)間序列的，將已有的觀測(cè)數(shù)據(jù)進(jìn)行時(shí)間序列的重建工作也已實(shí)施。時(shí)空密集型的重要性體現(xiàn)在時(shí)空索引（Theodoridis and Nascimento， 2000； Wang et al.， 2009）、時(shí)空數(shù)據(jù)建模方法（Monmonier， 1990， Stroud et al.， 2001）、地球科學(xué)現(xiàn)象關(guān)聯(lián)分析（Kumar 2007）、颶風(fēng)模擬（Theodoridis et al.， 1999）以及計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)（在傳輸負(fù)載與拓?fù)鋸?fù)雜性上飛速發(fā)展）（Donner et al.， 2009）之上，面臨著的挑戰(zhàn)也來(lái)自于這些。

針對(duì)數(shù)據(jù)采集，不同的路徑傳感器、照相機(jī)以及公眾探測(cè)技術(shù)用來(lái)獲取實(shí)時(shí)的交通狀態(tài)信息（Goodchild 2007）。已存在的路徑連接和節(jié)點(diǎn)也被添加進(jìn)來(lái)作為基礎(chǔ)數(shù)據(jù)。模型模擬在高性能計(jì)算環(huán)境中進(jìn)行。不像靜態(tài)路徑規(guī)劃可利用Dijkstra算法實(shí)現(xiàn)，近實(shí)時(shí)的路徑規(guī)劃則不能如此（Cao 2007），我們不得不針對(duì)每一個(gè)路徑規(guī)劃請(qǐng)求進(jìn)行準(zhǔn)實(shí)時(shí)的計(jì)算。此復(fù)雜性給計(jì)算和地理科學(xué)帶來(lái)很大的挑戰(zhàn)。由于路徑規(guī)劃請(qǐng)求的動(dòng)態(tài)特點(diǎn)，我們不能為應(yīng)對(duì)最大量的用戶而去維持最大的計(jì)算能力，通常我們不需要全部的計(jì)算能力。云計(jì)算提供的彈性與按需特征能夠用來(lái)解決這個(gè)問(wèn)題，PaaS最適合這種應(yīng)用。

4 機(jī)遇與挑戰(zhàn)

這篇論文羅列了21世紀(jì)地理空間科學(xué)面臨的諸多巨大挑戰(zhàn)：數(shù)據(jù)、計(jì)算、并發(fā)和時(shí)空分析密集特征。我們論證采用空間特征的云計(jì)算的最新進(jìn)展能夠?yàn)榻鉀Q這些巨大挑戰(zhàn)提供潛在的解決方案。

時(shí)空云計(jì)算的成功依賴許多因素，例如時(shí)空云計(jì)算在能夠采納云解決方案的地理空間科學(xué)家中的推廣，在能夠采納時(shí)空原則進(jìn)行設(shè)計(jì)、建設(shè)和部署云平臺(tái)的計(jì)算科學(xué)家與工程師中推廣。我們列舉了幾個(gè)方面，包括：

4.1 時(shí)空原則挖掘和提取

地理空間現(xiàn)象在時(shí)間和空間上不斷變化，利用四維或更多維去表示或描述其演變是可能的。我們已建立了歐幾里德和其他空間去描述這些現(xiàn)象。由于現(xiàn)象的復(fù)雜性和多維的龐大，我們力圖簡(jiǎn)化維度，引入現(xiàn)象的特征或模板去幫助更好地在理論和計(jì)算環(huán)境中表示，使得其具有可計(jì)算性。

在地理空間科學(xué)中，由于人類活動(dòng)的擴(kuò)展和全球化，一些表示方法需要重新定義。例如，我們需要整合陸地區(qū)域、海洋和大氣進(jìn)程以更好地理解氣候變化。另一方面，我們需要更好地描述地理空間現(xiàn)象如何影響我們的生活。這些時(shí)空關(guān)系幫助我們形成更好的時(shí)空原則，開發(fā)多維狀態(tài)下的時(shí)空案例。橫向應(yīng)用需要多領(lǐng)域的不同背景的科學(xué)家進(jìn)行合作。社會(huì)上，跨領(lǐng)域和地域的處于分散狀態(tài)的科學(xué)家合作是一個(gè)巨大挑戰(zhàn)。

4.2 重要的數(shù)字地球與復(fù)雜的時(shí)空科學(xué)及應(yīng)用

Digital Earth要求將我們星球的數(shù)字信息進(jìn)行整合，并開發(fā)出地理空間問(wèn)題的解決方案。理解可預(yù)知的模式并提供特定環(huán)境下的解決方案，這是非常必要的。解決這些問(wèn)題不僅為人們提供需求便利，而且從長(zhǎng)遠(yuǎn)看能夠改善人們的生活質(zhì)量。

為此，需要研究：a）辨明具有較大影響的基礎(chǔ)性的應(yīng)用，以及需要的計(jì)算支持；b）結(jié)合可獲取的分布式計(jì)算能力，分析應(yīng)用中的四個(gè)密集型問(wèn)題；c）通過(guò)考慮云計(jì)算能力和時(shí)空需求，擴(kuò)展或指定數(shù)學(xué)和概念模型到計(jì)算機(jī)模型，以實(shí)現(xiàn)應(yīng)用的可計(jì)算性；d）為決策者和其他最終用戶解決或提出問(wèn)題；e）通過(guò)改進(jìn)傳感器技術(shù)、數(shù)據(jù)處理算法、數(shù)據(jù)結(jié)構(gòu)和模型模擬以改善應(yīng)用；f）總結(jié)經(jīng)驗(yàn)教訓(xùn)，優(yōu)化通用云計(jì)算技術(shù)。

4.3 支持空間云計(jì)算（SCC）特征

空間云計(jì)算嚴(yán)重依賴計(jì)算基礎(chǔ)設(shè)施的狀態(tài)，除了工程研究和計(jì)算基礎(chǔ)設(shè)施特征的可用外，網(wǎng)絡(luò)、CPU、RAM、硬盤、軟件許可和其他資源的使用/狀態(tài)，對(duì)于優(yōu)化使用時(shí)空原則的云計(jì)算環(huán)境也是重要的。

在調(diào)研面向解決四種密集型地理空間問(wèn)題的云計(jì)算特征工作中，需要進(jìn)行擴(kuò)展研究以更好地理解計(jì)算基礎(chǔ)設(shè)施和應(yīng)用的時(shí)空特性，應(yīng)用和計(jì)算資源的優(yōu)化調(diào)度也是關(guān)鍵的（Mustafa Rafique et al. 2011）。

4.4 安全

云計(jì)算公司通常會(huì)使用授權(quán)和認(rèn)證技術(shù)來(lái)保護(hù)用戶隱私，云服務(wù)提供商確保其基礎(chǔ)設(shè)施安全并擁有可行的保護(hù)用戶數(shù)據(jù)與應(yīng)用的解決方案是必須的。美國(guó)聯(lián)邦首席信息官（The US Federal CIO）正努力合并安全訪問(wèn)與授權(quán)成為統(tǒng)一功能，這計(jì)劃為三個(gè)步驟（FEDRAMP 2011）：a）安全需求底線；b）持續(xù)監(jiān)控；c）潛在訪問(wèn)與授權(quán)。

（注：本文譯自《國(guó)際數(shù)字地球?qū)W報(bào)》International Journal on Digital Earth）

譯者簡(jiǎn)介：

翟永（1969-），男，碩士，高級(jí)工程師；研究方向：計(jì)算機(jī)網(wǎng)絡(luò)、服務(wù)器和空間數(shù)據(jù)庫(kù)系統(tǒng)集成以及安全保密技術(shù)。

劉津（1989-），女，學(xué)士，助理工程師；研究方向：空間數(shù)據(jù)庫(kù)管理和地理信息管理系統(tǒng)集成。

篇9

關(guān)鍵詞：點(diǎn)云去噪；雙邊濾波；統(tǒng)計(jì)濾波；半徑濾波；尖銳特征

中圖分類號(hào)： TP391.41

文獻(xiàn)標(biāo)志碼：A

Denoising algorithm for bilateral filtered point cloud based on noise classification

YUAN Hua， PANG Jiankeng*， MO Jianwen

School of Information and Communication， Guilin University of Electronic Technology， Guilin Guangxi 541004， China

Abstract：

Focusing on the issue that different scale noise exists in denoising and smoothing of 3D point cloud data model， a bilateral filtering denoising algorithm for 3D point cloud based on noise classification was proposed. Firstly， the noise points were subdivided into the largescale and the smallscale noise， and the largescale noise was removed with statistical filtering and radius filtering. Secondly， the curvature of the 3D point cloud data was estimated， and the bilateral filter was improved to enhance the robustness and security. Finally， the smallscale noise was smoothed with the improved bilateral filter to achieve the smoothing and denoising of 3D point clouds. Compared with the algorithms simply based on bilateral filtering or Fleishman bilateral filtering， the smoothing average error index of 3D point cloud data model obtained by the proposed method respectively decreased by 50.53% and 21.67%. The experimental results show that the proposed algorithm increases the efficiency of calculation by scale subdivion of noise points， and avoids excessive smoothing and detail distortion， which can better maintain the geometric characteristics of the model.

英文關(guān)鍵詞Key words：

point cloud denoising； bilateral filtering； statistical filtering； radius filtering； sharp feature

0引言

隨著三維激光掃描技術(shù)的高速發(fā)展，人們可以很容易獲取真實(shí)世界中物體的表面三維點(diǎn)云數(shù)據(jù)，因此三維點(diǎn)云數(shù)據(jù)模型被廣泛應(yīng)用于虛擬現(xiàn)實(shí)、逆向工程、城市建模等[1]。然而，受到掃描設(shè)備本身精度、人為操作和被測(cè)物體表面材質(zhì)等因素的影響，三維點(diǎn)云數(shù)據(jù)在獲取階段不可避免存在許多小振幅的噪聲和離群點(diǎn)，從而嚴(yán)重影響重建的表面精度。因此，必須對(duì)三維點(diǎn)云數(shù)據(jù)模型進(jìn)行去噪、光順預(yù)處理。

國(guó)內(nèi)外許多學(xué)者對(duì)點(diǎn)云去噪進(jìn)行深入研究：鄒北驥等[2]將脈沖耦合神經(jīng)網(wǎng)絡(luò)引入點(diǎn)云去噪，對(duì)噪聲進(jìn)行定位，能夠有效去除噪聲，同時(shí)保持模型的幾何特征，但對(duì)點(diǎn)云反饋定位可能存在誤差。Wang等[3]提出一種基于移動(dòng)最小二乘曲面的點(diǎn)云去噪算法，將采樣點(diǎn)移動(dòng)到其對(duì)應(yīng)的局部曲面上來(lái)去除噪聲，具有較好的魯棒性，但時(shí)間復(fù)雜度不佳。Rosman等[4]通過(guò)拉普拉斯貝爾特拉米算子生成一個(gè)平滑曲面來(lái)處理高頻噪聲，但降低了物體表示精度。Xu等[5]根據(jù)點(diǎn)云幾何特征分割去噪，能有效提高點(diǎn)云去噪的效率，但沒有針對(duì)性地考慮特征的保持。Yang等[6]提出了一個(gè)系統(tǒng)性的三維點(diǎn)云去噪平滑算法，較好地達(dá)到了點(diǎn)云去噪和保持曲面特征的目的。蘇志勛等[7]提出了一種基于法向修正及中值濾波的點(diǎn)云平滑算法，迭代降噪，但噪聲跟離群點(diǎn)較多時(shí)，法向量修正會(huì)出現(xiàn)誤差，影響平滑效果。聶建輝等[8]提出了散亂點(diǎn)云離群點(diǎn)的分類識(shí)別算法，根據(jù)基于曲面變化度的局部離群系數(shù)（Surface Variation based on Local Outlier Factor， SVLOF）將離群點(diǎn)進(jìn)行分類、去除，但在頂點(diǎn)曲率估計(jì)上有誤差。葛寶臻等[9]將平面投影與雙邊濾波算法相結(jié)合進(jìn)行自適應(yīng)去噪，集成了兩種方法的優(yōu)點(diǎn)，有較好的光順效果，但在頂點(diǎn)曲率估計(jì)上有誤差。曹爽等[10]提出了基于特征選擇的雙邊濾波點(diǎn)云去噪算法，對(duì)噪聲進(jìn)行分類，計(jì)算特征點(diǎn)與非特征點(diǎn)的雙邊濾波因子，避免出現(xiàn)雙邊濾波過(guò)光順的現(xiàn)象，但需要較長(zhǎng)時(shí)間來(lái)確定特征選擇。其他點(diǎn)云去噪方法還有橢圓體準(zhǔn)則[11]、群體智能點(diǎn)云光順去噪方法[12]等。以上方法在特定鄰域都取得了較好的光順效果，但都難以避免細(xì)微特征的損失，且沒有考慮在保持特征性的同時(shí)進(jìn)行三維點(diǎn)云數(shù)據(jù)模型的優(yōu)化，使模型形狀均勻。

在點(diǎn)云去噪方法中，雙邊濾波具有較好的特征保持與平滑性能，通過(guò)控制三維點(diǎn)云數(shù)據(jù)中各點(diǎn)鄰域的大小來(lái)保持模型的特征，但不能處理大范圍噪聲，且存在著一定的特征丟失的概率[8]。另外，僅采用雙邊濾波對(duì)具有復(fù)雜表面幾何特征的三維點(diǎn)云數(shù)據(jù)進(jìn)行去噪時(shí)，很難做到在三維點(diǎn)云數(shù)據(jù)模型特征豐富區(qū)域保持特征，同時(shí)在特征欠缺的平坦區(qū)域高度光順。針對(duì)以上雙邊濾波存在的不足，本文提出一種基于噪聲分類的雙邊濾波點(diǎn)云去噪算法：首先對(duì)噪聲進(jìn)行細(xì)分，將其分為大尺度和小尺度噪聲；然后采用統(tǒng)計(jì)濾波和半徑濾波相結(jié)合，設(shè)定相應(yīng)的閾值來(lái)去除大尺度噪聲；接著對(duì)新三維點(diǎn)云數(shù)據(jù)進(jìn)行曲率估算，并對(duì)雙邊濾波因子進(jìn)行改進(jìn)，增強(qiáng)其魯棒性和保特征性；最后使用改進(jìn)雙邊濾波對(duì)小尺度噪聲進(jìn)行光順濾波。該方法對(duì)噪聲進(jìn)行分尺度處理，簡(jiǎn)單有效，運(yùn)算速度快，既可以解決數(shù)據(jù)點(diǎn)中包含大尺度噪聲的問(wèn)題，又能很好利用雙邊濾波強(qiáng)保特征性與光順性，較好地保持了三維點(diǎn)云數(shù)據(jù)模型的幾何特征，避免了模型的萎縮變形和過(guò)光順。

1三維點(diǎn)云數(shù)據(jù)模型去噪

噪聲通常為高頻信息[4]，常用的去噪方法都是濾除高頻信息，保留低頻信息。但是，在三維點(diǎn)云數(shù)據(jù)模型中，尖銳的幾何特征也是高頻信息，濾除高頻信息會(huì)誤刪尖銳幾何特征，從而丟失特征信息。而人類視覺對(duì)物體的尖銳幾何特征感覺比較敏感，因此在三維點(diǎn)云數(shù)據(jù)模型去除噪聲的同時(shí)，保持三維點(diǎn)云數(shù)據(jù)模型的幾何特征非常必要。

通過(guò)分析噪聲產(chǎn)生原因，并在此基礎(chǔ)上將噪聲分為遠(yuǎn)離點(diǎn)云主體的大尺度噪聲和靠近點(diǎn)云主體的小尺度噪聲兩類，并分別進(jìn)行處理：用點(diǎn)云統(tǒng)計(jì)濾波結(jié)合半徑濾波去除大尺度噪聲，對(duì)小尺度噪聲進(jìn)行部分光順；用改進(jìn)的雙邊濾波對(duì)小尺度噪聲進(jìn)行光順。圖1中給出點(diǎn)云去噪光順過(guò)程框圖。

2大尺度噪聲去除

大尺度噪聲主要包括偏離主體點(diǎn)云且懸浮在主體點(diǎn)云上方的稀疏點(diǎn)和距離主體大片點(diǎn)云中心較遠(yuǎn)、小而密集的點(diǎn)云，具有高頻率、大幅值等特點(diǎn)。讀入三維點(diǎn)云數(shù)據(jù)后，統(tǒng)計(jì)濾波對(duì)查詢點(diǎn)與鄰域點(diǎn)集之間的距離進(jìn)行統(tǒng)計(jì)分析，并去除掉那些不符合一定標(biāo)準(zhǔn)的大尺度噪聲。對(duì)大尺度噪聲移除是基于輸入三維點(diǎn)云數(shù)據(jù)中對(duì)數(shù)據(jù)點(diǎn)到鄰近鄰域點(diǎn)距離分布的計(jì)算。對(duì)每個(gè)數(shù)據(jù)點(diǎn)pi，計(jì)算pi到它所有鄰近點(diǎn)的平均距離，獲得一個(gè)高斯分布的結(jié)果，其形狀由均值和標(biāo)準(zhǔn)差決定，平均距離在標(biāo)準(zhǔn)范圍（由全局距離平均值和標(biāo)準(zhǔn)差定義）之外的數(shù)據(jù)點(diǎn)，則被定義為大尺度噪點(diǎn)，并可從點(diǎn)云數(shù)據(jù)集中去除。在本文算法中，首先設(shè)置用于計(jì)算平均距離估計(jì)時(shí)用的鄰域點(diǎn)的數(shù)目k和標(biāo)準(zhǔn)差倍數(shù)閾值std，點(diǎn)云中所有點(diǎn)與其鄰域的距離大于μ±σ?std，則被認(rèn)為是距離大片點(diǎn)云中心較遠(yuǎn)、小而密集的點(diǎn)云，并刪除該數(shù)據(jù)點(diǎn)，其中：μ代表估計(jì)的平均距離，σ代表標(biāo)準(zhǔn)差。

半徑濾波是指在三維點(diǎn)云數(shù)據(jù)模型中，用戶指定每個(gè)數(shù)據(jù)點(diǎn)在一定范圍內(nèi)至少要有足夠多的近鄰。例如，如果指定至少要有2個(gè)鄰近點(diǎn)，當(dāng)數(shù)據(jù)點(diǎn)周圍的鄰近點(diǎn)只有1個(gè)時(shí)，這個(gè)數(shù)據(jù)點(diǎn)就被認(rèn)為是噪聲，并刪除。將統(tǒng)計(jì)濾波后的三維點(diǎn)云數(shù)據(jù)輸入半徑濾波，如果一個(gè)點(diǎn)在給定搜索半徑范圍內(nèi)鄰近點(diǎn)數(shù)量小于給定閾值M，則判斷為偏離點(diǎn)云且懸浮在主體點(diǎn)云上方的稀疏離群點(diǎn)并刪除。設(shè)置用于確定濾波的k近鄰的球體半徑r和一個(gè)點(diǎn)在給定搜索半徑內(nèi)被認(rèn)為是內(nèi)部點(diǎn)（即有效點(diǎn)）所需要的最低近鄰數(shù)量閾值M。如果一個(gè)數(shù)據(jù)點(diǎn)pi在其k近鄰的球體半徑r中的近鄰數(shù)目少于設(shè)定的閾值M，則判斷該點(diǎn)pi為離群點(diǎn)，從而進(jìn)行刪除。

3小尺度噪聲光順

三維點(diǎn)云數(shù)據(jù)模型去除大尺度噪聲后，還會(huì)存在某些小尺度噪聲，這類噪聲會(huì)干擾后續(xù)曲面重建的光滑性，使得模型表面發(fā)生起伏，存在一定程度上的失真，所以需要對(duì)其進(jìn)行平滑濾波處理。在常用的點(diǎn)云去噪算法中，F(xiàn)leishman等[13]將圖像處理中的雙邊濾波思想應(yīng)用到三維點(diǎn)云數(shù)據(jù)模型中，速度比較快，可以取得較好的去噪效果，但在處理大范圍噪聲時(shí)容易產(chǎn)生局部過(guò)光順，且不能有效保持模型中的細(xì)節(jié)特征。另外，雙邊濾波因子容易受到局部鄰域特征的影響，如果三維點(diǎn)云數(shù)據(jù)模型存在大范圍噪聲時(shí)，則會(huì)干擾三維點(diǎn)云數(shù)據(jù)模型局部特征估計(jì)，導(dǎo)致算法不穩(wěn)定，出現(xiàn)光順不徹底問(wèn)題。因此，雙邊濾波仍然需要解決光順性與保特征性的矛盾問(wèn)題。本文在現(xiàn)有雙邊濾波因子基礎(chǔ)上進(jìn)行改進(jìn)，增強(qiáng)其魯棒性和保特征性，并將其用在小尺度噪聲光順。

3.1散亂點(diǎn)云法向估計(jì)

雙邊濾波需要用到點(diǎn)云的法向量[14-15]，而法向量估計(jì)質(zhì)量直接影響到三維點(diǎn)云數(shù)據(jù)模型的平滑效果。目前通用的散亂點(diǎn)云法向量估計(jì)方法是基于點(diǎn)云局部協(xié)方差分析的主元分析法（Principal Component Analysis，PCA），本文采用該方法來(lái)獲得采樣點(diǎn)的法向估計(jì)。給定散亂點(diǎn)云中采樣點(diǎn)pi∈S及其最近k鄰域N（pi），對(duì)以下的協(xié)方差矩陣C進(jìn)行特征根分解：

C=1k∑pi∈N（pi）（pi-）（pi-）T

（1）

其中：=1k∑pi∈N（pi）pi，得到三個(gè)特征根記為0≤λ0≤λ1≤λ2，其對(duì)應(yīng)的特征向量為v0、v1、v2，將最小特征根λ0 對(duì)應(yīng)的特征向量v0作為pi∈S的法向量的一個(gè)近似估計(jì)。計(jì)算所得到的法矢方向一般是不協(xié)調(diào)的，需要使用歐幾里得最小生成樹來(lái)統(tǒng)一所有法向量的方向。

3.2改進(jìn)的雙邊濾波因子

雙邊濾波是圖像濾波中一種常用的方法，現(xiàn)已推廣到三維點(diǎn)云數(shù)據(jù)模型濾波。三維點(diǎn)云數(shù)據(jù)模型雙邊濾波是將噪聲點(diǎn)沿點(diǎn)的法矢方向移動(dòng)，不斷調(diào)整噪聲點(diǎn)的位置和坐標(biāo)。雙邊濾波的表達(dá)式為：

p′i=pi+α?n

（2）

其中：p′i為濾波后的點(diǎn)；pi為原數(shù)據(jù)點(diǎn)；α為雙邊濾波因子；n為點(diǎn)pi的法矢。α的表達(dá)式如下：

α=∑pj∈N（pi）Wc（pi-pj）Ws（ni，pi-pj）

〈pi-pj，nj〉∑pj∈N（pi）Wc（pi-pj）Ws（ni，pi-pj）

（3）

式中：N（pi）是數(shù)據(jù)點(diǎn)pi的鄰域點(diǎn)；?表示向量的?；蚪^對(duì)值；〈?，?〉表示向量的內(nèi)積；Wc是數(shù)據(jù)點(diǎn)pi到其鄰域點(diǎn)的光順濾波權(quán)因子；Ws是數(shù)據(jù)點(diǎn)pi到鄰域點(diǎn)在pi法向ni上的特征保持權(quán)因子；ni是數(shù)據(jù)點(diǎn)pi的法向量；nj是鄰近點(diǎn)pj的法向量。雙邊濾波因子依賴于局部鄰域特征信息，并且不能處理較大噪聲。本文對(duì)雙邊濾波因子進(jìn)行改進(jìn)，提高其魯棒性與保特征性，改進(jìn)后的雙邊濾波因子定義為：

α′=∑pj∈N（pi）Wc（pi-pj）Ws（〈ni，nj〉-1）〈pi-pj，nj〉∑pj∈N（pi）Wc（pi-pj）Ws（〈ni，nj〉-1）

（4）

光順濾波權(quán)函數(shù)是標(biāo)準(zhǔn)高斯濾波，定義為：

Wc（x）=exp[-x2/（2σ2c）]

（5）

特征保持權(quán)函數(shù)也是標(biāo)準(zhǔn)高斯濾波，定義為：

Ws（y）=exp[-y2/（2σ2s）]

（6）

其中：σc和σs為高斯濾波參數(shù)，反映了計(jì)算任意采樣點(diǎn)的雙邊濾波因子時(shí)切向和法向的影響范圍。

σc為數(shù)據(jù)點(diǎn)pi到其鄰域點(diǎn)的距離對(duì)pi的影響因子，它用來(lái)控制光順程度，σc越大，說(shuō)明選取的鄰域點(diǎn)越多，則三維點(diǎn)云數(shù)據(jù)模型的光滑性就越好；

σs為數(shù)據(jù)點(diǎn)pi到鄰近點(diǎn)的距離在其法向上的投影對(duì)數(shù)據(jù)點(diǎn)pi的影響因子，它用來(lái)控制特征保持程度，σs越大，說(shuō)明改進(jìn)雙邊濾波因子在平滑數(shù)據(jù)點(diǎn)pi時(shí)在其法矢上移動(dòng)的距離越長(zhǎng)，則三維點(diǎn)云數(shù)據(jù)模型的特征保持性就越好。

σc控制光順程度而σs控制特征保持程度。σc越大，說(shuō)明選取的鄰域點(diǎn)越多，則點(diǎn)云數(shù)據(jù)模型的光滑性就越好；σs越大，說(shuō)明改進(jìn)雙邊濾波因子在平滑數(shù)據(jù)點(diǎn)pi時(shí)在其法矢上移動(dòng)的距離越長(zhǎng)，則點(diǎn)云數(shù)據(jù)模型的特征保持性就越好。

通常情況下，σc可以用數(shù)據(jù)點(diǎn)pi的鄰域半徑來(lái)表示，σs可以用數(shù)據(jù)點(diǎn)pi的鄰域點(diǎn)標(biāo)準(zhǔn)差來(lái)表示。當(dāng)σc確定后，σs的不同取值對(duì)于三維點(diǎn)云數(shù)據(jù)模型的平滑效果的影響是比較明顯的。

三維點(diǎn)云數(shù)據(jù)模型表面的起伏變化可以當(dāng)作三維點(diǎn)云數(shù)據(jù)模型的特征，具有某種不連續(xù)性。式（3）中已有的雙邊濾波因子使用鄰域點(diǎn)在其切平面上投影距離作為權(quán)重因子，在特征變化比較劇烈的尖銳區(qū)域不能靈敏地展示出來(lái)，具有一定局限性。如圖1的鄰域?yàn)V波保持權(quán)因子示意圖所示，當(dāng)前處理點(diǎn)p位于三維點(diǎn)云數(shù)據(jù)模型的尖銳特征區(qū)域附近，局部特征變化比較劇烈，查找到的鄰域點(diǎn)包括位于尖銳特征兩側(cè)的數(shù)據(jù)點(diǎn)q1和q2。q1和q2具有相同幾何灰度值，假設(shè)q1、q2到點(diǎn)p的距離相等，則根據(jù)改進(jìn)前的雙邊濾波因子，q1、q2具有相等的投影距離權(quán)重，但實(shí)際情況是數(shù)據(jù)點(diǎn)q2對(duì)當(dāng)前處理數(shù)據(jù)點(diǎn)p的影響要更大一些。

本文對(duì)現(xiàn)有雙邊濾波因子進(jìn)行改進(jìn)，選用法向夾角的余弦值作為雙邊濾波因子的特征保持權(quán)因子。由于局部鄰域內(nèi)的采樣點(diǎn)法向變化能夠反映該鄰域所在平面的特征變化，當(dāng)三維點(diǎn)云數(shù)據(jù)模型中某一局部鄰域是尖銳區(qū)域時(shí)，其特征變化比較大，對(duì)應(yīng)的法向變化也比較大；而當(dāng)局部鄰域是平坦區(qū)域時(shí)，其特征變化比較小，對(duì)應(yīng)的法向變化也比較小。因此，采用鄰域點(diǎn)之間的法向夾角作為特征保持權(quán)因子的改進(jìn)的雙邊濾波因子，能夠在尖銳特征區(qū)域靈敏地展示出來(lái)，同時(shí)能夠捕捉三維點(diǎn)云數(shù)據(jù)模型征變化的不連續(xù)性。當(dāng)鄰域點(diǎn)與當(dāng)前處理點(diǎn)的法向夾角在0°～90°時(shí)，其余弦值隨夾角的增大而減小，故改進(jìn)的雙邊濾波因子的特征保持權(quán)值也隨夾角的增大而減??；當(dāng)夾角大于90°時(shí)，令其特征保持權(quán)值為0，即該鄰域點(diǎn)對(duì)當(dāng)前點(diǎn)不再有任何影響。

圖1中具有相同幾何灰度值的q1、q2在改進(jìn)雙邊濾波因子中因與處理點(diǎn)p的夾角不同，故具有不同的特征保持權(quán)值。因此，通過(guò)限定夾角的權(quán)值，從而把雙邊濾波因子的特征權(quán)重因子限定在一個(gè)更為合理的范圍內(nèi)，能夠增強(qiáng)雙邊濾波因子的保特征性。另外，改進(jìn)的雙邊濾波因子為當(dāng)前處理點(diǎn)pi鄰域中的每個(gè)采樣點(diǎn)都定義一個(gè)濾波平面，通過(guò)使用多個(gè)濾波平面，使得雙邊濾波結(jié)果不僅由其自身的鄰域決定，而且還受到其鄰域點(diǎn)的鄰域即當(dāng)前數(shù)據(jù)點(diǎn)pi的二階鄰域的影響，這可以削弱數(shù)據(jù)點(diǎn)pi對(duì)其自身鄰域的依賴，增強(qiáng)數(shù)據(jù)點(diǎn)pi的抗噪能力，提高改進(jìn)雙邊濾波因子的穩(wěn)健性。

3.3雙邊濾波光順

本文提出的小尺度噪聲光順?biāo)惴鞒倘缦拢?/p>

1）對(duì)于每個(gè)數(shù)據(jù)點(diǎn)pi進(jìn)行k鄰域的搜索，求出它k 個(gè)最近鄰域點(diǎn)N（pi）。

2）散亂點(diǎn)云法向量估計(jì)。對(duì)三維點(diǎn)云數(shù)據(jù)模型中的每個(gè)數(shù)據(jù)點(diǎn)pi在k鄰域的基礎(chǔ)上通過(guò)

主成分分析（Principal Component Analysis， PCA）方法來(lái)獲得數(shù)據(jù)點(diǎn)pi的法矢，并進(jìn)行法向一致性調(diào)整，使得所有的法向量都朝向模型的外側(cè)。

3）對(duì)于每個(gè)鄰域點(diǎn)求出光順濾波權(quán)函數(shù)的參數(shù)x=pi-pj，為點(diǎn)pi到鄰域點(diǎn)pj的距離；計(jì)算特征保持權(quán)函數(shù)的參數(shù)y=ni-nj，為點(diǎn)pi的法矢與鄰域點(diǎn)pj的法矢兩者的內(nèi)積。

4）按照式（5）和（6）計(jì)算出光順濾波權(quán)函數(shù)Wc（x）和特征保持權(quán)函數(shù)Ws（y）。

5）將Wc（x）和Ws（y）代入式（4），求出改進(jìn)雙邊濾波因子α′的值。

6）數(shù)據(jù)點(diǎn)pi幾何位置調(diào)整。計(jì)算經(jīng)過(guò)濾波后的新數(shù)據(jù)點(diǎn)p′i的位置，將采樣點(diǎn)pi移動(dòng)到新的幾何位置，重建出該點(diǎn)的幾何信息。

7）當(dāng)所有的數(shù)據(jù)點(diǎn)都經(jīng)過(guò)更新后，輸出去噪和光順后的光滑三維點(diǎn)云數(shù)據(jù)模型，算法結(jié)束。

4實(shí)驗(yàn)結(jié)果及分析

為驗(yàn)證本文算法的有效性，選用兔子和馬三維點(diǎn)云數(shù)據(jù)模型進(jìn)行了實(shí)驗(yàn)。

表1為統(tǒng)計(jì)濾波結(jié)合半徑濾波使用的參數(shù)；表2為本文雙邊濾波點(diǎn)云光順使用的參數(shù)；表3為兩個(gè)算例在實(shí)驗(yàn)中使用的效果最佳的參數(shù)；表4為單獨(dú)雙邊濾波、Fleishman雙邊濾波和本文算法客觀性能對(duì)比。

兔子和馬三維點(diǎn)云數(shù)據(jù)模型去除大尺度噪聲、小尺度噪聲雙邊濾波光順以及不同去噪方法的三維點(diǎn)云數(shù)據(jù)模型曲面重構(gòu)效果圖。

馬點(diǎn)云數(shù)據(jù)模型去除大尺度噪聲效果圖、馬點(diǎn)云數(shù)據(jù)模型的小尺度噪聲雙邊濾波光順效果圖、不同去噪方法馬點(diǎn)云數(shù)據(jù)模型曲面重構(gòu)圖。

從圖2（b）和圖5（b）可以看出，基于統(tǒng)計(jì)濾波結(jié)合半徑濾波的算法能夠有效剔除大尺度噪聲，由圖3（a）和圖6（a）可以看出三維點(diǎn)云數(shù)據(jù)模型的噪聲已經(jīng)去除，特征也得以保持，能更真實(shí)地表達(dá)原始采樣模型。將圖2（b）、（c）或圖5（b）、（c）進(jìn)行對(duì)比發(fā)現(xiàn)：在去除大尺度噪聲時(shí)，如果球形搜索半徑r和標(biāo)準(zhǔn)差倍數(shù)閾值std取得過(guò)大，則會(huì)將噪聲點(diǎn)虛報(bào)為尖銳特征點(diǎn)，達(dá)不到去除大尺度噪聲的目的。將圖2（b）、（d）或圖5（b）、（c）進(jìn)行對(duì)比發(fā)現(xiàn)：在去除大尺度噪聲時(shí)，如果球形搜索半徑r和標(biāo)準(zhǔn)差倍數(shù)閾值std取得過(guò)小，則細(xì)微特征可能被忽略，導(dǎo)致點(diǎn)云模型曲面尖銳特征點(diǎn)被當(dāng)作噪聲，從而進(jìn)行去除。將圖3（a）、（b）或圖6（a）、（b）進(jìn)行對(duì)比發(fā)現(xiàn)：在雙邊濾波光順時(shí)，增大σs，則特征保持性好，但平坦區(qū)域的光順

性差。將圖3（a）、（c）和圖6（a）、（c）進(jìn)行對(duì)比發(fā)現(xiàn)：在雙邊濾波光順時(shí)，增大σc，則光順性好，但細(xì)節(jié)特征損失嚴(yán)重。

通過(guò)多次實(shí)驗(yàn)，本文算法使用的最佳自由參數(shù)如表3所示，是去除大尺度噪聲最佳參數(shù)與雙邊濾波最佳參數(shù)的組合。

圖4（b）和圖7（b）為只采用雙邊濾波去噪后的兔子和馬的三維點(diǎn)云數(shù)據(jù)模型重建效果圖，整體平滑效果有了一定程度上的提高，模型特征得到了很好的保持，但處理不好噪聲污染比較嚴(yán)重及部分大范圍噪聲點(diǎn)的位置，導(dǎo)致大范圍的波紋噪聲依然比較明顯。圖4（c）和圖7（c）為使用Fleishman方法雙邊濾波后的兔子和馬三維點(diǎn)云數(shù)據(jù)模型曲面重建效果圖，可以較好地保持模型的幾何特征，但在背部等相對(duì)平坦區(qū)域的波紋噪聲依然明顯，致使模型存在明顯的噪聲殘余，沒有達(dá)到光順的目的。圖4（d）和圖7（d）是本文算法的結(jié)果，從中可以看出噪聲已經(jīng)去除干凈，模型表面得到了較好的光順，有效地保持了復(fù)雜幾何特征，而且對(duì)模型特征有一定的增強(qiáng)。與圖4（b）和圖7（b）進(jìn)行對(duì)比，在模型同時(shí)包含大、小尺度噪聲時(shí)，本文方法能夠更好地處理大范圍噪聲，具有良好的適應(yīng)性；與圖4（c）和圖7（c）相比，本文算法可以很好地去除特征較少區(qū)域的波紋噪聲，去噪比較徹底，光順誤差比較小，表面積和體積變化不大，能夠較好地保持幾何特征，光順后的曲面形狀比較均勻，避免了在尖銳特征處過(guò)度光順和細(xì)節(jié)失真等問(wèn)題。

為了對(duì)本文提出的算法作出更加客觀的評(píng)價(jià)，除了對(duì)不同點(diǎn)云去噪方法得到的效果作視覺效果對(duì)比之外，還采用了三維點(diǎn)云數(shù)據(jù)模型光順最大頂點(diǎn)誤差Emax、三維點(diǎn)云數(shù)據(jù)模型光順平均誤差Eave、三維點(diǎn)云數(shù)據(jù)模型的表面積S、三維點(diǎn)云數(shù)據(jù)模型的體積V、三維點(diǎn)云數(shù)據(jù)模型光順時(shí)間t這五種客觀評(píng)價(jià)指標(biāo)對(duì)去噪效果進(jìn)行定量分析，結(jié)果如表4所示。

光順最大頂點(diǎn)誤差Emax用于衡量三維點(diǎn)云數(shù)據(jù)移動(dòng)的大小，Emax越小，說(shuō)明三維點(diǎn)云數(shù)據(jù)質(zhì)量越好，而從表4中可以看出本文算法的Emax最小。

光順平均誤差Eave反映了三維點(diǎn)云數(shù)據(jù)模型整體的噪聲情況，光順誤差越小，則三維點(diǎn)云數(shù)據(jù)模型整體去噪效果越佳，魯棒性就越強(qiáng)。從表4中可以看出，

對(duì)于兔子點(diǎn)云數(shù)據(jù)模型，與單獨(dú)雙邊濾波、Fleishman雙邊濾波相比，本文算法在Eave上分別降低了50.53%、21.67%；對(duì)于馬點(diǎn)云數(shù)據(jù)模型，與單獨(dú)雙邊濾波、Fleishman雙邊濾波相比，本文算法在Eave上分別降低了48.15%、15.15%

與單獨(dú)雙邊濾波和Fleishman雙邊濾波相比，本文算法的Eave均有所降低。

三維點(diǎn)云數(shù)據(jù)模型的表面積S是三維點(diǎn)云數(shù)據(jù)模型中所有三角形面積的和，三維點(diǎn)云數(shù)據(jù)模型的體積V采用文獻(xiàn)[16]中的公式計(jì)算，S和V反映了三維點(diǎn)云數(shù)據(jù)模型的收縮情況，S和V變化越小，說(shuō)明三維點(diǎn)云數(shù)據(jù)模型整體形狀保持越均勻，保特征性越強(qiáng)。從表4中可以看出，與單獨(dú)雙邊濾波和Fleishman雙邊濾波相比，本文算法的體積V均有所減小。

對(duì)于兔子點(diǎn)云數(shù)據(jù)模型中，與單獨(dú)雙邊濾波、Fleishman雙邊濾波相比，本文算法在體積V上分別減少了22.68%、12.31%；對(duì)于馬點(diǎn)云數(shù)據(jù)模型，與單獨(dú)雙邊濾波、Fleishman雙邊濾波相比，本文算法體積V上分別減少了463%、4.42%。

不過(guò)本文算法由于參數(shù)設(shè)置過(guò)多，運(yùn)行時(shí)間比單獨(dú)采用雙邊濾波算法和Fleishman雙邊濾波去噪要長(zhǎng)，但算法效率基本可以滿足普通應(yīng)用的需求。

綜合來(lái)看，本文算法得到的去噪效果無(wú)論是在主觀視覺效果還是在客觀指標(biāo)上，均優(yōu)于單獨(dú)雙邊濾波和Fleishman雙邊濾波。

5結(jié)語(yǔ)

本文提出了一種組合濾波算法，集成了統(tǒng)計(jì)濾波、半徑濾波和雙邊濾波的優(yōu)點(diǎn)，在進(jìn)行點(diǎn)云去噪光順時(shí)，簡(jiǎn)單有效，運(yùn)行速度快，具有較強(qiáng)的魯棒性和保特征性，可以防止過(guò)度光順和細(xì)節(jié)失真等問(wèn)題。從實(shí)驗(yàn)結(jié)果可以看出：一方面，本文算法適應(yīng)性比較好，可以處理同時(shí)具有大尺度和小尺度噪聲的大規(guī)模散亂數(shù)據(jù)點(diǎn)集；另一方面，本文算法在去除噪聲的同時(shí)，也較好地保持了模型的尖銳特征，防止模型的萎縮變形。與單獨(dú)采用雙邊濾波算法和Fleishman方法雙邊濾波去噪算法比較，本文方法能夠處理具有較大范圍噪聲的大規(guī)模散亂點(diǎn)云數(shù)據(jù)，去噪比較徹底，光順誤差比較小。接下來(lái)研究本文算法中存在自由參數(shù)的人工調(diào)節(jié)問(wèn)題，如何結(jié)合點(diǎn)云的統(tǒng)計(jì)特性和噪聲的統(tǒng)計(jì)特性來(lái)自適應(yīng)地選擇自由參數(shù)并對(duì)參數(shù)進(jìn)行優(yōu)化；另外，研究非稠密點(diǎn)云的平滑去噪，提高算法的運(yùn)行效率，也是下一步工作的重點(diǎn)之一。

參考文獻(xiàn)：

[1]

LIVNY Y， YAN F， OLSON M， et al. Automatic reconstruction of tree skeletal structures from point clouds [J]. ACM Transactions on Graphics： Proceedings of ACM SIGGRAPH Asia 2010， 2010， 29（6）： Article No. 151.

[2]

ZOU B， ZHOU H， XIN G， et al. PCNNbased point set surface denoising [J]. Acta Electronica Sinica， 2013， 40（11）： 2221-2225. （鄒北驥，周浩宇，辛國(guó)江，等.基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的點(diǎn)云曲面去噪[J].電子學(xué)報(bào)，2013，40（11）：2221-2225.）

[3]

WANG X， LI Z， MAI Y， et al. Robust denoising of unorganized point clouds [C]// ICISS 2013： Proceedings of the 2011 International Conference on Intelligent Computing and Integrated Systems. Piscataway： IEEE， 2013： 1-3.

[4]

ROSMAN G， DUBROVINA A， KIMMEL R. Patchcollaborative spectral surface denoising [J]. Computer Graphics Forum， 2013， 32（8）：1-12.

[5]

XU S， YANG Z， WU W. Algorithm of 3D reconstruction based on point cloud segmentation denoising [C]// ICISE 2010： Proceedings of the 2010 2nd International Conference on Information Science and Engineering. Piscataway： IEEE， 2010： 3510-3513.

[6]

YANG Z， XIAO D. A systemic pointcloud denoising and smoothing method for 3D shape reuse [C]// ICARCV 2012： Proceedings of the 2012 12th International Conference on Control Automation Robotics & Vision. Piscataway： IEEE， 2012： 1722-1727.

[7]

SU Z， LI Z， WANG X. Denoising of pointsampled model based on normal mollification and median filtering [J]. Journal of ComputerAided Design & Computer Graphics， 2010， 22（11）： 1892-1898. （蘇志勛，栗志揚(yáng)，王小超.基于法向修正及中值濾波的點(diǎn)云平滑[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2010，22（11）：1892-1898.）

[8]

NIE J， HU Y， MA Z. Outlier detection of scattered point cloud by classification [J]. Journal of ComputerAided Design & Computer Graphics， 2011， 23（9）： 1526-1532. （聶建輝，胡英，馬孜.散亂點(diǎn)云離群點(diǎn)的分類識(shí)別算法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2011，23（9）：1526-1532.）

[9]

GE B，XIANG C，TIAN Q， et al. Denoising approach of high density point clouds based on mixed classification of curvature features [J].Nanotechnology and Precision Engineering， 2012， 10（1）： 64-67. （葛寶臻，項(xiàng)晨，田慶國(guó)，等.基于曲率特征混合分類的高密度點(diǎn)云去噪方法[J].納米技術(shù)與精密工程，2012，10（1）：64-67.）

[10]

CAO S， YUE J， MA W. Bilateral filtering denoise algorithm for point cloud based on feature selection [J]. Journal of Southeast University： Natural Science Edition， 2013， 43（S2）： 351-354. （曹爽，岳建平，馬文.基于特征選擇的雙邊濾波點(diǎn)云去噪算法[J].東南大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，43（S2）：351-354.）

[11]

JUN S. Twostage pointsampled model denoising by robust ellipsoid criterion and mean shift [C]// Proceedings of the 2013 Third International Conference on Intelligent System Design and Engineering Applications. Washington， DC： IEEE Computer Society， 2013： 1581-1584.

[12]

LI J， ZHANG C， FAN H. Point cloud denoising algorithm based on swarm intelligent [J]. Computer Integrated Manufacturing Systems， 2011， 17（5）： 935-945. （李晉江，張彩明，范輝.群體智能點(diǎn)云光順去噪算法[J].計(jì)算機(jī)集成制造系統(tǒng)，2011，17（5）：935-945.）

[13]

FLEISHMAN S， DRORI I， COHENOR D. Bilateral mesh denoising [J]. ACM Transactions on Graphics： Proceedings of ACM SIGGRAPH 2003， 2003， 22（3）： 950-953.

[14]

GRIMM C， SMART W D. Shape classification and normal estimation for nonuniformly sampled， noisy point data [J]. Computers & Graphics， 2011， 35（4）： 904-915.

[15]

LI B， SCHNABEL R， KLEIN R， et al. Robust normal estimation for point clouds with sharp features [J]. Computers & Graphics， 2010， 34（2）： 94-106.

篇10

整合式創(chuàng)新

劉保華：每個(gè)人對(duì)云計(jì)算都有自己的理解。有一種觀點(diǎn)認(rèn)為，云計(jì)算本身沒有技術(shù)上的創(chuàng)新，因?yàn)樵朴?jì)算中用到的許多技術(shù)，像集群、網(wǎng)格、虛擬化等很早以前就出現(xiàn)了。您對(duì)此有何看法？

周松年：我覺得這種對(duì)云計(jì)算的認(rèn)識(shí)是只見樹木不見森林。云計(jì)算本身就是一項(xiàng)偉大的發(fā)明，但是這項(xiàng)發(fā)明并不是零部件產(chǎn)品的發(fā)明，也不是原始技術(shù)的發(fā)明，而是一種應(yīng)用模式和集成模式的發(fā)明。技術(shù)發(fā)展到一定階段，最重要的創(chuàng)新不是零部件產(chǎn)品的創(chuàng)新，而是集成模式的創(chuàng)新，就是將A、B、C合在一起，那么生產(chǎn)出來(lái)的就是全新的ABC，而不是A或B或C了。

很明顯，云計(jì)算的應(yīng)用模式與原來(lái)的IT使用方式是不一樣的。云計(jì)算是把已有的零部件集成在一起，用一種新的方式提供給用戶。Platform Computing從事集群和網(wǎng)格技術(shù)的開發(fā)和應(yīng)用已經(jīng)有很多年。網(wǎng)格也是為用戶提供一種服務(wù)，用戶使用多少資源就支付多少費(fèi)用。從這一點(diǎn)上看，網(wǎng)格與云計(jì)算是一脈相承的。

從本質(zhì)上講，云計(jì)算是一個(gè)新事物。但是，任何新產(chǎn)品、新應(yīng)用都不是全新的，而是在原來(lái)的技術(shù)和應(yīng)用的基礎(chǔ)上發(fā)展而來(lái)的，再融合一些新技術(shù)，然后進(jìn)行集成式的創(chuàng)新。

所有現(xiàn)有的應(yīng)用都可以運(yùn)行在云計(jì)算架構(gòu)之上，而不需要進(jìn)行改變。此外，用戶還可以在云計(jì)算架構(gòu)之上發(fā)明新的應(yīng)用，比如Hadoop就是一個(gè)全新的應(yīng)用。對(duì)于云計(jì)算架構(gòu)來(lái)說(shuō)，在硬件資源層和應(yīng)用層之間需要一個(gè)中間件。Platform Computing做中間件已經(jīng)有18年的歷史。云中間件現(xiàn)在是Platform Computing的主打產(chǎn)品。

劉保華：超級(jí)計(jì)算機(jī)與云計(jì)算之間是什么樣的關(guān)系？

周松年：超級(jí)計(jì)算機(jī)與云計(jì)算之間最基本的聯(lián)系就是應(yīng)用。云計(jì)算的本質(zhì)是提供不同的應(yīng)用服務(wù)，比如基于高性能計(jì)算架構(gòu)的云就是高性能云。

云計(jì)算的本質(zhì)特征有兩個(gè)：第一，在資源層和應(yīng)用層之間有一個(gè)管理系統(tǒng)，負(fù)責(zé)資源的調(diào)度和管理；第二，從運(yùn)作模式上看，供與求是分開的。對(duì)于云計(jì)算的認(rèn)知，人們往往會(huì)陷入這樣的誤區(qū)：一個(gè)是看什么都是云，另一個(gè)是看什么都不是云。計(jì)算機(jī)技術(shù)已經(jīng)發(fā)展了五六十年，分布式計(jì)算早在上個(gè)世紀(jì)80年代就已經(jīng)興起。如果從純粹的技術(shù)創(chuàng)新角度看，云計(jì)算似乎沒有什么創(chuàng)新。但是從應(yīng)用創(chuàng)新、商業(yè)模式創(chuàng)新的角度看，云計(jì)算給市場(chǎng)、客戶帶來(lái)的改變是巨大的。我們應(yīng)該從應(yīng)用和業(yè)務(wù)的角度來(lái)認(rèn)識(shí)云的價(jià)值。

劉保華：有專家說(shuō)，現(xiàn)在沒有一款服務(wù)器是針對(duì)云計(jì)算架構(gòu)設(shè)計(jì)的。您如何看待這一說(shuō)法？

周松年：服務(wù)器本來(lái)就不應(yīng)該專為云計(jì)算而設(shè)計(jì)。適用于云計(jì)算的服務(wù)器本身應(yīng)該是標(biāo)準(zhǔn)化的、通用的和商品化的。用戶可以方便地從市場(chǎng)上采購(gòu)到這樣的服務(wù)器，并把它們按需求組裝在一起就構(gòu)成了一個(gè)云計(jì)算平臺(tái)。我至今還沒有聽到哪個(gè)客戶說(shuō)過(guò)，在構(gòu)建云計(jì)算平臺(tái)的過(guò)程中，通用的服務(wù)器不可用，非要采用專為云而設(shè)計(jì)的服務(wù)器的。如果用戶真有采用專用服務(wù)器的想法，那就錯(cuò)了。專用服務(wù)器的價(jià)格會(huì)很高，這不符合云計(jì)算對(duì)節(jié)約成本的要求。在這里要再次強(qiáng)調(diào)一下，云計(jì)算不是零部件或某個(gè)設(shè)備（比如服務(wù)器）的創(chuàng)新，而是集成式的創(chuàng)新。這其實(shí)和蘋果公司的產(chǎn)品創(chuàng)新很像。

通用的硬件設(shè)備的可靠性相對(duì)較差，但是通過(guò)Platform Computing的管理軟件將這些設(shè)備管理起來(lái)，即使有某個(gè)設(shè)備宕機(jī)，也不會(huì)影響系統(tǒng)整體的運(yùn)行效果。舉例來(lái)說(shuō)，上海超算中心采用了Platform Computing的云中間件產(chǎn)品，使得其系統(tǒng)能夠安全穩(wěn)定地運(yùn)行。

讓不可靠的硬件成為最可靠的平臺(tái)，這是如何實(shí)現(xiàn)的？這主要依靠管理和軟件。State Street Bank是Platform Computing的一個(gè)客戶。它為企業(yè)提供資產(chǎn)信息保存和資產(chǎn)信息分析服務(wù)。這種服務(wù)與Google for Analysis類似。State Street Bank可以自動(dòng)替客戶收集相關(guān)信息，并存放在一個(gè)大的數(shù)據(jù)庫(kù)或文件庫(kù)中，客戶可以隨時(shí)查看、調(diào)用這些信息。State Street Bank對(duì)IT系統(tǒng)的要求是，反應(yīng)時(shí)間為兩秒鐘，并且系統(tǒng)要具有100%的可靠性，確保用戶隨時(shí)都可以訪問(wèn)海量信息。Platform Computing的云中間件和云管理平臺(tái)滿足了State Street Bank對(duì)IT系統(tǒng)的要求。

隨著云計(jì)算技術(shù)和應(yīng)用的普及，兩個(gè)傳統(tǒng)的IT概念可能要消失了：一個(gè)是高可用性（HA），另一個(gè)是容災(zāi)。舉例來(lái)說(shuō)，云計(jì)算系統(tǒng)是分布式的，當(dāng)系統(tǒng)中的某臺(tái)機(jī)器宕機(jī)，其上的應(yīng)用會(huì)迅速自動(dòng)轉(zhuǎn)移到另外一臺(tái)機(jī)器上。從這個(gè)角度說(shuō)，傳統(tǒng)的高可用性的概念就不復(fù)存在了。

貫穿底層架構(gòu)與上層應(yīng)用

劉保華：您覺得云計(jì)算有哪些主要的技術(shù)特征？

周松年：云計(jì)算最重要的是結(jié)構(gòu)和設(shè)計(jì)。就像一幢樓的基礎(chǔ)結(jié)構(gòu)決定了樓的高度、樓的功能一樣，云計(jì)算的系統(tǒng)結(jié)構(gòu)決定了它的特征。從主機(jī)系統(tǒng)到網(wǎng)絡(luò)系統(tǒng)再到今天的云系統(tǒng)結(jié)構(gòu)，IT系統(tǒng)結(jié)構(gòu)經(jīng)歷了一個(gè)螺旋式上升的發(fā)展過(guò)程。

云系統(tǒng)結(jié)構(gòu)就是把標(biāo)準(zhǔn)化的零部件全部集中在一起，形成一個(gè)大機(jī)，稱為云機(jī)。云機(jī)就像是一臺(tái)主機(jī)，可以承載各種不同的應(yīng)用，并且讓用戶分享。這臺(tái)主機(jī)既可以供一個(gè)企業(yè)內(nèi)部的不同部門使用，也可以作為一個(gè)公用設(shè)施，讓企業(yè)外部的更多用戶使用，還可以將內(nèi)部使用和外部使用這兩種模式結(jié)合一起。這就是人們常說(shuō)的私有云、公共云、混合云的概念。

基于上述技術(shù)特征，云計(jì)算系統(tǒng)可以提供無(wú)盡的容量、各種資源以及服務(wù)。因此，云計(jì)算一定是基于異構(gòu)平臺(tái)的。云就是一臺(tái)活著的計(jì)算機(jī)，而且永遠(yuǎn)不死，永遠(yuǎn)都在變化，就像人的皮膚細(xì)胞，每天都在進(jìn)行新陳代謝。異構(gòu)是云計(jì)算的一個(gè)基本特征。

由于云計(jì)算系統(tǒng)結(jié)構(gòu)的需要，一個(gè)新的軟件層出現(xiàn)了，即云中間件。原來(lái)，每臺(tái)計(jì)算機(jī)都是各自為政，包括硬件、操作系統(tǒng)、應(yīng)用，有的可能還有中間件。但是現(xiàn)在不同了，在云計(jì)算環(huán)境中，服務(wù)器不再是一立的設(shè)備，而是一個(gè)零部件。在零部件層與應(yīng)用層之間需要一個(gè)云中間件來(lái)管理和調(diào)配這些零部件資源。

在云計(jì)算環(huán)境中，操作系統(tǒng)的作用也改變了。用戶不必直接與Windows、Linux這樣的傳統(tǒng)操作系統(tǒng)打交道。云管理軟件會(huì)根據(jù)用戶的需求，將工作負(fù)載自動(dòng)分配到適合的機(jī)器上，在得到最終的計(jì)算結(jié)果后再反饋給用戶。云管理軟件這一層其實(shí)可以分成兩個(gè)部分，向下與基礎(chǔ)架構(gòu)打交道的是云管理平臺(tái)，向上與應(yīng)用對(duì)接的是云中間件。云管理平臺(tái)可與多個(gè)不同的云中間件連接。不同的云中間件可以支持不同的云應(yīng)用。

劉保華：業(yè)界有這樣一種看法，云計(jì)算要經(jīng)歷從私有云到公共云再到混合云的發(fā)展過(guò)程。云計(jì)算的大規(guī)模應(yīng)用還需要時(shí)間，但是現(xiàn)在確實(shí)有一部分應(yīng)用已經(jīng)逐漸轉(zhuǎn)移到公共云上。您對(duì)此有何看法？

周松年：最開始的很多云應(yīng)用都是公共云。從全球范圍來(lái)看，公共云一直處在不斷發(fā)展之中。State Street Bank提供的也是公共云服務(wù)。當(dāng)公共云發(fā)展到一定程度，很多企業(yè)可能會(huì)想，不能總?cè)ワ埖辏ê帽裙苍疲┏燥?，還是擁有自己的廚房（好比私有云）比較好。這樣一來(lái)，企業(yè)就會(huì)慢慢轉(zhuǎn)到私有云上。究竟采用哪種云計(jì)算模式，還要看應(yīng)用的需求，有的應(yīng)用只適合放在公共云上，有的應(yīng)用則適合放在私有云上，還有的應(yīng)用最好放在混合云上。

劉保華：雖然云計(jì)算的應(yīng)用模式有很多種，但是對(duì)于用戶來(lái)說(shuō)，它們并不關(guān)心應(yīng)用具體運(yùn)行在公共云還是私有云上。因此，實(shí)現(xiàn)不同云之間的無(wú)縫連接和交互是非常重要的。Platform Computing的云中間件和云管理平臺(tái)，可以實(shí)現(xiàn)跨云的交付嗎？

周松年：Platform Computing的產(chǎn)品可以實(shí)現(xiàn)跨云的交付。目前，有幾個(gè)用戶正在使用Platform Computing的云中間件和云管理平臺(tái)實(shí)現(xiàn)跨云的交付。當(dāng)前，云計(jì)算還處于應(yīng)用的初級(jí)階段，采用這種跨云交付的用戶還比較少，但是從技術(shù)的角度上看，實(shí)現(xiàn)跨云的交付并沒有障礙，只要提供一個(gè)通用的接口即可。

應(yīng)用不同，所需的中間件也不相同。Platform Computing的云中間件是處于系統(tǒng)底層的，并與應(yīng)用流程相關(guān)。這個(gè)流程是通用的，可以是財(cái)務(wù)流程，也可以是工業(yè)制造管理流程。Platform Computing的云中間件是通用的，可以支持任何應(yīng)用，而不會(huì)與某個(gè)具體的應(yīng)用綁定。將應(yīng)用涉及到的一些通用功能都放在中間件中，實(shí)現(xiàn)服務(wù)平臺(tái)化，減輕應(yīng)用開發(fā)者的工作量是Platform Computing要做的事。

在云計(jì)算方面，Platform Computing主要提供的是系統(tǒng)平臺(tái)和運(yùn)作平臺(tái)，這兩個(gè)平臺(tái)是相輔相成的。Platform Computing的云中間件和云管理平臺(tái)都是通用的，不涉及具體的行業(yè)知識(shí)，主要是在系統(tǒng)的底層實(shí)現(xiàn)資源的調(diào)度。

有所為有所不為

劉保華：Platform Computing進(jìn)入中國(guó)已經(jīng)有很多年了，并且在中國(guó)擁有龐大的研發(fā)團(tuán)隊(duì)和技術(shù)支持團(tuán)隊(duì)。Platform Computing在中國(guó)市場(chǎng)上是如何給自己定位的？

周松年：在中國(guó)市場(chǎng)上，Platform Computing一定要實(shí)現(xiàn)轉(zhuǎn)型。第一，積極投身于中國(guó)市場(chǎng)，這并不代表Platform Computing一定要在中國(guó)銷售出更多的軟件許可證，而是要融入中國(guó)的云計(jì)算生態(tài)環(huán)境，成為大家的好伙伴，讓其他公司都愿意與Platform Computing合作；第二，集中精力實(shí)現(xiàn)云落地，選擇一些行業(yè)作為突破口，比如高性能計(jì)算、電信等，并占有一定的市場(chǎng)份額；第三，將公司總部的規(guī)范和經(jīng)驗(yàn)都應(yīng)用到中國(guó)市場(chǎng)上，樹立更多的樣板客戶，與合作伙伴共同推動(dòng)中國(guó)云計(jì)算市場(chǎng)的發(fā)展；第四，不斷提升中國(guó)團(tuán)隊(duì)的管理和執(zhí)行能力。

劉保華：Platform Computing要融入中國(guó)的云計(jì)算市場(chǎng)，將采取哪些策略？

周松年：Platform Computing將采取以我為主的策略，尋找更適合自己的合作伙伴。合作伙伴的規(guī)模不一定很大，但一定要在業(yè)務(wù)上與Platform Computing有契合點(diǎn)，雙方能保持十分緊密的合作關(guān)系。具體來(lái)說(shuō)，我們會(huì)采用“燈塔戰(zhàn)略”，就是先做有影響力的大客戶，然后以此為樣板，輻射相關(guān)行業(yè)。盡管有困難，Platform Computing還是要堅(jiān)持自己作業(yè)務(wù)的龍頭，然后再去拓展合作伙伴關(guān)系。

記者手記

二次創(chuàng)業(yè)

Platform Computing的創(chuàng)始人周松年是地地道道的北京人。雖然在加拿大生活了30多年，他仍然操著一口流利的北京腔。

在北美市場(chǎng)，創(chuàng)立于1992年的Platform Computing雖然在計(jì)算機(jī)集群、網(wǎng)格計(jì)算甚至云計(jì)算方面都享有盛譽(yù)，但在中國(guó)市場(chǎng)上，Platform Computing還不為大眾所知。近兩年，周松年回中國(guó)的次數(shù)更多了。他對(duì)中國(guó)市場(chǎng)，尤其是中國(guó)的云計(jì)算市場(chǎng)充滿期待。