基于复杂事件处理的RFID电子门票管理系统分析与设计
这是一篇关于RFID,复杂事件处理,SASE事件语言,J2EE,软构件技术的论文, 主要内容为随着各种信息技术的迅猛发展,传统的纸制门票已远不能满足信息化的时代要求。虽然目前已经有采用条形码技术将门票号码通过条码扫描器送入后台服务器,从而获取有关信息的做法,但是由于条形码只能存放少量数据,操作不方便且漏读率较高,这种做法给组委会和工作人员带来了许多额外负担,而且也无法做到有效的防伪。因此,大型活动的门票管理迫切需要新技术的支持。 本论文提出了一个基于复杂事件处理的RFID ( Radio Frequency Identification)电子门票管理系统,并对该系统的体系架构进行了分析。RFID是一种利用射频技术实现的非接触式自动识别技术。将RFID芯片封装成电子标签并粘贴到物品上,便可以实现对人和物的跟踪和信息管理。 在本系统中使用复杂事件处理技术来处理由RFID阅读器读进系统的大量信息,特别是采用了SASE复杂事件语言进行复杂事件的处理工作,通过这种语言可以实现事件的过滤、相关性、和转换等处理。复杂事件处理技术和SASE复杂事件语言相结合可以极大提高信息的处理效率和质量。 RFID数据集中器是此门票系统的核心,论文首先具体阐述了支持它的两个关键技术:RFID技术和复杂事件处理技术,并详细讲解了组成RFID数据集中器的三个组成部分:RFID中间件、事件处理模块和数据缓冲模块。 第三章详细描述在复杂事件处理中使用的复杂事件语言SASE的特点、结构、语义、以及它的实现过程,并说明了这种语言在基于RFID的门票系统中的具体应用。 论文在第四章主要介绍了后台管理系统的实现技术——J2EE技术和软构件技术。首先阐述了J2EE的一些相关技术,如:EJB、JSP、Java Servlet等,以及J2EE架构的特点。然后介绍了软构件技术CBSD(Component-Based Software Development)和基于构件的软件开发的主要行为和开发流程。 第五章详细介绍了本文所提出的基于复杂事件处理的RFID电子门票管理系统的具体设计方案。此系统主要包括五个功能模块:系统管理平台、参观者信息登录子系统、电子门票售票子系统、电子门票验票子系统、展台数据收集子系统。
面向离散制造的质量成本控制系统研究和实现
这是一篇关于质量成本,回归分析法,复杂事件处理,J2EE的论文, 主要内容为现今,在制造业高速发展的社会背景下,离散制造企业以革新生产线、改良产品设计及制造工艺等方式,达到提高自身生产效率、产品质量等目的,进而满足消费者日益增长的产品数量及质量方面的需求。但企业在保证产品质量的同时又要兼顾其自身的经济效益发展,如果只是为了保证产品质量,投入过多不必要的成本开销,则会使企业利润下降,从而在一定程度上削弱企业本身的核心竞争力。所以质量成本的控制是企业生产过程中的一个重要环节,而传统制造企业在质量成本的控制方面往往重视程度不足,所采用的控制方法通常是完全的人工统计,统计过程零散不连续,同时还会出现数据遗漏等情况,所统计的数据也仅作记录存库,并未充分利用现有质量成本数据,急需改善企业当前的质量成本管控水平。针对以上问题,本文以某电子器件企业CK-2电磁转换开关,KNM-2W2D型密封钮子开关,JUC-121F热保护器的生产线为例,在理论研究上提出一种用于控制该企业质量成本的方法。该方法首先将企业零散的成本数据系统整理归类,运用回归分析法建立企业当前生产质量成本预测模型,根据该模型分析企业当前质量成本水平,并由该模型预测符合该生产过程的最佳质量成本值,以最佳质量成本为依据,结合复杂事件处理技术,提出该类数据的监测框架,制定相应监测规则,实时监测录入的成本数据,从而控制生产中投入的质量成本,达到在保证质量水平前提下提高企业经济效益的目的,并以相关实验验证其有效性。最终,基于以上研究,结合离散制造中质量成本管控的业务流程,借助J2EE开发框架和相关web前端技术,设计和实现一套符合该企业产品质量成本管控的控制系统。
基于复杂事件处理的目标级数据融合算法设计与应用
这是一篇关于物联网,数据融合,复杂事件处理,随机数学的论文, 主要内容为随着物联网的快速发展,物联网技术已经被广泛应用于多传感器系统。在物联网监控系统中,多种不同监测手段可以多方位多角度的探测出视野内不明目标的特征,从而得到关于目标更多更准确的信息。然而,传感器数据本身具有误差,且不同传感器之间存在精度和准度的差异,对不同传感器采集的原始数据进行目标级数据融合,是数据融合领域中的重要科学问题。数据融合是一种将现实世界中关于同一个物体的多种不同类型与格式的信息与知识归纳整理成为一致的、准确的、有意义的信息的过程。大多数现有的数据融合方法采用了复杂度较高的智能分析和数据处理方法。本文针对上述问题,提出了一种结合随机数学模型与复杂事件处理的数据融合方法,并给出了该方法效果的数学量化分析。通过应用复杂事件处理引擎,提高了数据传输和处理的效率,有效地减少了计算时间和资源占用。本文以智能家居安防监控系统为例,结合随机数学模型与复杂事件处理技术设计了 一种针对两种传感器的目标识别算法,并通过应用复杂事件处理技术对实时数据进行分析和处理。家居安防系统是一个基于多传感器的系统,主要功能是针对居住范围内的目标进行探测以及对室内安全条件的监控。本文对家居安防系统的需求分析、系统设计、系统实现与测试几个部分进行介绍,主要实现了其中的目标识别算法模块、复杂事件处理以及界面显示模块。系统各个模块均使用Java语言进行开发,复杂事件处理应用了开源的复杂事件处理引擎Esper 与事件处理语言 EPL(Event Processing Language),界面显示模块基于Java EE平台,利用SSH框架处理页面请求和数据管理,利用HTML5+CSS3+JavaScript等技术对数据进行可视化展示。最后,本文对系统进行功能和性能测试,验证了系统的功能与性能均满足用户需求。
基于位置的多规则推荐系统设计与实现
这是一篇关于复杂事件处理,个性化推荐,资源过载,协同过滤,Esper的论文, 主要内容为随着计算机科学的飞速发展,全球互联网时代已经到来,日益发展的互联网应用正在渐渐改变人们传统的生活方式。大数据时代的到来,带来了数据信息的爆炸,人们每天可以从网络上接收大量的信息,推荐系统随着信息过载应运而生。随着互联网商务的蓬勃发展,个性化推荐系统成为人们研究的热点。本文针对高校学生课外资源过载、缺少实时个性化推荐等问题,对推荐系统的准确性和实时性进行了探索与研究。将高校管理与资源推荐相结合,设计大数据背景下的校园学辅资源推荐系统。利用复杂事件处理技术,将学生实时地理位置信息、签到信息、图书馆借阅信息、宿舍信息等四种多维、异构数据源结合,使用EPL语言实现相应的规则关联,将简单事件通过Esper引擎形成复杂事件,对高校学生资源推荐系统作实证分析,实现从学生基本信息数据流处理、复杂事件规则验证到相关资源推荐的整个推送过程。实验结果表明,将该系统与基于位置信息的协同过滤算法的推荐系统性能作比较,提升了推荐的实时性和准确性,验证了本推荐系统具有良好的推荐效果。文章主要论述了:(1)阐述了该校园课外资源推荐系统的产生背景及设计原理。将学生的实时地理位置信息、平时签到信息、个人基本信息、图书馆借阅信息结合在一起,形成复杂事件流,输入到Esper引擎中,经过EPL规则匹配形成推荐结果。(2)介绍本文推荐系统中的关键技术,如复杂事件处理技术、Esper引擎、EPL语言、协同过滤、混合KNN和贝叶斯的在线定位等。(3)利用Esper引擎强大的实时处理事件能力,本文提出能根据学生不断变化的地理位置信息,向学生实时地推荐周边教学楼里相关资源的推荐系统,并与基于位置信息的协同过滤推荐系统性能作比较,实证了该推荐系统提升了推荐的准确度和实时性。(4)引入了临时兴趣和亲密好友集这两个推荐因子,将学生的个人行为与环境对其产生的影响结合起来考虑,从多维数据源探求推荐的有效性。
基于位置的多规则推荐系统设计与实现
这是一篇关于复杂事件处理,个性化推荐,资源过载,协同过滤,Esper的论文, 主要内容为随着计算机科学的飞速发展,全球互联网时代已经到来,日益发展的互联网应用正在渐渐改变人们传统的生活方式。大数据时代的到来,带来了数据信息的爆炸,人们每天可以从网络上接收大量的信息,推荐系统随着信息过载应运而生。随着互联网商务的蓬勃发展,个性化推荐系统成为人们研究的热点。本文针对高校学生课外资源过载、缺少实时个性化推荐等问题,对推荐系统的准确性和实时性进行了探索与研究。将高校管理与资源推荐相结合,设计大数据背景下的校园学辅资源推荐系统。利用复杂事件处理技术,将学生实时地理位置信息、签到信息、图书馆借阅信息、宿舍信息等四种多维、异构数据源结合,使用EPL语言实现相应的规则关联,将简单事件通过Esper引擎形成复杂事件,对高校学生资源推荐系统作实证分析,实现从学生基本信息数据流处理、复杂事件规则验证到相关资源推荐的整个推送过程。实验结果表明,将该系统与基于位置信息的协同过滤算法的推荐系统性能作比较,提升了推荐的实时性和准确性,验证了本推荐系统具有良好的推荐效果。文章主要论述了:(1)阐述了该校园课外资源推荐系统的产生背景及设计原理。将学生的实时地理位置信息、平时签到信息、个人基本信息、图书馆借阅信息结合在一起,形成复杂事件流,输入到Esper引擎中,经过EPL规则匹配形成推荐结果。(2)介绍本文推荐系统中的关键技术,如复杂事件处理技术、Esper引擎、EPL语言、协同过滤、混合KNN和贝叶斯的在线定位等。(3)利用Esper引擎强大的实时处理事件能力,本文提出能根据学生不断变化的地理位置信息,向学生实时地推荐周边教学楼里相关资源的推荐系统,并与基于位置信息的协同过滤推荐系统性能作比较,实证了该推荐系统提升了推荐的准确度和实时性。(4)引入了临时兴趣和亲密好友集这两个推荐因子,将学生的个人行为与环境对其产生的影响结合起来考虑,从多维数据源探求推荐的有效性。
基于复杂事件处理的心脏健康预警系统的设计与实现
这是一篇关于复杂事件处理,可穿戴设备,远程医疗,Flink,ANTLR的论文, 主要内容为基于物联网的心脏健康预警系统是指结合以可穿戴设备为代表的物联网技术,通过采集心电、心率等心脏健康相关指标,实现对心脏健康状态的实时监控,并在发现异常时及时预警进而有效干预的系统。借助复杂事件处理技术能够高效地从生理指标事件流中发现潜在风险,检测到满足预设规则的复杂事件则代表异常的出现。目前基于物联网的心脏健康监控系统还存在以下问题:1)现有系统仍以心率监控和心电信号分析方式为主,鲜有利用心率、心电和反映当前运动状态的加速度数据的融合分析系统。2)面对高速增长的物联网设备带来的海量用户数据,传统的集中式架构复杂事件处理引擎无法完成高效的事件处理。3)分布式实时处理平台中缺乏有效的面向复杂事件处理的规则描述语言,不利于业务人员制定规则的快速落地。针对以上问题,本文结合了可穿戴式设备和分布式实时处理框架,利用复杂事件处理技术,设计并实现了完整的心脏健康预警系统。在系统的研究与实现过程中主要做了以下三部分工作:1)针对基于非确定有限状态机的复杂事件处理过程在匹配前缀模式中可能存在的性能问题,提出了一种针对非关键事件的延迟匹配方案,实验证明该方案带来了内存占用和匹配时间上的有效提升。2)设计了一种便于描述生理指标的DSL语言,用于简明地声明式地描述复杂事件处理规则,并基于ANTLR开源工具实现。3)设计实现了基于复杂事件处理的心脏健康预警系统,系统支持对多种已采集生理指标的联合分析,能够提供全天候的心脏健康监控。基于上述三个关键技术的研究成果,本文系统性的设计并开发实现了一个心脏健康预警系统。该系统提供Web形式管理后台,以支持SQL和自定义DSL方式的声明式异常模式规则下发。实时处理层基于Flink实现,提供高容错、低延时的复杂事件处理能力,能够实现对海量用户生理指标的处理存储以及对心脏风险的近实时预警。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码客栈 ，原文地址：https://m.bishedaima.com/lunwen/48159.html
