【摘 要】
：
随着知识图谱技术的不断发展，以知识图谱驱动的知识信息管理广泛应用于各个领域，因此面向知识图谱的分布式SPARQL的查询效率显得尤为重要。本文首先针对现有的基于Spark和基于主存（RAM）的分布式资源描述框架（RDF）系统进行详细调研；其次，从中对8个具有代表性的系统进行查询性能评估，比较基于Spark和基于RAM的系统在不同查询类型、查询直径、数据集上的查询性能差异；然后，全面分析实验结果，对基
论文部分内容阅读
随着知识图谱技术的不断发展，以知识图谱驱动的知识信息管理广泛应用于各个领域，因此面向知识图谱的分布式SPARQL的查询效率显得尤为重要。本文首先针对现有的基于Spark和基于主存（RAM）的分布式资源描述框架（RDF）系统进行详细调研；其次，从中对8个具有代表性的系统进行查询性能评估，比较基于Spark和基于RAM的系统在不同查询类型、查询直径、数据集上的查询性能差异；然后，全面分析实验结果，对基于Spark和基于RAM系统的查询性能进行评价；最后，针对现有系统在分布式SPARQL查询中存在的查询伸
其他文献
为了提高高分辨率遥感影像变化检测可靠性，本文提出了一种基于模糊综合评判的遥感影像变化检测方法。该方法首先对两个时相的影像进行波段叠加，对多波段新影像进行多尺度分割；然后针对单一尺度上的对象，综合考虑两时相遥感影像对象的光谱特征和纹理特征，建立模糊综合评价模型对各个对象内的像素是否发生变化进行隶属度计算，最后采用熵权法对影像各个像素在不同尺度的“软”模糊评判结果进行定权处理和加权融合。实验以两组不同
能耗感知编程(Energy-Aware Programming，EAP)是通过优化软件的能效来降低计算系统能耗的一种新途径。它把能耗作为主要指标引入软件开发的过程，通过调整代码的编写方式，降低程序的执行能耗。能耗感知编程的实现面临能耗热点发现，耗能原因确定和问题代码定位等问题。为了解决这些问题，本文提出了一种程序能耗与性能事件协同测量与分析的新方法EPC（Energy-Performance Co
提出了一种非差非组合的北斗卫星导航系统（BeiDou Navigation Satellite System，BDS）长距离基准站间整周模糊度解算方法。首先直接利用不同频率的观测值建立误差观测方程，并采用随机游走策略估计相对天顶对流层湿延迟误差和电离层延迟误差，增加历元间的约束。然后使用一种非差整周模糊度实时线性计算方法，依次得到基准站网当前历元所有卫星的非差整周模糊度，解决了在基准星变换时，模糊
针对认知无线电中以最大化网络效益为准则的频谱分配难题以及蝠鲼觅食优化算法难以解决频谱分配问题的不足，提出一种离散蝠鲼觅食优化（DMRFO）算法。根据工程中频谱分配问题具有亲1性的特点，首先基于Sigmoid函数（SF）离散法对蝠鲼觅食优化算法进行二进制化；然后通过异或算子和速度调节因子引导蝠鲼根据当前速度大小自适应向最优解调整下一时刻的位置；同时，通过在全局最优解附近进行二进制螺旋觅食避免算法陷入
以宁夏银北地区典型盐碱土壤为研究对象，采用X射线衍射(XRD)、红外光谱(FTIR)、比表面全自动物理吸附仪(BET)以及扫描电子显微镜(SEM)等测试技术对粉煤灰基土壤调理剂作用下盐碱土壤颗粒微观结构进行研究和系统表征。结果表明，利用调理剂改良后土壤矿物的主要成分未发生改变，但是添加调理剂后土壤有新晶相方解石生成；土壤的pH值大幅降低，由9.01降低到7.66；土壤红外吸收变化较小，Si-O-S
针对旱改水稻田土壤酸化和土地贫瘠的问题，探究土壤改良剂和有机肥对旱改水砖红壤稻田的改良效果，以期为南方砖红壤地区旱改水农田土壤改良提供科学依据和技术指导。本研究通过大田试验，采用正交试验设计，设定土壤改良剂种类（石灰、硅钙钾镁和草木灰）、用量和有机肥种类（秸秆、羊粪和混合发酵有机肥）、用量的处理，测定各处理土壤pH值、有机质含量、微生物数量以及土壤氮磷钾养分含量。结果表明，水稻种植15 d后，施用
目的:探究生石灰、松土精和腐殖酸三种土壤改良剂配合施用对连作白术根部土壤酶活性、白术白绢病发病率和根腐病发病率、存株率、产量和品质的影响。筛选出缓解白术连作障碍的最佳土壤改良剂配方。方法:各土壤改良剂用量为:生石灰(0、300、600 kg/hm~2),松土精(0、300、600 kg/hm~2),腐殖酸(0、9、18 kg/hm~2)。采用3因素3水平的正交试验设计,共9个处理,三次重复,采用完
基于COSMIC的功能规模度量（FSM）方法是某单位核心产品《FPA软件规模度量服务》的主要评估方法，其误差范围小、主观因素少、评估效率高等特点获得了业界广泛认可。然而，在预算阶段需求颗粒度通常无法满足精确度量的要求；同时预算阶段评估对度量效率的要求也要高于精确度量，传统快速规模度量方法在有效提升评估效率和降低需求颗粒度的同时，牺牲了较大的评估精确度，无法满足当前运营商市场对预算管控的需求。为此，
针对目前多目标进化算法（MOEA）在处理多目标约束问题（CMOP）的研究通常以解决单一类型约束为主，而在面对不同种类的复杂约束时算法难以收敛或者分布性差的问题，以基于分解的多目标进化优化算法（MOEA/D）框架为基础，提出一种基于参考向量自适应多目标约束进化算法（ARVCMOEAD）。首先算法将参考向量分成主参考向量及辅助参考向量两部分，然后在算法起始阶段通过无约束的辅助参考向量指导种群快速跨越不
为了提高稀疏信号恢复的准确性,本文开展了基于自适应套索算子(Least Absolute Shrinkage and Selection Operator,LASSO)先验的稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)算法研究.第一,在稀疏贝叶斯模型构建阶段,构造了一种新的多层贝叶斯框架,赋予信号中元素独立的LASSO先验.该先验比现有稀疏先验更有效的鼓励稀疏并且该