近視眼預(yù)防方法

前言：想要寫(xiě)出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇近視眼預(yù)防方法范文，相信會(huì)為您的寫(xiě)作帶來(lái)幫助，發(fā)現(xiàn)更多的寫(xiě)作思路和靈感。

近視眼預(yù)防方法范文第1篇

每一次時(shí)代的進(jìn)步，都離不開(kāi)通信手段的變革。很久以前，古人便發(fā)明了烽火、鼓聲、旗語(yǔ)來(lái)傳遞信息。但無(wú)法打破的地域阻隔，拉長(zhǎng)了人們的距離，歲月因等待而漫長(zhǎng)。在電被發(fā)明之后，人類(lèi)的通信史發(fā)生了革命性的變化，從電話(huà)到手機(jī)，人與人之間的距離越來(lái)越近。現(xiàn)代移動(dòng)通信技術(shù)的發(fā)展始于20世紀(jì)20年代，經(jīng)歷了五個(gè)重要階段，經(jīng)過(guò)近百年的發(fā)展，造就了目前無(wú)處不在的無(wú)線(xiàn)網(wǎng)絡(luò)世界。伴隨著互聯(lián)網(wǎng)時(shí)代的到來(lái)和信息技術(shù)、移動(dòng)通信技術(shù)的迅速發(fā)展，移動(dòng)通信技術(shù)的發(fā)展已經(jīng)到了一個(gè)特定的階段――移動(dòng)互聯(lián)網(wǎng)時(shí)代。隨著下一代移動(dòng)通信時(shí)代來(lái)臨及物聯(lián)網(wǎng)技術(shù)的成熟，剛剛穩(wěn)定的通信行業(yè)格局將再一次被打破，傳統(tǒng)運(yùn)營(yíng)商之間的競(jìng)爭(zhēng)日趨激烈，傳統(tǒng)運(yùn)營(yíng)商與虛擬運(yùn)營(yíng)商之間不斷開(kāi)始上演著合作和博弈、對(duì)立和融合，一場(chǎng)關(guān)乎商業(yè)模式的縱橫捭闔“時(shí)代大劇”正在上演，并推動(dòng)著時(shí)代向新的高度邁進(jìn)。

2 移動(dòng)通信技術(shù)發(fā)展歷程

第一代移動(dòng)通信技術(shù)（1G）誕生于20世紀(jì)70年代到80年代，主要采用模擬技術(shù)。它使移動(dòng)通信走下神龕，真正進(jìn)入個(gè)人領(lǐng)域。然而，囿于技術(shù)的限制，它只能用于本地通話(huà)，無(wú)法進(jìn)行長(zhǎng)途漫游，數(shù)據(jù)業(yè)務(wù)更無(wú)從談起。第一代移動(dòng)通信技術(shù)的通訊工具主要為“大哥大”，在當(dāng)年，擁有一部大哥大，絕對(duì)是身份的象征。2000年中國(guó)移動(dòng)成立后，第二代移動(dòng)通信技術(shù)（2G）迅速在全國(guó)普及，2G技術(shù)完成了模擬向數(shù)字的演變，手機(jī)開(kāi)始有了收發(fā)電子郵件、互聯(lián)網(wǎng)瀏覽等功能。這一時(shí)代讓手機(jī)這個(gè)以往的奢侈品飛入尋常百姓家，“人手一機(jī)”成為當(dāng)時(shí)社會(huì)最普遍的現(xiàn)象。就在人們認(rèn)為手機(jī)不過(guò)是用來(lái)打電話(huà)、發(fā)短信的時(shí)候，3G時(shí)代的到來(lái)，徹底顛覆了這種傳統(tǒng)觀念。與前兩代技術(shù)相比，第三代移動(dòng)通信技術(shù)（3G）傳輸速率和質(zhì)量大幅提高，手機(jī)屏幕變得豐富多彩、有聲有色。3G將無(wú)線(xiàn)通信與互聯(lián)網(wǎng)融為一體，提供網(wǎng)頁(yè)瀏覽、收發(fā)郵件、視頻會(huì)議、電子商務(wù)等豐富多彩的移動(dòng)多媒體業(yè)務(wù)，給人們帶來(lái)前所未有的“移動(dòng)生活”新體驗(yàn)。4G的到來(lái)，更讓一切有了新的突破，與3G的漸進(jìn)式發(fā)展不同，4G從一面世便呈現(xiàn)爆炸式發(fā)展，并向各行業(yè)廣泛蔓延。4G的速度是3G的10倍乃至幾十倍，移動(dòng)互聯(lián)網(wǎng)可以拓展的空間更大了，所有終端都可以連接到互聯(lián)網(wǎng)上。移動(dòng)互聯(lián)網(wǎng)拉近了時(shí)間和空間，產(chǎn)生了豐富多彩的內(nèi)容應(yīng)用，像高清視頻、流行音樂(lè)、移動(dòng)游戲等，通過(guò)網(wǎng)絡(luò)的變革，給更多的消費(fèi)者帶來(lái)越來(lái)越豐富的服務(wù)體驗(yàn)，并且?guī)?dòng)了新的網(wǎng)絡(luò)產(chǎn)業(yè)的出現(xiàn)，越來(lái)越多的創(chuàng)業(yè)者投入其中。

3 通信行業(yè)發(fā)展格局

眾所周知，目前我國(guó)共有三家傳統(tǒng)電信運(yùn)營(yíng)商，移動(dòng)、電信、聯(lián)通成三足鼎立之勢(shì)。數(shù)據(jù)顯示，三大傳統(tǒng)電信運(yùn)營(yíng)商移動(dòng)用戶(hù)數(shù)達(dá)到12.9億，意味著94.5%的中國(guó)人是手機(jī)用戶(hù)。[1]傳統(tǒng)電信運(yùn)營(yíng)商擁有龐大的用戶(hù)群、雄厚的資金實(shí)力、強(qiáng)大的運(yùn)營(yíng)能力。他們的盈利模式較為簡(jiǎn)單直接，主要通過(guò)建造基礎(chǔ)網(wǎng)絡(luò)，營(yíng)銷(xiāo)基于通信網(wǎng)絡(luò)的基礎(chǔ)產(chǎn)品，比如語(yǔ)音、流量、專(zhuān)線(xiàn)等業(yè)務(wù)；同時(shí)也運(yùn)營(yíng)增值業(yè)務(wù)，如短信、手機(jī)報(bào)、鈴聲下載、彩鈴等業(yè)務(wù)，依托強(qiáng)大的網(wǎng)絡(luò)支撐和穩(wěn)定的客戶(hù)群保持穩(wěn)定的盈利模式，但存在經(jīng)營(yíng)理念固化、產(chǎn)品創(chuàng)新性不足的問(wèn)題，與虛擬運(yùn)營(yíng)商的競(jìng)爭(zhēng)中往往不被看好。

與傳統(tǒng)電信運(yùn)營(yíng)商不同，虛擬運(yùn)營(yíng)商自己不建造基礎(chǔ)網(wǎng)絡(luò)。它們一般采用在傳統(tǒng)電信運(yùn)營(yíng)商基礎(chǔ)網(wǎng)絡(luò)和產(chǎn)品的基礎(chǔ)上來(lái)設(shè)計(jì)自己的產(chǎn)品。與傳統(tǒng)電信運(yùn)營(yíng)商相比，企業(yè)理念先進(jìn)、經(jīng)營(yíng)方式靈活多變，產(chǎn)品創(chuàng)新性強(qiáng)，但對(duì)傳統(tǒng)電信運(yùn)營(yíng)商的基礎(chǔ)網(wǎng)絡(luò)有著絕對(duì)的依賴(lài)。虛擬運(yùn)營(yíng)在我國(guó)剛剛出現(xiàn)不久，但在國(guó)外已經(jīng)開(kāi)展多年。截至目前，全球共有1200多家虛擬運(yùn)營(yíng)商，主要集中在歐洲和北美等發(fā)達(dá)地區(qū)。在這些地區(qū)，虛擬運(yùn)營(yíng)商的市場(chǎng)規(guī)模占整體市場(chǎng)份額可達(dá)到7%～10%，而其他市場(chǎng)的規(guī)模較小，僅有3%左右的占比。[2]我國(guó)的虛擬經(jīng)營(yíng)業(yè)務(wù)起步晚，但發(fā)展速度迅猛。目前我國(guó)已向42家虛擬運(yùn)營(yíng)商牌照，移動(dòng)通信行業(yè)正在由三足鼎立時(shí)代走向群雄逐鹿時(shí)代。

虛擬運(yùn)營(yíng)商應(yīng)運(yùn)而生，順應(yīng)了移動(dòng)互聯(lián)網(wǎng)時(shí)代的大趨勢(shì)，其發(fā)展有助于使移動(dòng)互聯(lián)網(wǎng)更開(kāi)放、應(yīng)用更豐富、客戶(hù)體驗(yàn)更好，同時(shí)也存在一定的問(wèn)題。也就是說(shuō)，既有好的方面，也有不好的方面。好的方面，一是培育市場(chǎng)新需求。與傳統(tǒng)電信運(yùn)營(yíng)商總是愿意關(guān)注企業(yè)和客戶(hù)群的穩(wěn)定不同，虛擬運(yùn)營(yíng)商則更愿意開(kāi)展創(chuàng)新性的客戶(hù)需求研究和開(kāi)發(fā)，因而培育了新的市場(chǎng)空間，促進(jìn)移動(dòng)互聯(lián)網(wǎng)市場(chǎng)日趨繁榮。二是轉(zhuǎn)變產(chǎn)業(yè)新模式。虛擬運(yùn)營(yíng)商的到來(lái)，為通信行業(yè)競(jìng)爭(zhēng)注入了新活力、新色彩、新對(duì)抗及新合作，迫使傳統(tǒng)運(yùn)營(yíng)商不得不提升能力，加快轉(zhuǎn)型，加快技術(shù)革新和產(chǎn)品創(chuàng)新，有利促進(jìn)了移動(dòng)通信行業(yè)更快地發(fā)展。三是創(chuàng)新產(chǎn)品多樣化。虛擬運(yùn)營(yíng)商具有天生的創(chuàng)新精神和個(gè)性，它的加入會(huì)使得市場(chǎng)更加多樣化、個(gè)性化，越來(lái)越多的針對(duì)性的個(gè)性化產(chǎn)品和服務(wù)將會(huì)被創(chuàng)造出來(lái)，給消費(fèi)者帶來(lái)前所未有的多樣化選擇和個(gè)性化新體驗(yàn)。不好的方面，一是管理困難。越來(lái)越多的虛擬運(yùn)營(yíng)商加入通信行業(yè)，市場(chǎng)規(guī)范化將面臨難題，市場(chǎng)監(jiān)管部門(mén)的管理能力受到考驗(yàn)；二是消費(fèi)者信息泄密問(wèn)題。第一個(gè)問(wèn)題直接導(dǎo)致第二個(gè)問(wèn)題的出現(xiàn)，同時(shí)，各家虛擬運(yùn)營(yíng)商信息安全防范水平不一，對(duì)消費(fèi)者產(chǎn)生不利影響。

4 物聯(lián)網(wǎng)時(shí)代的思考

隨著4G技術(shù)的不斷成熟升級(jí)和移動(dòng)互聯(lián)網(wǎng)產(chǎn)業(yè)的不斷升華，隨時(shí)隨地打電話(huà)、上網(wǎng)、定位導(dǎo)航、共享內(nèi)容和服務(wù)等傳統(tǒng)意義上的人與人之間的通信需求已得到極大滿(mǎn)足，人與人之間的通信已被現(xiàn)代技術(shù)發(fā)揮到了極致。下一步，通信需求直接指人與物、物與物之間的互聯(lián)通信，萬(wàn)物互聯(lián)的時(shí)代已經(jīng)開(kāi)啟，物聯(lián)網(wǎng)、云數(shù)據(jù)、超高速率、智能通信將是未來(lái)的主題，我們的生活將再一次迎來(lái)翻天覆地的變化。未來(lái)五年內(nèi)，將會(huì)有100億～200億智能設(shè)備連接互聯(lián)網(wǎng)，這些設(shè)備的數(shù)量將遠(yuǎn)遠(yuǎn)超過(guò)今天我們的人口。[3]可以想象，當(dāng)你在下班的路上，拿起手機(jī)對(duì)家里的電器發(fā)送一個(gè)指令，到家后你家的電飯煲做好飯，熱水器燒好熱水。你也可以在出門(mén)前就通過(guò)手機(jī)知道上班的路上交通狀況如何，從而選擇一條最方便快捷的路線(xiàn)去上班。還可以通過(guò)網(wǎng)絡(luò)實(shí)時(shí)了解一切你關(guān)心的事物的進(jìn)展情況，并進(jìn)行實(shí)時(shí)干預(yù)。

近視眼預(yù)防方法范文第2篇

1.“遞進(jìn)循環(huán)式”教學(xué)的內(nèi)涵

“遞進(jìn)循環(huán)式”教學(xué)屬于一種循序漸進(jìn)式的教學(xué)方法。該方法的核心就是教師以某個(gè)主題技能為中心，通過(guò)某主要知識(shí)點(diǎn)引出其他相關(guān)知識(shí)點(diǎn)，并以此循環(huán)不斷推進(jìn)教學(xué)內(nèi)容，從而引導(dǎo)學(xué)生不斷高效掌握新的知識(shí)內(nèi)容。

2.“遞進(jìn)循環(huán)式”教學(xué)的特點(diǎn)

在傳統(tǒng)的小學(xué)語(yǔ)文教學(xué)中，很多相關(guān)理念已不再適用于現(xiàn)代多元化的社會(huì)發(fā)展，更不利于小學(xué)生的學(xué)習(xí)和成長(zhǎng)。很多教師在教學(xué)中只顧強(qiáng)調(diào)重復(fù)背誦和書(shū)寫(xiě)。這不僅使得語(yǔ)文教學(xué)變得枯燥，而且容易使學(xué)生大腦產(chǎn)生疲勞。而“遞進(jìn)循環(huán)式”教學(xué)具有以下兩大特點(diǎn)：

（1）知識(shí)面得到拓展。“遞進(jìn)循環(huán)式”教學(xué)注重將課堂與現(xiàn)實(shí)結(jié)合。教師可以引導(dǎo)學(xué)生以課堂內(nèi)容榛本點(diǎn)，從而進(jìn)行課外知識(shí)拓展，并通過(guò)課外的見(jiàn)聞來(lái)幫助學(xué)生理解以及記憶課堂內(nèi)容，這無(wú)形中為課堂教學(xué)補(bǔ)充了大量課外素材，從而提升了課堂效率和質(zhì)量。

（2）記憶更容易。“遞進(jìn)循環(huán)式”教學(xué)主張“滾動(dòng)式復(fù)習(xí)”，在學(xué)習(xí)新知識(shí)的同時(shí)強(qiáng)化對(duì)舊知識(shí)的再學(xué)習(xí)，對(duì)一份語(yǔ)言材料進(jìn)行反復(fù)閱讀和理解，從而加深理解、強(qiáng)化記憶、深化應(yīng)用，這使學(xué)生對(duì)知識(shí)點(diǎn)的記憶變得更容易。

二、“遞進(jìn)循環(huán)式”教學(xué)方法的應(yīng)用

1.識(shí)字方面

首先，課堂上對(duì)識(shí)記生字進(jìn)行分步教學(xué)，讓學(xué)生讀課文以對(duì)生字有一個(gè)初步的了解，對(duì)重點(diǎn)的生字詞進(jìn)行識(shí)記，給生字注音以及讓學(xué)生將其與造句相結(jié)合運(yùn)用，回歸課文理解生字詞的意思并再次進(jìn)行朗讀。

其次，“遞進(jìn)循環(huán)式”教學(xué)方法使得學(xué)習(xí)氛圍更加輕松活潑，這種讀記相結(jié)合的方式，不僅帶動(dòng)了教學(xué)氛圍，也讓學(xué)生在不斷學(xué)習(xí)和鞏固中記住了生字，從而大大提高了學(xué)習(xí)效率。

最后，對(duì)于小學(xué)生而言，理解課文并非難事，因此不需要對(duì)文章內(nèi)容做過(guò)多的分析，這樣只會(huì)讓他們覺(jué)得枯燥無(wú)味。而通過(guò)識(shí)讀教學(xué)的模式既可以幫他們識(shí)記生字，同時(shí)又能增強(qiáng)他們的語(yǔ)感，提高他們的言語(yǔ)表達(dá)能力，寓教于樂(lè)，才能讓課堂變得簡(jiǎn)單有趣。

2.閱讀方面

傳統(tǒng)閱讀教學(xué)只注重對(duì)內(nèi)容和字詞的分析，而在一定程度上忽略了閱讀對(duì)言語(yǔ)表達(dá)能力的培養(yǎng)，這就使得學(xué)生語(yǔ)言表達(dá)能力有所欠缺，這種閱讀教學(xué)是不完整的、低層面的。現(xiàn)代的語(yǔ)文教師應(yīng)更注重對(duì)學(xué)生語(yǔ)言表達(dá)能力和閱讀興趣的培養(yǎng)，進(jìn)而對(duì)文章進(jìn)行分析理解。如《風(fēng)娃娃》這篇課文講述的是風(fēng)娃娃去幫助別人，卻不料好心辦了壞事，文章告訴我們，在現(xiàn)實(shí)生活中，不要好心辦壞事，幫助別人的時(shí)候不要從自己的角度出發(fā)，應(yīng)該站在別人的立場(chǎng)，多動(dòng)腦。大多數(shù)教師會(huì)先帶學(xué)生學(xué)習(xí)生字詞，然后帶學(xué)生理解課文內(nèi)容，采取生搬硬套的方法，然后告訴學(xué)生這其中的道理，而忽略了閱讀中的豐富語(yǔ)言表達(dá)，沒(méi)有使閱讀教學(xué)發(fā)揮應(yīng)有的效果。在閱讀教學(xué)中，我們應(yīng)該整體感知課文，應(yīng)該讓學(xué)生多讀，從讀中去感悟、思考，然后引導(dǎo)學(xué)生進(jìn)行模仿創(chuàng)作，注重語(yǔ)言的積累以及方法的運(yùn)用，從而激發(fā)學(xué)生的閱讀興趣，為學(xué)生理解文章的思想感情做鋪墊，同時(shí)也可培養(yǎng)學(xué)生的語(yǔ)感和言語(yǔ)表達(dá)能力。

3.寫(xiě)作方面

在小學(xué)語(yǔ)文教學(xué)中，學(xué)生由于掌握的詞匯量和句子并不多，經(jīng)常在寫(xiě)作中出現(xiàn)錯(cuò)別字、病句等。一旦學(xué)生在寫(xiě)作中頻繁出現(xiàn)錯(cuò)別字，就會(huì)打擊學(xué)生學(xué)習(xí)的積極性，降低學(xué)生的學(xué)習(xí)興趣。教師可以采用“遞進(jìn)循環(huán)式”的教學(xué)方法，引導(dǎo)學(xué)生養(yǎng)成在閱讀中積累好詞好句的習(xí)慣，增強(qiáng)自己的知識(shí)儲(chǔ)備和語(yǔ)言積累，為作文寫(xiě)作打下堅(jiān)實(shí)的基礎(chǔ)。

“遞進(jìn)循環(huán)式”教學(xué)方法引入課堂教學(xué)中，不僅能在很大程度上有效地活躍課堂教學(xué)氛圍，調(diào)動(dòng)學(xué)生學(xué)習(xí)的積極性，提高小學(xué)語(yǔ)文課堂教學(xué)的效率，也是新時(shí)期促進(jìn)學(xué)生全面發(fā)展和促進(jìn)我國(guó)教育事業(yè)深化改革的內(nèi)在要求。

參考文獻(xiàn)：

[1]黎康華.小學(xué)高效課堂實(shí)踐研究[D].武漢：華中師范大學(xué)，2014.

近視眼預(yù)防方法范文第3篇

【關(guān)鍵詞】 物聯(lián)網(wǎng)概念實(shí)質(zhì)演進(jìn)規(guī)律挑戰(zhàn)機(jī)遇

【Abstract】 Based on deep identification of the conception and character of the Internet of Things (IoTs), the paper argued that “the Internet of Things is the intelligent information network connected to physical objects”. After the retrospect on evolution history and intrinsic rules of IoTs’ development from the perspective of information technology progress, concentrating on the construction of new generation network infrastructure and the breakthrough of key technologies, it disclosed the challenge and opportunity encountered by IoTs in future development, as well as which implications to our country.

【KeyWords】 Internet of Things(IoTs);Conception and Character; Evolution Rules; Challenge and Opportunity

2012年7月的《“十二五”國(guó)家戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃》明確提出實(shí)施物聯(lián)網(wǎng)與云計(jì)算創(chuàng)新發(fā)展工程。世界范圍內(nèi)看,2009年以來(lái),包括美國(guó)、歐盟、日本在內(nèi)的發(fā)達(dá)國(guó)家相繼出臺(tái)物聯(lián)網(wǎng)發(fā)展戰(zhàn)略與相關(guān)行動(dòng)計(jì)劃,標(biāo)志著物聯(lián)網(wǎng)技術(shù)與產(chǎn)業(yè)在經(jīng)過(guò)早期的宣傳“熱潮”之后,其發(fā)展正漸趨理性與務(wù)實(shí)。但與此同時(shí)也應(yīng)看到,在對(duì)物聯(lián)網(wǎng)內(nèi)涵實(shí)質(zhì)、發(fā)展規(guī)律、挑戰(zhàn)機(jī)遇等重要問(wèn)題的研究上,仍然存在許多含混不清的認(rèn)識(shí),甚至是帶有誤導(dǎo)性的觀點(diǎn)。本文試圖就上述問(wèn)題進(jìn)行深入討論,為加速物聯(lián)網(wǎng)推廣應(yīng)用與產(chǎn)業(yè)健康發(fā)展提供參考。

1 物聯(lián)網(wǎng)的概念與實(shí)質(zhì)

物聯(lián)網(wǎng)(The Internet of Things)的概念最早是由麻省理工學(xué)院Auto-ID實(shí)驗(yàn)室的Ashton于1999年提出的。當(dāng)時(shí)的定義是:把任何物品通過(guò)射頻識(shí)別(RFID)、紅外感應(yīng)器、全球定位系統(tǒng)、激光掃描器等信息傳感設(shè)備,按約定的協(xié)議與互聯(lián)網(wǎng)連接起來(lái),進(jìn)行信息交換和共享,以實(shí)現(xiàn)智能化識(shí)別和管理的一種網(wǎng)絡(luò)[1]。

2005年國(guó)際電信聯(lián)盟(ITU),正式提出了“物聯(lián)網(wǎng)”的概念。報(bào)告指出,無(wú)所不在的“物聯(lián)網(wǎng)”通信時(shí)代即將來(lái)臨,世界上所有的物體從輪胎到牙刷、從房屋到紙巾都可以通過(guò)因特網(wǎng)主動(dòng)進(jìn)行交換。射頻識(shí)別技術(shù)(RFID)、傳感器技術(shù)、納米技術(shù)、智能嵌入技術(shù)將到更加廣泛的應(yīng)用[2]。根據(jù)ITU的描述,在物聯(lián)網(wǎng)時(shí)代,通過(guò)在各種各樣的日常用品上嵌入一種短距離的移動(dòng)收發(fā)器,人類(lèi)在信息與通信世界里將獲得一個(gè)新的溝通維度,從任何時(shí)間任何地點(diǎn)的人與人之間的溝通連接擴(kuò)展到人與物和物與物之間的溝通連接。然而,ITU的報(bào)告對(duì)物聯(lián)網(wǎng)缺乏一個(gè)清晰的定義。

2009年9月15日,歐盟第7框架下的RFID和物聯(lián)網(wǎng)研究項(xiàng)目組研究報(bào)告,給出了對(duì)物聯(lián)網(wǎng)的明確定義:物聯(lián)網(wǎng)是一個(gè)動(dòng)態(tài)的全球網(wǎng)絡(luò)基礎(chǔ)設(shè)施,它具有基于標(biāo)準(zhǔn)和互操作通信協(xié)議的自組織能力,其中物理的和虛擬的“物”具有身份標(biāo)識(shí)、物理屬性、虛擬的特性和智能的接口,并與信息網(wǎng)絡(luò)無(wú)縫整合。物聯(lián)網(wǎng)將與媒體互聯(lián)網(wǎng)、服務(wù)互聯(lián)網(wǎng)和企業(yè)互聯(lián)網(wǎng)一道,構(gòu)成未來(lái)互聯(lián)網(wǎng)[3]。

我國(guó)著名物聯(lián)網(wǎng)專(zhuān)家、中科院院士鄔賀銓認(rèn)為物聯(lián)網(wǎng)中的“物”應(yīng)該是“Anything that can be connected and would benefit from being connected will be connected”。意即物聯(lián)網(wǎng)應(yīng)該是把一切有用的且能連接的“物”連接起來(lái),而不是萬(wàn)事萬(wàn)物。鄔賀銓院士進(jìn)一步指出:物聯(lián)網(wǎng)相當(dāng)于互聯(lián)網(wǎng)上面向特定任務(wù)來(lái)組織的專(zhuān)用網(wǎng)絡(luò)(VPN)。與其說(shuō)物聯(lián)網(wǎng)是網(wǎng)絡(luò),不如說(shuō)物聯(lián)網(wǎng)是業(yè)務(wù)或應(yīng)用,物聯(lián)網(wǎng)是互聯(lián)網(wǎng)應(yīng)用的拓展[4]。

總結(jié)起來(lái),目前學(xué)術(shù)界和實(shí)踐界對(duì)物聯(lián)網(wǎng)的認(rèn)識(shí),主要有三類(lèi)觀點(diǎn),其中主流并為人們所廣泛接受的是“網(wǎng)”的觀點(diǎn),即將物聯(lián)網(wǎng)視為互聯(lián)網(wǎng)發(fā)展的高級(jí)階段,或?qū)⑵湟暈橐环N新型的網(wǎng)絡(luò)基礎(chǔ)設(shè)施,強(qiáng)調(diào)物聯(lián)網(wǎng)是互聯(lián)網(wǎng)的自然演進(jìn),是將作為物理實(shí)體的“物”接入了互聯(lián)網(wǎng)。第二種是“聯(lián)”的觀點(diǎn),主要從技術(shù)角度出發(fā),強(qiáng)調(diào)物聯(lián)網(wǎng)的關(guān)鍵在于物物“聯(lián)接”,強(qiáng)調(diào)物與物之間的互聯(lián)、互通與互操作,從而將無(wú)線(xiàn)傳感技術(shù)、近場(chǎng)通訊技術(shù)、衛(wèi)星通信技術(shù)等與互聯(lián)網(wǎng)技術(shù)相并列的信息技術(shù)視為物聯(lián)網(wǎng)的基礎(chǔ)和關(guān)鍵技術(shù)。第三種是“物”的觀點(diǎn),強(qiáng)調(diào)通過(guò)物聯(lián)網(wǎng)聯(lián)接起來(lái)的“物”應(yīng)具有獨(dú)特的特征,即能夠自我感知或感知“他物”(對(duì)象或環(huán)境),能夠與其他“物”相通訊,能夠自我控制(自動(dòng)化)或控制“他物”(智能化),即不僅能夠?qū)崿F(xiàn)“物感”“、物聯(lián)”、同時(shí)也能實(shí)現(xiàn)“物控”。

筆者認(rèn)為,“物聯(lián)網(wǎng)”的實(shí)質(zhì)應(yīng)是“物”,“聯(lián)”,“網(wǎng)”三者的結(jié)合,簡(jiǎn)單的說(shuō),物聯(lián)網(wǎng)就是“連接到物理對(duì)象的智能信息網(wǎng)絡(luò)”。這個(gè)概念有四層含義:第一,物聯(lián)網(wǎng)的核心和基礎(chǔ)仍然是信息網(wǎng)絡(luò),但這里的“網(wǎng)絡(luò)”是指將所有物物相連、人人相連、人物相連并形成網(wǎng)絡(luò)(即非“點(diǎn)對(duì)點(diǎn)”連接,而是“多對(duì)多”連接)的情況都納入了“互聯(lián)網(wǎng)”的范疇;第二,物聯(lián)網(wǎng)將用戶(hù)端延伸和擴(kuò)展到了任何物品與物品之間、以及人與物品之間,將人與人之間的信息通訊擴(kuò)展到了物與物之間,人與物之間的信息交換和通訊;第三,物聯(lián)網(wǎng)依托的網(wǎng)絡(luò)具有智能屬性,它一方面可以對(duì)接入物聯(lián)網(wǎng)的各類(lèi)“物”(物理終端)進(jìn)行實(shí)時(shí)監(jiān)測(cè)、智能控制與自動(dòng)操作,同時(shí)它本身又具有自我配置、自我優(yōu)化、自我修復(fù)與自我保護(hù)的功能,屬于一類(lèi)智能網(wǎng)絡(luò);第四,接入物聯(lián)網(wǎng)的“物”是一類(lèi)特殊的物,是具有“智能”的物理終端,應(yīng)具備物感、物聯(lián)與物控的功能。按照上述比較嚴(yán)格的要求,接入到物聯(lián)網(wǎng)中的“物”實(shí)際上接近于一個(gè)“微型智能機(jī)器人”,微處理器相當(dāng)于它的“大腦”,信息接收(傳感)器、信息發(fā)送器相當(dāng)于它的“五官”,動(dòng)作執(zhí)行器相當(dāng)于它的“四肢”。與過(guò)去不同的是,基于信息技術(shù)和納米技術(shù)的巨大進(jìn)步,今天我們完全有可能在極小的物理載體上集成這些功能。

近視眼預(yù)防方法范文第4篇

關(guān)鍵詞：人臉識(shí)別；人臉檢測(cè)；神經(jīng)網(wǎng)絡(luò)

中圖分類(lèi)號(hào)：TP18文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044(2011)04-0862-02

The Research and Improvement of the Face Recognition Method Based on the BP Neural Network

FANG Xu

(PLA Chongqing Communication College, Chongqing 400035, China)

Abstract: The recognition of human faces is an important subject in the area of the computer pattern recognition, which has a wide range of applications. And the key is face detection and feature extraction. In this paper, we use BP neural network for the feature extraction and recognition, the choosing principle of the number of hiding layer cells are proposed, the initial values setting principle are also discussed. And the BP algorithm is improved. It improves the precision, reduces the training time and the calculation.

Key words: face recognition; face detection; neural networks

近年來(lái)，在計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域中，對(duì)人臉識(shí)別系統(tǒng)的研究變得非常活躍。作為人類(lèi)幾個(gè)重要外在鑒別特征之一，人臉識(shí)別對(duì)自動(dòng)鑒別和人類(lèi)自動(dòng)分辨有著重要的意義。相對(duì)于指紋識(shí)別和虹膜識(shí)別來(lái)說(shuō)，人臉識(shí)別有著其特殊性，即人臉圖象受其成象角度、光照條件等外界因素的影響較大，所以人臉識(shí)別起來(lái)難度也較大。

現(xiàn)階段的人臉自動(dòng)識(shí)別系統(tǒng)包括兩個(gè)主要技術(shù)環(huán)節(jié)：一是人臉的檢測(cè)與定位，即判斷一幅圖像中是否有人臉。如果有，定位每張人臉具置。二是人臉特征的提取與識(shí)別。包括對(duì)人的眼睛，鼻子，嘴部區(qū)域的定位以及對(duì)人臉圖像輪廓線(xiàn)的提取。研究表明，用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行特征的提取和識(shí)別，由于其良好的速度，識(shí)別率，容錯(cuò)能力和并行計(jì)算能力，得到了廣泛的應(yīng)用。

1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種按反向傳輸算法（Back Propagation）訓(xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。它是一種能向著滿(mǎn)足給定的輸入輸出關(guān)系方向進(jìn)行自組織的神經(jīng)網(wǎng)絡(luò)。當(dāng)輸出層上的實(shí)際輸出與給定的輸入不一致時(shí)，用最速下降法修正各層之間舊的結(jié)合強(qiáng)度，直到最終滿(mǎn)足給定的輸出輸入關(guān)系為止。由于誤差傳播的方向與信號(hào)傳播的方向正好相反而稱(chēng)為誤差反向傳播神經(jīng)網(wǎng)絡(luò)。

識(shí)別過(guò)程就是根據(jù)特征向量進(jìn)行分類(lèi)的過(guò)程，識(shí)別器實(shí)際上就是分類(lèi)器。針對(duì)人臉圖像識(shí)別問(wèn)題，選用BP網(wǎng)絡(luò)模型來(lái)設(shè)計(jì)分類(lèi)器。理由如下:第一，人臉模式輸入向量的維數(shù)經(jīng)過(guò)特征提取之后已經(jīng)不是很高。第二，BP算法成熟簡(jiǎn)單，可選擇的余地比較大。最后輸入樣本空間經(jīng)過(guò)特征提取后其聚類(lèi)性能已經(jīng)有所改善，對(duì)BP算法進(jìn)行適當(dāng)改進(jìn)，則會(huì)使得訓(xùn)練時(shí)間不長(zhǎng)。

2 BP算法

2.1 BP網(wǎng)絡(luò)的輸入與輸出

BP 網(wǎng)絡(luò)由輸入層，隱含層和輸出層構(gòu)成，相鄰層之間用神經(jīng)元權(quán)互聯(lián)，同一層內(nèi)的神經(jīng)元無(wú)連接。

對(duì)于輸入層來(lái)說(shuō)，輸出與輸入相同，即Oi= Xj。隱含層和輸入層的輸入輸出關(guān)系特征為：

Netj = ∑WjiOi

Oj = f(Netj)

其中，Wji表示前一層的神經(jīng)元i到本層的神經(jīng)元j的連接權(quán)值，Oj為神經(jīng)元j的輸出，Netj表示神經(jīng)元j接收到的總輸入，在函數(shù)f的作用下產(chǎn)生輸出Oj，f常取sigmoid函數(shù)：f(x)=1/(1+e-x)

2.2 隱含層神經(jīng)元數(shù)的選擇

通過(guò)輸入層與隱含層之間的連接權(quán)值的“自組織化”，隱含層起到對(duì)輸入模式進(jìn)行特征提取的作用，然后將提取的特征傳給輸出層。隱含層神經(jīng)元數(shù)目過(guò)少不能使得網(wǎng)絡(luò)建立復(fù)雜的判斷界，過(guò)多則使得學(xué)習(xí)時(shí)間過(guò)長(zhǎng)，影響效率，所以采用如公式（1）求出隱含層神經(jīng)元數(shù)：

（1）

其中m為輸出神經(jīng)元數(shù)，n為輸入神經(jīng)元數(shù)，a為1―10之間的常數(shù)。

2.3 BP網(wǎng)絡(luò)的學(xué)習(xí)算法

BP網(wǎng)絡(luò)的學(xué)習(xí)算法為：

1）初始化權(quán)值，每個(gè)權(quán)值的初始化值設(shè)置為為(0,1)之間的隨機(jī)數(shù)。

2）輸入訓(xùn)練樣本及期望輸出值。

3）逐層計(jì)算各層的輸出。

4）從輸出層開(kāi)始，調(diào)整權(quán)值，并反向傳播誤差值。

5）如果誤差小于設(shè)定的值，則算法結(jié)束。如果大于所設(shè)定的值，則轉(zhuǎn)向3， 繼續(xù)學(xué)習(xí)。網(wǎng)絡(luò)訓(xùn)練結(jié)束達(dá)到穩(wěn)定狀態(tài)后，保存網(wǎng)絡(luò)的連接權(quán)值，以用于后面的識(shí)別。

其中，學(xué)習(xí)速率決定每一次循環(huán)訓(xùn)練中所產(chǎn)生的權(quán)值變化量。大的學(xué)習(xí)速率有可能會(huì)導(dǎo)致系統(tǒng)的不穩(wěn)定，但是小的學(xué)習(xí)速率導(dǎo)致較長(zhǎng)的訓(xùn)練時(shí)間，可能收斂很慢，不過(guò)這樣能保證網(wǎng)絡(luò)的誤差值不跳出誤差表面低谷而趨于誤差最小值。所以一般情況下傾向于選擇較小的學(xué)習(xí)速率以保證系統(tǒng)的穩(wěn)定性。學(xué)習(xí)速率的范圍是0.01-0.8。

3 BP算法的改進(jìn)

雖然BP網(wǎng)絡(luò)得到了廣泛的應(yīng)用，但是它并不是十分完美的網(wǎng)絡(luò)，主要包含以下一些缺陷：

1）由于學(xué)習(xí)速率是固定的，因此網(wǎng)絡(luò)的收斂速度慢，需要較長(zhǎng)的訓(xùn)練時(shí)間。而這種長(zhǎng)時(shí)間和不確定的訓(xùn)練過(guò)程，對(duì)于一個(gè)比較簡(jiǎn)單的問(wèn)題，有的時(shí)候需要幾百甚至上千次的學(xué)習(xí)才能收斂。對(duì)于復(fù)雜的問(wèn)題，可能需要更長(zhǎng)的時(shí)間來(lái)訓(xùn)練這個(gè)網(wǎng)絡(luò)。

2）BP算法可以使權(quán)值收斂到某個(gè)值，不能保證收斂到全局最小值，容易陷入局部極小值。

3）網(wǎng)絡(luò)麻痹現(xiàn)象。在訓(xùn)練過(guò)程中，加權(quán)調(diào)得較大時(shí)，可能迫使所有的或大部分節(jié)點(diǎn)的加權(quán)和輸出較大，從而工作在S型激發(fā)函數(shù)的飽和區(qū)，此時(shí)激發(fā)函數(shù)的導(dǎo)數(shù)處于非常小的區(qū)域。由于在計(jì)算權(quán)值修正量的公式中，各層誤差正比于激發(fā)函數(shù)的導(dǎo)數(shù)，當(dāng)導(dǎo)數(shù)趨于0時(shí)，各層誤差趨向于0，相當(dāng)于調(diào)節(jié)過(guò)程停滯。容易造成網(wǎng)絡(luò)達(dá)不到指定的誤差，訓(xùn)練不出來(lái) 。

4）網(wǎng)絡(luò)隱含層的層數(shù)及每層的節(jié)點(diǎn)數(shù)的選取尚無(wú)理論上的指導(dǎo)，而是根據(jù)經(jīng)驗(yàn) 確定。因此，網(wǎng)絡(luò)往往有很大的冗余，無(wú)形中增加了網(wǎng)絡(luò)學(xué)習(xí)時(shí)間。

5）網(wǎng)絡(luò)的學(xué)習(xí)、記憶具有不穩(wěn)定性。一個(gè)訓(xùn)練結(jié)束的BP網(wǎng)絡(luò)，當(dāng)給它提供新的記憶模式時(shí)，將使已有的連接權(quán)打亂，導(dǎo)致已經(jīng)記憶的學(xué)習(xí)模式的信息消失。要避免這種現(xiàn)象，必須將原來(lái)的學(xué)習(xí)模式連同加入的新模式一起重新進(jìn)行訓(xùn)練，而且要求新加入的模式的特征數(shù)目與原模式特征數(shù)目相同。

為了擬制迭代過(guò)程的振蕩，可以在每次對(duì)連接權(quán)進(jìn)行校正時(shí)，按一定比例加上前一次學(xué)習(xí)時(shí)的校正量，即增加附加動(dòng)量項(xiàng)。這樣連接權(quán)變?yōu)?

Wij(N+1)=Wij(N)+ β*ejk*αik+η*ΔWij(N)

式中β為學(xué)習(xí)速率，η為動(dòng)量因子，ΔWij(N)為第N次迭代時(shí)權(quán)值變化量。由上式可知，N+1次迭代時(shí)，權(quán)值的調(diào)整量與第N次迭代相關(guān)，由于樣本群的各樣本間相關(guān)性很強(qiáng)，前一個(gè)樣本的學(xué)習(xí)結(jié)果為下一個(gè)樣本所用，這樣可以加快收斂速度。

連接權(quán)校正量與中間層的輸出有關(guān)。因此，當(dāng)中間層的輸出為0或1時(shí)，連接權(quán)校正量為0，不起校正作用。中間層的輸出是由S函數(shù)的輸出所決定的，由S函數(shù)的飽和非線(xiàn)性輸出特性可知，當(dāng)其輸入小于或大于某一數(shù)值后，其輸出接近于0或1。因而在相當(dāng)次數(shù)的學(xué)習(xí)過(guò)程中，真正的校正量很小，校正速度十分緩慢。為此，要限制S函數(shù)的輸出，當(dāng)S函數(shù)的實(shí)際輸出小于0.01或大于0.99時(shí)，將其輸出值直接取為0.01或0.99。這樣保證了每次學(xué)習(xí)都能進(jìn)行有效的校正，從而加快收斂速度，可以很大程度避免網(wǎng)絡(luò)的麻痹現(xiàn)象。

4 結(jié)論

人臉識(shí)別是一個(gè)困難的研究課題, 目前還處于探索階段。本文利用BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)能力強(qiáng)、分類(lèi)能力強(qiáng)的優(yōu)點(diǎn), 實(shí)現(xiàn)了人臉特征提取和識(shí)別。雖然BP網(wǎng)絡(luò)在實(shí)際應(yīng)用過(guò)程中存在一定的缺陷，但是對(duì)BP算法的改進(jìn)則進(jìn)一步加快了收斂速度，提高了識(shí)別的正確率。

參考文獻(xiàn)：

[1] 周志華,曹存根.神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[M].北京:清華大學(xué)出版社,2004.

[2] Bledsoe W W.The Model Method in Facial Recognition[C].Tech. Rep. PRI:15,Panoramic Research Inc.,Palo Alto,CA,1964.

近視眼預(yù)防方法范文第5篇

>> 一種改進(jìn)K―means聚類(lèi)算法的MapReduce并行化實(shí)現(xiàn) 一種基于并行工程理論的教學(xué)方法——并行教學(xué)法探討 一種改進(jìn)的最大匹配分詞算法研究 一種準(zhǔn)實(shí)時(shí)MapReduce調(diào)度算法的改進(jìn)與實(shí)現(xiàn) 一種改進(jìn)的表面重建算法及其并行化研究 一種基于錨文本和改進(jìn)C4．5決策樹(shù)算法的主題爬行方法 一種基于設(shè)計(jì)模式的并行編程系統(tǒng)度量方法的實(shí)現(xiàn) 一種基于蒙特卡羅法的服務(wù)選擇并行優(yōu)化方法 一種基于在線(xiàn)編程的DSP并行自舉實(shí)現(xiàn)方法 一種具有容錯(cuò)機(jī)制的MapReduce模型研究與實(shí)現(xiàn) 一種基于手勢(shì)的數(shù)字輸入方法 一種基于兩級(jí)轉(zhuǎn)換的安全可靠口令輸入方法 一種基于并行計(jì)算機(jī)架構(gòu)的OS模型研究 云環(huán)境下的一種并行任務(wù)劃分方法研究 一種改進(jìn)的基于線(xiàn)性有限元并行計(jì)算的追趕算法 一種并行化的分類(lèi)算法研究 一種基于hough改進(jìn)算法的機(jī)場(chǎng)跑道識(shí)別方法研究 一種基于經(jīng)典領(lǐng)域本體構(gòu)建方法的改進(jìn)研究 一種基于位置的改進(jìn)中文文本特征選擇 一種改進(jìn)的圖像復(fù)原方法的研究 常見(jiàn)問(wèn)題解答 當(dāng)前所在位置：l），該庫(kù)提供有mini版，精簡(jiǎn)版和完整版的文本預(yù)料庫(kù)。在精簡(jiǎn)版中包含共計(jì)9個(gè)類(lèi)別，每個(gè)類(lèi)別含1990篇文章，從精簡(jiǎn)版數(shù)據(jù)集中選擇不同數(shù)量的文本組成大小不同的數(shù)據(jù)集，具體數(shù)據(jù)集信息如下表：

3.3 并行分詞

步驟1：分別將在Eclipse上編寫(xiě)的兩種并行分詞程序打成jar包，使用TextInputFormat方式的jar包命名為T(mén)extInputFormat.jar，使用MyInputFormat方式的jar包命名為MyInputFormat.jar，并都存放在/usr/local/目錄下；

步驟2： 在終端執(zhí)行命令”hadoop fs Cput /usr/local/sogou /sogou”將數(shù)據(jù)集上傳至hadoop的sogou目錄下；

步驟3： 在終端執(zhí)行命令

”hadoop jar /usr/local/TextInputFormat.jar /usr/local/sogou /sogou /usr/local/sogou /seg1”對(duì)數(shù)據(jù)集按照TextInputFormat方式并行分詞；

步驟4： 在終端執(zhí)行命令

”hadoop jar /usr/local/MyInputFormat.jar /usr/local/sogou /sogou /usr/local/sogou /seg2”對(duì)數(shù)據(jù)集按照MyInputFormat方式并行分詞；

4 結(jié)果對(duì)比與分析

4.1 分詞結(jié)果對(duì)比

在剛開(kāi)始執(zhí)行時(shí)，記錄job總共的Input Paths，并通過(guò)web界面（mlj：50030）查看job的工作狀態(tài)，記錄Job運(yùn)行時(shí)間，實(shí)驗(yàn)結(jié)果如下表4：

圖7是兩種輸入方式并行分詞時(shí)間對(duì)比柱狀圖，橫坐標(biāo)表示數(shù)據(jù)集，縱坐標(biāo)表示運(yùn)行時(shí)間，由于兩種方式花費(fèi)時(shí)間相差較大，縱坐標(biāo)采用對(duì)數(shù)坐標(biāo)。由圖7可知，運(yùn)行時(shí)間與數(shù)據(jù)集的大小成正相關(guān)，體育和軍事數(shù)據(jù)集花費(fèi)時(shí)間增加相對(duì)較少，說(shuō)明Hadoop更能處理較大的數(shù)據(jù)。

4.2 結(jié)果分析

默認(rèn)輸入方式對(duì)輸入數(shù)據(jù)產(chǎn)生至少與文件個(gè)數(shù)相等的分片，每個(gè)數(shù)據(jù)分片都交給一個(gè)Mapper處理，而且在進(jìn)行過(guò)map之后需要合并到reduce端，這會(huì)大大增加網(wǎng)絡(luò)擁堵。因?yàn)槊總€(gè)Job從建立、 處理、 提交到寫(xiě)到本地都需要一定的時(shí)間，并且在單機(jī)環(huán)境下只有一個(gè)Mapper， 它只能順序地執(zhí)行每一個(gè)Job。這樣分片的數(shù)目越多，Job需要花費(fèi)的時(shí)間也就越長(zhǎng)。因此處理大量小文件的速度就會(huì)非常慢。

而MyInputFormat文件輸入格式則將所有文件作為一個(gè)分片進(jìn)行處理，輸入方式則允許一個(gè)分片包含多個(gè)文件塊，大大減少了Map個(gè)數(shù)，并且改進(jìn)后并不需要reduce合并處理，省去了建立多個(gè)Job所消耗的時(shí)間，這大大提高了并行分詞的效率。

5 結(jié)束語(yǔ)

由于Mapreduce默認(rèn)的TextInputFormat輸入方式非常不適合處理大量小文件組成的數(shù)據(jù)。本文首先基于CombineFileInputFormat父類(lèi)，自定義文本輸入方式MyInputFormat，繼承父類(lèi)getSplits方法，重載父類(lèi)的isSplitable方法保證文件不被分割，并在重載createRecordReader方法時(shí)返回一個(gè)CombineFileRecordReader對(duì)象。第三，自定義MyRecordReader類(lèi)，指明解析文件的邏輯。最后，通過(guò)使用一個(gè)Map函數(shù)實(shí)現(xiàn)分詞。實(shí)驗(yàn)證明，在進(jìn)行并行分詞時(shí)，基于改進(jìn)后的MyInputFormat文本切片方式處理時(shí)間遠(yuǎn)比默認(rèn)的TextInputFormat切片方式要少得多。

參考文獻(xiàn)：

[1] 韓冬煦， 常寶寶. 中文分詞模型的領(lǐng)域適應(yīng)性方法[J]. 計(jì)算機(jī)學(xué)報(bào)， 2015， 38（2）.

[2] 曹勇剛， 曹羽中， 金茂忠， 等. 面向信息檢索的自適應(yīng)中文分詞系統(tǒng)[J]. 軟件學(xué)報(bào)， 2006， 17（3）.

[3] 中文分詞庫(kù) IKAnalyzer[EB/OL].http：///p/ikanalyzer/.

[4] Apache Lucene [EB/OL].http：///.

[5] 張晨逸， 孫建伶， 丁軼群. 基于MB_LDA模型的微博主題挖掘[J]. 計(jì)算機(jī)研究與發(fā)展， 2011， 48（10）.

[6] 申國(guó)偉，楊武，王巍，于淼.面向大規(guī)模微博消息流的突發(fā)話(huà)題檢測(cè)[J].計(jì)算機(jī)研究與發(fā)展， 2015， 52（2）.

[7] 王曉華. MapReduce 2.0源碼分析與編程實(shí)戰(zhàn)[M]. 北京： 人民郵電出版社， 2014.

[8] 應(yīng)毅，劉亞軍. MapReduce 并行計(jì)算技術(shù)發(fā)展綜述[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2014，23（4）.

[9] Eric Sammer.Hadoop技術(shù)詳解[M]. 劉敏， 麥耀鋒， 李冀蕾，等，譯.北京：人民郵電出版社， 2013.

[10] Chuck Lam.Hadoop實(shí)戰(zhàn)[M]. 韓冀中，譯.北京：人民郵電出版社， 2011.

[11] Boris Lublinsky，Smith K T， Alexey Yakubovich. Hadoop高級(jí)編程[M]. 穆玉偉， 靳曉輝，譯. 北京： 清華大學(xué)出版社， 2014.