大数据技术英文论文参考文献

Big data refers to the huge volume of data that cannotbe stored and processed with in a time frame intraditional file next question comes in mind is how big this dataneeds to be in order to classify as a big data. There is alot of misconception in referring a term big data. Weusually refer a data to be big if its size is in gigabyte,terabyte, Petabyte or Exabyte or anything larger thanthis size. This does not define a big data a small amount of file can be referred to as a bigdata depending upon the content is being ’s just take an example to make it clear. If we attacha 100 MB file to an email, we cannot be able to do a email does not support an attachment of this with respect to an email, this 100mb filecan be referred to as a big data. Similarly if we want toprocess 1 TB of data in a given time frame, we cannotdo this with a traditional system since the resourcewith it is not sufficient to accomplish this you are aware of various social sites such asFacebook, twitter, Google+, LinkedIn or YouTubecontains data in huge amount. But as the users aregrowing on these social sites, the storing and processingthe enormous data is becoming a challenging this data is important for various firms togenerate huge revenue which is not possible with atraditional file system. Here is what Hadoop comes inthe Data simply means that huge amountof structured, unstructured and semi-structureddata that has the ability to be processed for information. Now a days massive amount of dataproduced because of growth in technology,digitalization and by a variety of sources, includingbusiness application transactions, videos, picture ,electronic mails, social media, and so on. So to processthese data the big data concept is data: a data that does have a proper formatassociated to it known as structured data. For examplethe data stored in database files or data stored in Data: A data that does not have aproper format associated to it known as structured example the data stored in mail files or in data: a data that does not have any formatassociated to it known as structured data. For examplean image files, audio files and video data is categorized into 3 v’s associated with it thatare as follows:[1]Volume: It is the amount of data to be generated a huge : It is the speed at which the data : It refers to the different kind data which . Challenges Faced by Big DataThere are two main challenges faced by big data [2]i. How to store and manage huge volume of . How do we process and extract valuableinformation from huge volume data within a giventime main challenges lead to the development ofhadoop is an open source framework developed byduck cutting in 2006 and managed by the apachesoftware foundation. Hadoop was named after yellowtoy was designed to store and process dataefficiently. Hadoop framework comprises of two maincomponents that are:i. HDFS: It stands for Hadoop distributed filesystem which takes care of storage of data withinhadoop . MAPREDUCE: it takes care of a processing of adata that is present in the let’s just have a look on Hadoop cluster:Here in this there are two nodes that are Master Nodeand slave node is responsible for Name node and JobTracker demon. Here node is technical term used todenote machine present in the cluster and demon isthe technical term used to show the backgroundprocesses running on a Linux slave node on the other hand is responsible forrunning the data node and the task tracker name node and data node are responsible forstoring and managing the data and commonly referredto as storage node. Whereas the job tracker and tasktracker is responsible for processing and computing adata and commonly known as Compute the name node and job tracker runs on asingle machine whereas a data node and task trackerruns on different . Features Of Hadoop:[3]i. Cost effective system: It does not require anyspecial hardware. It simply can be implementedin a common machine technically known ascommodity . Large cluster of nodes: A hadoop system cansupport a large number of nodes which providesa huge storage and processing . Parallel processing: a hadoop cluster provide theaccessibility to access and manage data parallelwhich saves a lot of . Distributed data: it takes care of splinting anddistributing of data across all nodes within a also replicates the data over the entire . Automatic failover management: once and AFMis configured on a cluster, the admin needs not toworry about the failed machine. Hadoop replicatesthe configuration Here one copy of each data iscopied or replicated to the node in the same rackand the hadoop take care of the internetworkingbetween two . Data locality optimization: This is the mostpowerful thing of hadoop which make it the mostefficient feature. Here if a person requests for ahuge data which relies in some other place, themachine will sends the code of that data and thenother person compiles it and use it in particularas it saves a log to bandwidthvii. Heterogeneous cluster: node or machine can beof different vendor and can be working ondifferent flavor of operating . Scalability: in hadoop adding a machine orremoving a machine does not effect on a the adding or removing the component ofmachine does . Hadoop ArchitectureHadoop comprises of two componentsi. HDFSii. MAPREDUCEHadoop distributes big data in several chunks and storedata in several nodes within a cluster whichsignificantly reduces the replicates each part of data into each machinethat are present within the no. of copies replicated depends on the replicationfactor. By default the replication factor is 3. Thereforein this case there are 3 copies to each data on 3 differentmachines。reference:Mahajan, P., Gaba, G., & Chauhan, N. S. (2016). Big Data Security. IITM Journal of Management and IT, 7(1), 89-94.自己拿去翻译网站翻吧，不懂可以问

1.[期刊论文]数据科学与大数据技术专业的教材建设探索期刊：《新闻文化建设》 | 2021 年第 002 期摘要：随着大数据时代的到来,信息技术蓬勃发展,国家大力推进大数据产业的发展,鼓励高校设立数据科学和数据工程相关专业。在趋势的推动下,许多高校成立了数据科学与大数据技术专业。本文通过研究数据科学与大数据技术专业的发展现状,探索新专业下人才培养的课程设置及教材建设等问题,同时介绍高等教育出版社在数据科学与大数据技术专业教材建设方面的研发成果。关键词：数据科学与大数据技术专业；课程设置；教材建设链接：.[期刊论文]数据科学与大数据技术专业课程体系探索期刊：《科教文汇》 | 2021 年第 002 期摘要：该文阐述了数据科学与大数据专业的设置必要性、专业的培养目标和知识能力结构,最后探索了数据科学与大数据专业的技术性课程体系设置方法.希望该文内容对数据科学与大数据技术专业的培养方案制订和课程体系构造具有一定的指导意义和参考价值.关键词：数据科学；大数据技术；课程体系链接：.[期刊论文]数据科学与大数据技术专业实验实践教学探析期刊：《长春大学学报（自然科学版）》 | 2021 年第 001 期摘要：近些年各种信息数据呈爆炸式增长,在这种背景下,国家在2015年印发了关于大数据技术人才培养的相关文件,每年多个高校的大数据相关专业获批.数据量的增长对数据处理的要求越来越高,各行业涉及信息数据的范围越来越广,对大数据专业人才的需求越来越多.为了应对社会需求,如何科学地规划数据科学与大数据专业的本科教育,尤其在当前注重实践操作的背景下,如何制定适合的实验实践教学方案,更好满足社会需求.关键词：数据科学；大数据；实践教学链接：

大数据论文参考文献回答于2018-09-14现今人们的生活到处充斥着大数据给我们带来的便利，那么大数据论文参考文献有哪些呢?小编为方便大家特意搜集了一些大数据论文参考文献，希望能帮助到大家。大数据论文参考文献一：[1] 陈杰. 本地文件系统数据更新模式研究[D]. 华中科技大学 2014[2] 刘洋. 层次混合存储系统中缓存和预取技术研究[D]. 华中科技大学 2013[3] 李怀阳. 进化存储系统数据组织模式研究[D]. 华中科技大学 2006[4] 邓勇强，朱光喜，刘文明. LDPC码的低复杂度译码算法研究[J]. 计算机科学. 2006(07)[5] 陆承涛. 存储系统性能管理问题的研究[D]. 华中科技大学 2010[6] 罗东健. 大规模存储系统高可靠性关键技术研究[D]. 华中科技大学 2011[7] 王健宗. 云存储服务质量的若干关键问题研究[D]. 华中科技大学 2012[8] 余雪里. 金属氧化物pn异质结对光电响应与气体敏感特性的作用[D]. 华中科技大学 2014[9] 王玮. 基于内容关联密钥的视频版权保护技术研究[D]. 华中科技大学 2014[10] 韩林. 云存储移动终端的固态缓存系统研究[D]. 华中科技大学 2014[11] 田宽. 宫内节育器用Cu/LDPE复合材料的表面改性研究[D]. 华中科技大学 2013[12] 聂雪军. 内容感知存储系统中信息生命周期管理关键技术研究[D]. 华中科技大学 2010[13] 王鹏. 低密度奇偶校验码应用于存储系统的关键技术研究[D]. 华中科技大学 2013[14] 刁莹. 用数学建模方法评价存储系统性能[D]. 哈尔滨工程大学 2013[15] 符青云. 面向大规模流媒体服务的高性能存储系统研究[D]. 电子科技大学 2009[16] 王玉林. 多节点容错存储系统的数据与缓存组织研究

大数据分析技术论文参考文献

《大数据技术原理与应用—概念、存储、处理、分析与应用》。hadoop参考文献有《大数据技术原理与应用—概念、存储、处理、分析与应用》，Hadoop是一个开源的框架，可编写和运行分布式应用处理大规模数据。

网络安全与大数据技术应用探讨论文

摘要：随着互联网技术的高速发展与普及，现如今互联网技术已经广泛应用于人们工作与生活之中，这给人们带来了前所未有的便利，但与此同时各种网络安全问题也随之显现。基于此，本文主要介绍了大数据技术在网络安全领域中的具体应用，希望在网络系统安全方面进行研究的同时，能够为互联网事业的持续发展提供可行的理论参考。

关键词：网络安全；大数据技术；应用分析

前言

随着近年来互联网技术的不断深入，网络安全事故也随之频频发生。出于对网络信息安全的重视，我国于2014年成立了国家安全委员会，正式将网络安全提升为国家战略部署，这同时也表示我国网络信息安全形势不容乐观，网络攻击事件处于高发状态。木马僵尸病毒、恶意勒索软件、分布式拒绝服务攻击、窃取用户敏感信息等各类网络攻击事件的数量都处于世界前列。时有发生的移动恶意程序、APT、DDOS、木马病毒等网络攻击不仅会严重阻碍网络带宽、降低网络速度、并且对电信运营商的企业声誉也会产生一定影响。根据大量数据表明，仅仅依靠传统的网络防范措施已经无法应对新一代的网络威胁，而通过精确的检测分析从而在早期预警，已经成为现阶段网络安全能力的关键所在。

1网络安全问题分析

网络安全问题不仅涉及公民隐私与信息安全，更关乎国事安全，例如雅虎的信息泄露，导致至少五亿条用户信息被窃；美国棱镜门与希拉里邮件门等等事件都使得网络安全问题进一步升级、扩大。随着互联网构架日益复杂，网络安全分析的数据量也在与日俱增，在由TB级向PB级迈进的过程，不仅数据来源丰富、内容更加细化，数据分析所需维度也更为广泛。伴随着现阶段网络性能的增长，数据源发送速率更快，对安全信息采集的速度要求也就越高，版本更新延时等导致的Odav等漏洞日渐增多，网络攻击的影响范围也就进一步扩大；例如APT此类有组织、有目标且长期潜伏渗透的多阶段组合式攻击更加难以防范，唯有分析更多种类的安全信息并融合多种手段进行检测抵御。在传统技术架构中，大多使用结构化数据库来进行数据存储，但由于数据存储的成本过高，系统往往会将原始数据进行标准化处理后再进行存储，如此易导致数据的丢失与失真以及历史数据难以保存而造成的追踪溯源困难；同时对于嘈杂的大型、非结构化数据集的执行分析以及复杂查询效率很低，导致数据的实时性及准确性难以保证，安全运营效率不高，因此传统网络安全技术已经难以满足现阶段网络安全分析的新要求。大数据技术这一概念最初由维克托.迈尔.舍恩伯格与肯尼斯.库克耶在2008年出版的《大数据时代》一书中提出的，大数据是指不采用随机分析法，而是对所有的数据进行综合分析处理。大数据技术作为现阶段信息架构发展的趋势之首，其独有的高速、多样、种类繁多以及价值密度低等特点，近年来被广泛应用于互联网的多个领域中。大数据的战略意义在于能够掌握庞大的数据信息，使海量的原始安全信息的存储与分析得以实现、分布式数据库相比传统数据库的存储成本得以降低，并且数据易于在低廉硬件上的水平扩展，极大地降低了安全投入成本；并且伴随着数据挖掘能力的大幅提高，安全信息的采集与检测响应速度更加快捷，异构及海量数据存储的支持打造了多维度、多阶段关联分析的基础，提升了分析的深度与广度。对于网络安全防御而言，通过对不同来源的数据进行综合管理、处理、分析、优化，可实现在海量数据中极速锁定目标数据，并将分析结果实时反馈，对于现阶段网络安全防御而言至关重要。

2大数据在网络安全中的应用

将大数据运用到网络安全分析中，不仅能够实现数据的优化与处理，还能够对日志与访问行为进行综合处理，从而提高事件处理效率。大数据技术在网络安全分析的效果可从以下几点具体分析：

数据采集效率

大数据技术可对数据进行分布式地采集，能够实现数百兆/秒的采集速度，使得数据采集速率得到了极大的提高，这也为后续的关联分析奠定了基础。

数据的存储

在网络安全分析系统中，原始数据的存储是至关重要的，大数据技术能够针对不同数据类型进行不同的数据采集，还能够主动利用不同的方式来提高数据查询的效率，比如在对日志信息进行查询时适合采用列式的存储方式，而对于分析与处理标准化的数据，则适合采用分布式的模式进行预处理，在数据处理后可将结果存放在列式存储中；或者也可以在系统中建立起MapReduce的查询模块，在进行查询的时候可直接将指令放在指定的节点，完成处理后再对各个节点进行整理，如此能够确保查询的速度与反应速度。

实时数据的分析与后续数据的处理

在对实时数据的分析中，可以采用关联分析算法或CEP技术进行分析，如此能够实现对数据的采集、分析、处理的综合过程，实现了更高速度以及更高效率的处理；而对于统计结果以及数据的处理，由于这种处理对时效性要求不高，因此可以采用各种数据处理技术或是利用离线处理的方式，从而能够更好地完成系统风险、攻击方面的分析。

关于复杂数据的分析

在针对不同来源、不同类型的复杂数据进行分析时，大数据技术都能够更好的完成数据的分析与查询，并且能够有效完成复杂数据与安全隐患、恶意攻击等方面的处理，当网络系统中出现了恶意破坏、攻击行为，可采用大数据技术从流量、DNS的角度出发，通过多方面的数据信息分析实现全方位的防范、抵御。

3基于大数据技术构建网络系统安全分析

在网络安全系统中引入大数据技术，主要涉及以下三个模块：

数据源模块

网络安全系统中的`数据及数据源会随着互联网技术的进步而倍增技术能够通过分布式采集器的形式，对系统中的软硬件进行信息采集，除了防火墙、检测系统等软件，对设备硬件的要求也在提高，比如对服务器、存储器的检查与维护工作。

数据采集模块

大数据技术可将数据进行对立分析，从而构建起分布式的数据基础，能够做到原始数据从出现到删除都做出一定说明，真正实现数据的访问、追溯功能，尤其是对数据量与日俱增的今天而言，分布式数据存储能够更好地实现提高数据库的稳定性。

数据分析模块

对网络安全系统的运营来说，用户的业务系统就是安全的最终保障对象，大数据分析能够在用户数据产生之初，及时进行分析、反馈，从而能够让网络用户得到更加私人化的服务体验。而对于用户而言，得其所想也会对网络系统以及大数据技术更加的信任，对于个人的安全隐私信息在系统上存储的疑虑也会大幅降低。当前网络与信息安全领域正在面临着全新的挑战，企业、组织、个人用户每天都会产生大量的安全数据，现有的安全分析技术已经难以满足高效率、精确化的安全分析所需。而大数据技术灵活、海量、快速、低成本、高容量等特有的网络安全分析能力，已经成为现阶段业界趋势所向。而对互联网企业来说，实现对数据的深度“加工处理”，则是实现数据增值的关键所在，对商业运营而言是至关重要的。

4结语

在当下时代，信息数据已经渗透到各个行业及业务领域中，成为重要的社会生产因素。正因如此，互联网数据产生的数量也在与日倍增中，这给网络安全分析工作带来了一定难度与压力，而大数据技术则能够很好的完善这一问题。在网络系统中应用大数据技术不仅能够满足人们对数据处理时所要求的高效性与精准性，并且能够在此基础上构建一套相对完善的防范预警系统，这对维护网络系统的安全起着非常关键的作用，相信大数据技术日后能够得到更加广泛的应用。

参考文献：

[1]鲁宛生.浅谈网络安全分析中大数据技术的应用[J].数码世界，2017.

[2]王帅,汪来富,金华敏等.网络安全分析中的大数据技术应用[J].电信科学，2015.

[3]孙玉.浅谈网络安全分析中的大数据技术应用[J].网络安全技术与应用，2017.

大数据物联网技术论文参考文献

物联网毕业论文参考文献推荐

大学生活在不经意间即将结束，毕业论文是每个大学生都必须通过的，毕业论文是一种、有准备的检验大学学习成果的形式，优秀的毕业论文都具备一些什么特点呢？以下是我帮大家整理的物联网毕业论文参考文献，欢迎大家借鉴与参考，希望对大家有所帮助。

[1]瞿中,熊安萍,蒋溢.计算机科学导论(第3版). 北京:清华大学出版社,2010年3月

[2]Peter Norton著;杨继萍,钱伟等译.计算机导论(第6版).北京:清华大学出版社,2009年1月

[3]郭卫斌,杨建国. 计算机导论.上海:华东理工大学出版社,2012年8月

[4]吴功宜,吴英.物联网工程导论. 北京:高等教育出版社, 2012年7月

[5]刘云浩. 物联网导论.北京:科学出版社, 2011年3月

[6]张雯婷.物联网导论.北京:清华大学出版社, 2012年4月

[7]董荣胜. 计算机科学导论-思想与方法. 北京:机械工业出版社, 2007年8月

[8]陈国良.计算思维导论.北京:高等教育出版社, 2012年10月

[9] 彭力.基于案例的物联网导论.北京:化学工业出版社, 2012年10月

[10]王志良,王粉花.物联网工程概论.北京:机械工业出版社, 2011年4月

[11]石志国,王志良,丁大伟.物联网技术与应用.北京:清华大学出版社, 2012年8月

[12]詹青龙,刘建卿.物联网工程导论.北京:清华大学出版社, 2012年1月

《高等学校计算机科学与技术专业公共核心知识体系与课程》(清华大学出版社,2008年10月)

《高等学校计算机科学与技术专业专业能力构成与培养》(机械工业出版社,2010年3月)

《高等学校物联网工程专业实践教学体系与规范(试行)》(机械工业出版社,2012年7月)

《高等学校物联网工程专业发展战略研究报告暨专业规范(试行)》(机械工业出版社,2012年7月)

[1].吕淑玲与侍红军,主从多智能体网络快速随机一致性.山东大学学报(理学版),2014(01):第65-70页.

[2].彭换新与戚国庆,离散高阶分布式一致性算法.计算机应用研宄,2013(09):第2700-2703 页.

[3].赵海与刘倩,一种面向多智能体群集的避障算法.东北大学学报(自然科学版),2014(03):第347-350页.

[4].范国梁与王云宽,基于几何方法的多智能体群体刚性运动的路径规划.机器人,2005(04):第362-366页.

[5].朱旭,不同延迟下离散多智能体系统的一致性.电子与信息学报,2012(06):第1516-1520 页.

[6].杨洪勇,具有领航者的时延多智能体系统的一致性.电子学报,2011(04):第872-876 页.

[7].孟红云与刘三阳,求解多目标优化问题的多智能体遗传算法.西北大学学报(自然科学版),2005(01):第13-16页.

[8].闫超与朱伟,具有动态拓扑和不同时延的二阶多智能体系统的一致性分析.重庆邮电大学学报,2011(04):第478-482页.

[9].Zhao, ., et al., Distributed output feedback consensus of discrete-timemulti-agent systems. NEUROCOMPUTING, 2014. 138: 86-91.

[10].Hu, . and G. Feng, Distributed tracking control of leader-follower multi-agent systems under noisy measurement. AUTOMATICA, 2010. 46(8): 1382-1387.

[11].Yan, al.,Decentralized event-triggered consensus control for second-ordermulti-agent systems. NEUROCOMPUTING, 2014. 133: 18-24.

[1]郭愈强,樊玮.数据挖掘技术在民航CRM中的应用[J],计算机工程,2005(31):169-171.

[2]刘彬,白万民.浅析数据挖掘技术在CRM中的应用[J].电子世界,2014,01(17):16-17.

[3]杨虎猛,朱汝岳.金融业分型CRM系统探索与应用[J].计算机应用与软件,2013,07(30):259-261.

[4]徐国庆,段春梅.数据挖掘技术在CRM中的应用研究[J].网络安全技术与应用,2012,02(12):38-40.

[5]王一鸿.体检中心CRM构建及数据挖掘的应用研究[D].华东理工大学,2011.

[6]潘光强.基于数据挖掘的CRM设计与应用研究[D].安徽工业大学,2011.

[1]王顺.PHP网站开发实践指南[M].北京:清华大学出版社,2012.

[2]黄缙华.MySQL入门很简单[M].北京:清华大学出版社,2011.

[3][CP/OL]..

[4]钟伟财.精通与MySQL架构Wed数据库实务[M].北京:中国青年出版社,2000.

[5]赵鹤芹.设计动态网站的`最佳方案:Apache+PHP+MySQL[J].计算机工程与设计,2007(28).

[6]贾素来.常见动态网页技术比较[J].大众科技,2008(9).

[7]张晋芳.PHP在网站后台建设中的优势[J].电脑开发与应用,2012(12).

[8]徐旭阳.浅谈SQLServer2008+JSP网站开发[J].计算机光盘软件与应用,2013(20).

[1]安德森ASP NET高级编程[M]北京:清华大学出版社,2002

[3]秦鑫,朱绍文NET框架数据访问结构[J]计算机系统应用[M]2002,12

[4]张辉鹏基于NET的电子商务系统的研究和设计[D]武汉:武汉理工大学计算机科学与技术学院,2006

[5]廖新彦ASP NET交互式Web数据库设计[M]北京:中国铁道出版社,2004

[6]Jeffrey Richter Applied Microsoft NET Framework Programming[M].北京:清华大学出版社,2004

[8]蒋秀英SQL Server 2000数据库与应用[M]北京:清华大学出版社,2006

[9]龚小勇关系数据库与SQL Server 2000[M]北京:机械工业出版社,2007

[10]萨师煊,王珊数据库系统概论(第三版)[M]北京:高等教育出版社,2000

[11]李中华基于NET的模式实现与应用[D]四川:四川大学,2006

[12]任开银,黄东在NET上架构公司级应用程序[J]微型机与应用2003,1

[13]叶春阳基于Web服务的流程协作研究[D]北京:中国科学院研究生院,2003

[14]李琳NET开发平台核心服务的研究与应用[D]武汉:武汉理工大学计算机科学与技术学院,2003

[15]张莉,王强,赵文防,董莉,SQL server数据库原理及应用教程[M],清华大学出版社,2004 06

[26]王国荣,ASP net网页制作教程[M],华中科技大学出版社,2002

[17]吴晨,ASP NET数据库项目案例导航[M],清华大学出版社,2004

[18]郝文华,ASP NET与网络数据库开发培训教程[M],机械工业出版社,2004

[19]李律松,VisualC#数据库高级教程[M],清华大学出版社,2005 06

[20]申朝阳,宋颜浩,ASP NET与相关数据库技术[M],水利水电出版社,2005 1

互联网技术与大数据论文参考文献

物联网毕业论文参考文献推荐

[1]瞿中,熊安萍,蒋溢.计算机科学导论(第3版). 北京:清华大学出版社,2010年3月

[2]Peter Norton著;杨继萍,钱伟等译.计算机导论(第6版).北京:清华大学出版社,2009年1月

[3]郭卫斌,杨建国. 计算机导论.上海:华东理工大学出版社,2012年8月

[4]吴功宜,吴英.物联网工程导论. 北京:高等教育出版社, 2012年7月

[5]刘云浩. 物联网导论.北京:科学出版社, 2011年3月

[6]张雯婷.物联网导论.北京:清华大学出版社, 2012年4月

[7]董荣胜. 计算机科学导论-思想与方法. 北京:机械工业出版社, 2007年8月

[8]陈国良.计算思维导论.北京:高等教育出版社, 2012年10月

[9] 彭力.基于案例的物联网导论.北京:化学工业出版社, 2012年10月

[10]王志良,王粉花.物联网工程概论.北京:机械工业出版社, 2011年4月

[11]石志国,王志良,丁大伟.物联网技术与应用.北京:清华大学出版社, 2012年8月

[12]詹青龙,刘建卿.物联网工程导论.北京:清华大学出版社, 2012年1月

《高等学校计算机科学与技术专业公共核心知识体系与课程》(清华大学出版社,2008年10月)

《高等学校计算机科学与技术专业专业能力构成与培养》(机械工业出版社,2010年3月)

《高等学校物联网工程专业实践教学体系与规范(试行)》(机械工业出版社,2012年7月)

《高等学校物联网工程专业发展战略研究报告暨专业规范(试行)》(机械工业出版社,2012年7月)

[1].吕淑玲与侍红军,主从多智能体网络快速随机一致性.山东大学学报(理学版),2014(01):第65-70页.

[2].彭换新与戚国庆,离散高阶分布式一致性算法.计算机应用研宄,2013(09):第2700-2703 页.

[3].赵海与刘倩,一种面向多智能体群集的避障算法.东北大学学报(自然科学版),2014(03):第347-350页.

[4].范国梁与王云宽,基于几何方法的多智能体群体刚性运动的路径规划.机器人,2005(04):第362-366页.

[5].朱旭,不同延迟下离散多智能体系统的一致性.电子与信息学报,2012(06):第1516-1520 页.

[6].杨洪勇,具有领航者的时延多智能体系统的一致性.电子学报,2011(04):第872-876 页.

[7].孟红云与刘三阳,求解多目标优化问题的多智能体遗传算法.西北大学学报(自然科学版),2005(01):第13-16页.

[8].闫超与朱伟,具有动态拓扑和不同时延的二阶多智能体系统的一致性分析.重庆邮电大学学报,2011(04):第478-482页.

[9].Zhao, ., et al., Distributed output feedback consensus of discrete-timemulti-agent systems. NEUROCOMPUTING, 2014. 138: 86-91.

[10].Hu, . and G. Feng, Distributed tracking control of leader-follower multi-agent systems under noisy measurement. AUTOMATICA, 2010. 46(8): 1382-1387.

[11].Yan, al.,Decentralized event-triggered consensus control for second-ordermulti-agent systems. NEUROCOMPUTING, 2014. 133: 18-24.

[1]郭愈强,樊玮.数据挖掘技术在民航CRM中的应用[J],计算机工程,2005(31):169-171.

[2]刘彬,白万民.浅析数据挖掘技术在CRM中的应用[J].电子世界,2014,01(17):16-17.

[3]杨虎猛,朱汝岳.金融业分型CRM系统探索与应用[J].计算机应用与软件,2013,07(30):259-261.

[4]徐国庆,段春梅.数据挖掘技术在CRM中的应用研究[J].网络安全技术与应用,2012,02(12):38-40.

[5]王一鸿.体检中心CRM构建及数据挖掘的应用研究[D].华东理工大学,2011.

[6]潘光强.基于数据挖掘的CRM设计与应用研究[D].安徽工业大学,2011.

[1]王顺.PHP网站开发实践指南[M].北京:清华大学出版社,2012.

[2]黄缙华.MySQL入门很简单[M].北京:清华大学出版社,2011.

[3][CP/OL]..

[4]钟伟财.精通与MySQL架构Wed数据库实务[M].北京:中国青年出版社,2000.

[5]赵鹤芹.设计动态网站的`最佳方案:Apache+PHP+MySQL[J].计算机工程与设计,2007(28).

[6]贾素来.常见动态网页技术比较[J].大众科技,2008(9).

[7]张晋芳.PHP在网站后台建设中的优势[J].电脑开发与应用,2012(12).

[8]徐旭阳.浅谈SQLServer2008+JSP网站开发[J].计算机光盘软件与应用,2013(20).

[1]安德森ASP NET高级编程[M]北京:清华大学出版社,2002

[3]秦鑫,朱绍文NET框架数据访问结构[J]计算机系统应用[M]2002,12

[4]张辉鹏基于NET的电子商务系统的研究和设计[D]武汉:武汉理工大学计算机科学与技术学院,2006

[5]廖新彦ASP NET交互式Web数据库设计[M]北京:中国铁道出版社,2004

[6]Jeffrey Richter Applied Microsoft NET Framework Programming[M].北京:清华大学出版社,2004

[8]蒋秀英SQL Server 2000数据库与应用[M]北京:清华大学出版社,2006

[9]龚小勇关系数据库与SQL Server 2000[M]北京:机械工业出版社,2007

[10]萨师煊,王珊数据库系统概论(第三版)[M]北京:高等教育出版社,2000

[11]李中华基于NET的模式实现与应用[D]四川:四川大学,2006

[12]任开银,黄东在NET上架构公司级应用程序[J]微型机与应用2003,1

[13]叶春阳基于Web服务的流程协作研究[D]北京:中国科学院研究生院,2003

[14]李琳NET开发平台核心服务的研究与应用[D]武汉:武汉理工大学计算机科学与技术学院,2003

[15]张莉,王强,赵文防,董莉,SQL server数据库原理及应用教程[M],清华大学出版社,2004 06

[26]王国荣,ASP net网页制作教程[M],华中科技大学出版社,2002

[17]吴晨,ASP NET数据库项目案例导航[M],清华大学出版社,2004

[18]郝文华,ASP NET与网络数据库开发培训教程[M],机械工业出版社,2004

[19]李律松,VisualC#数据库高级教程[M],清华大学出版社,2005 06

[20]申朝阳,宋颜浩,ASP NET与相关数据库技术[M],水利水电出版社,2005 1

, V., & Sun, C. (2010). Two-network interconnection: Design and applications. IEEE Network, 24(6), 22–, Y., Wang, L., He, X., & Xu, Q. (2006). Interconnecting two networks: Models and algorithms. IEEE Transactions on Parallel and Distributed Systems, 17(11), 1180–, L., & Heng, P. A. (2011). A novel method for interconnecting two networks with different topologies. Computer Networks, 55(13), 2761–, ., Cheong, ., Ro, ., & Kim, . (2001). Interworking of two autonomous mobile IP networks—Examples and performance analysis. In Proceedings of the 7th International Conference on Computer Communications and Networks (pp. 155–159)., U., Bhargava, V., & Rana, M. S. (2005). Interconnection of two wireless networks using bridge router. In Proceedings of the 2005 International Conference on Wireless Communications and Mobile Computing (pp. 675–680).

关于两网互联应用场景的参考文献有:《两网互联应用场景分析》、《多普勒载波技术研究与开发》、《轻型多网络集成技术研究》等。

大数据论文参考文献英文

M专著J期刊D论文

1、M——专著。示例：[序号] 期刊作者，严复思想研究[M]。桂林：XXXX出版社，1989。

2、N——报纸文章。示例：[序号] 期刊作者.经济全球化的重要性[N]. XX日报，1998-12-27。

3、J——期刊文章。示例：[序号] 期刊作者．题名〔J〕，刊名，出版年，卷(期)：起止页码。

4、D——学位论文。示例：[序号] 学位论文作者．题名〔D〕，保存地点．保存单位。年份。

5、R——报告。示例：[序号] 报告作者，题名〔R〕，保存地点．年份。

6、S——标准。示例：[序号] 标准代号，标准名称[S]，出版地：出版者，出版年。

7、P——专利。示例：[序号] 专利所有者，专利题名[P]。专利国别：专利号，发布日期。

8、A——专著，论文集中的析出文献。

扩展资料：

参考文献的著录原则：

1、只著录最必要，最新的文献。著录的文献要精选，仅限于著录作者亲自阅读过并在论文中直接引用的文献，而且无特殊需要不必罗列众所周知的教科书或某些陈旧史料。

2、只著录公开发表的文献。公开发表是指在国内外公开发行的报刊或正式出版的图书上发表。在供内部交流的刊物上发表的文章和内部使用的资料，尤其是不宜公开的资料均不能作为参考文献引用。

3、引用论点必须准确无误，不能断章取义。

4、采用规范化的著录格式。关于文后参考文献的著录已有国际标准和国家标准，论文作者和期刊编者都应熟练掌握，严格执行。

5、参考文献的著录方法。根据GB 7714—87《文后参考文献著录规则》中规定采用顺序编码制。

参考资料来源：百度百科-参考文献

参考资料来源：百度百科-论文

参考文献著录中的文献类别代码普通图书：M 会议录：C 汇编：G 报纸：N 期刊：J 学位论文：D 报告：R 标准：S 专利：P 数据库：DB 计算机程序：CP 电子公告：EB 参考文献表中，文献的作者不超过3位时，全部列出；超过3位时，只列前3位，后面加“等”字或相应的的外文；作者姓名之间不用“和”或“and”，而用“，”分开；中国人和外国人的姓名一律采用姓前名后著录法。西文作者的名字部分可缩写，并省略缩写点“.”。