This survey paper provides a general overview on Cloud Computing. The topics that are discussed include characteristics, deployment and service models as well drawbacks. Major aspects of Cloud Computing are explained ...This survey paper provides a general overview on Cloud Computing. The topics that are discussed include characteristics, deployment and service models as well drawbacks. Major aspects of Cloud Computing are explained to give the reader a clearer understanding on the complexity of the platform. Following this, several security issues and countermeasures are also discussed to show the major issues and obstacles that Cloud Computing faces as it is being implemented further. The major part of countermeasures focuses on Intrusion Detection Systems. Moving towards Mobile Cloud Computing and Internet of Things, this survey paper gives a general explanation on the applications and potential that comes with the integration of Cloud Computing with any device that has Internet connectivity as well as the challenges that are before it.展开更多
P2P2B模式下云服务投入是工业互联网(industrial internet of things,IIoT)平台的关键战略决策之一.构建由IIoT平台、龙头企业、潜在客户构成的演化博弈模型,研究IIoT平台在公有云研发投入和私有云研发投入中的策略选择,及其与龙头企业...P2P2B模式下云服务投入是工业互联网(industrial internet of things,IIoT)平台的关键战略决策之一.构建由IIoT平台、龙头企业、潜在客户构成的演化博弈模型,研究IIoT平台在公有云研发投入和私有云研发投入中的策略选择,及其与龙头企业的生态合作问题.结果表明:虽然公有云存在数据泄露隐患,但较高的规模收益仍会吸引IIoT平台投入公有云研发,而平台搭建期内龙头企业的高合作意愿会促使平台投入私有云,随着龙头企业合作研发的比例增加,平台又将改变其投入策略.驱动龙头企业合作的因素可以是成本收益、技术提升等直接因素,也可以是规模收益、数据泄露概率等间接因素.最后,基于平台生命周期探讨了初创期、平台搭建期与生态系统期IIoT平台的系统稳定策略,并得到相应的管理启示.展开更多
蒙古国草地系统的健康状况关系着其畜牧业效益和国内外生态安全。衡量牲畜放牧密度并合理控制放牧密度对于维护蒙古国草地生态系统健康以及实现畜牧业的可持续发展具有重要意义。空间放牧密度梯度信息的缺失阻碍了对草地承载力相关研究...蒙古国草地系统的健康状况关系着其畜牧业效益和国内外生态安全。衡量牲畜放牧密度并合理控制放牧密度对于维护蒙古国草地生态系统健康以及实现畜牧业的可持续发展具有重要意义。空间放牧密度梯度信息的缺失阻碍了对草地承载力相关研究的推进。本研究基于2015年世界网格化牲畜数据集(gridded livestock of the world,GLW)、牧区人口密度、土壤水分、年降水、地表温度和净初级生产力(net primary productivity,NPP)等空间数据,利用谷歌地球引擎(Google Earth Engine,GEE)云平台运行随机森林回归算法,建立了蒙古国放牧密度估算模型;基于省域牲畜存栏量统计数据检验了模型的准确性,并结合不同年份预测因子数据,模拟了蒙古国2006—2020年放牧密度空间分布。为确保数据集的准确性,采用判定系数(R2)、平均绝对误差(MAE)和均方根误差(RMSE)三个误差测量指标对数据集进行校验。模拟结果显示,2006—2020年蒙古国放牧密度在空间上整体呈现北高南低的特点;2006—2010年蒙古国放牧密度扩张明显,放牧密度高于5 TLU/km^(2)区域面积占比由0.223%增加到51.390%;2010—2020年,蒙古国大部分地区放牧密度无显著变化。检验结果表明,该数据集较好地实现了蒙古国放牧密度空间化的模拟,2006、2010、2015和2020年模拟数据与蒙古国省域牲畜存栏量拟合R2分别为0.844、0.734、0.914、和0.926,均通过显著性检验,MAE分别为5.195、3.513、2.336、3.461,RMSE分别为8.135、5.257、4.200、5.909。本研究提供的蒙古国放牧密度数据集对该地区草地生态系统的可持续发展以及牧民的生计安全提供了重要信息支撑。展开更多
文摘This survey paper provides a general overview on Cloud Computing. The topics that are discussed include characteristics, deployment and service models as well drawbacks. Major aspects of Cloud Computing are explained to give the reader a clearer understanding on the complexity of the platform. Following this, several security issues and countermeasures are also discussed to show the major issues and obstacles that Cloud Computing faces as it is being implemented further. The major part of countermeasures focuses on Intrusion Detection Systems. Moving towards Mobile Cloud Computing and Internet of Things, this survey paper gives a general explanation on the applications and potential that comes with the integration of Cloud Computing with any device that has Internet connectivity as well as the challenges that are before it.
文摘P2P2B模式下云服务投入是工业互联网(industrial internet of things,IIoT)平台的关键战略决策之一.构建由IIoT平台、龙头企业、潜在客户构成的演化博弈模型,研究IIoT平台在公有云研发投入和私有云研发投入中的策略选择,及其与龙头企业的生态合作问题.结果表明:虽然公有云存在数据泄露隐患,但较高的规模收益仍会吸引IIoT平台投入公有云研发,而平台搭建期内龙头企业的高合作意愿会促使平台投入私有云,随着龙头企业合作研发的比例增加,平台又将改变其投入策略.驱动龙头企业合作的因素可以是成本收益、技术提升等直接因素,也可以是规模收益、数据泄露概率等间接因素.最后,基于平台生命周期探讨了初创期、平台搭建期与生态系统期IIoT平台的系统稳定策略,并得到相应的管理启示.
文摘蒙古国草地系统的健康状况关系着其畜牧业效益和国内外生态安全。衡量牲畜放牧密度并合理控制放牧密度对于维护蒙古国草地生态系统健康以及实现畜牧业的可持续发展具有重要意义。空间放牧密度梯度信息的缺失阻碍了对草地承载力相关研究的推进。本研究基于2015年世界网格化牲畜数据集(gridded livestock of the world,GLW)、牧区人口密度、土壤水分、年降水、地表温度和净初级生产力(net primary productivity,NPP)等空间数据,利用谷歌地球引擎(Google Earth Engine,GEE)云平台运行随机森林回归算法,建立了蒙古国放牧密度估算模型;基于省域牲畜存栏量统计数据检验了模型的准确性,并结合不同年份预测因子数据,模拟了蒙古国2006—2020年放牧密度空间分布。为确保数据集的准确性,采用判定系数(R2)、平均绝对误差(MAE)和均方根误差(RMSE)三个误差测量指标对数据集进行校验。模拟结果显示,2006—2020年蒙古国放牧密度在空间上整体呈现北高南低的特点;2006—2010年蒙古国放牧密度扩张明显,放牧密度高于5 TLU/km^(2)区域面积占比由0.223%增加到51.390%;2010—2020年,蒙古国大部分地区放牧密度无显著变化。检验结果表明,该数据集较好地实现了蒙古国放牧密度空间化的模拟,2006、2010、2015和2020年模拟数据与蒙古国省域牲畜存栏量拟合R2分别为0.844、0.734、0.914、和0.926,均通过显著性检验,MAE分别为5.195、3.513、2.336、3.461,RMSE分别为8.135、5.257、4.200、5.909。本研究提供的蒙古国放牧密度数据集对该地区草地生态系统的可持续发展以及牧民的生计安全提供了重要信息支撑。
