基于粘贴DNA计算模型的数据存储技术
收稿日期:2005-09-07 收稿日期:2005-11-16
基金项目:国家自然科学基金资助项目(60573190,30370356,60574041);河南省自然科学基金资助项目(511011600,021*******) 作者简介:王延峰(1973-),男,河南南阳人,讲师,博士研究生,主要研究方向:DNA 计算、基因网络; 强小利(1979-),女,陕西延安人,博士研究生,主要研究方向:DNA 计算; 崔光照(1957-),男,河南洛阳人,教授,博士,主要研究方向:DNA 计算、基因网络.
文章编号:1001-9081(2006)03-0627-03
基于粘贴DNA 计算模型的数据存储技术
王延峰1,2
,强小利1
,崔光照
2
(1.华中科技大学控制科学与工程系,湖北武汉430074;2.郑州轻工业学院电气信息工程学院,河南郑州450002)
(wangyf@mail .hust .edu .cn )
摘 要:提出了一种新的基于粘贴DNA 计算模型的数据存储技术的实现方法。该方法以重组DNA 技术作为实现DNA 数据存储的技术基础,以DNA 计算理论研究中的粘贴模型作为信息编码工具。具体实现过程包括选择DNA 载体,选择受体细胞,通过创建粘贴DNA 计算模型的ASC Ⅱ字符编码进行信息编码,创建数据索引,最后实现数据的存储与检索。
关键词:DNA 重组;数据存储;信息编码;数据索引中图分类号:TP311.12 文献标识码:A
Da t a storage technology ba sed on sti ck i n g m odel of D NA com puti n g
WANG Yan 2feng 1,2
,Q I A NG Xiao 2li 1
,CU I Guang 2zhao
1,2
(1.D epart m ent of Control Science and Engineering,Huazhong U niversity of Science and Technology,W uhan Hubei 430074,China ;2.College of Electric &Infor m ation Engineering,Zhengzhou U niversity of L ight Industry,Zhengzhou Henan 450002,China )
Abstract:A ne w method t o st ore data based on DNA molecules was p r oposed .I n this method,recombinant DNA
technol ogy was used t o realize data st orage,and the sticking model was used t o encode inf or mati on .I n additi on,a ne w ASC II code based on the sticking model was p r oposed for encoding inf or mati on .I n order t o realize data st orage and search,vari ous bi otechniques were t ouched on,such as selecting DNA carrier and recep t or cell,creating data index,etc .
Key words:DNA recombinant;data st orage;infor mati on encoding;data index
0 引言
目前,信息存储技术的主要发展方向是超大存储容量、大数据传输率和较高系统可用性。其中超大存储容量的研究主要集中于:1)现有存储技术的更新换代,如高密度光存储技术研究和超高密度磁性存储介质技术研究;2)寻找新的存储介质(材料),如英国Polight 公司将于近期推出全息存储介质———“Hol onide ”无机类材料以及本文所要讨论的基于DNA 的数据存储技术。
早在30多年前,人们就已经开始进行DNA 数据存储技术的可行性研究[1,2]。其中Hoch [1]和Wong [3]两个研究小组的试验研究成果最具代表性。
Hoch 研究小组的试验过程可简述为:1)编码原始信息并合成人工DNA 序列;2)将该DNA 序列隐藏在打印文档中;3)将该文档密封后通过邮局投递;4)所包含的信息在实验室里得以完整恢复。试验证明,DNA 序列可以像纸张一样作为信息存储介质并能够在投递过程的恶劣环境中得以保存。不足之处在于它不能像现有存储设备一样长久地保存数据。Wong 研究小组则在实验室内使用基本的生物工程技术,在7个细菌体内合成了7个带有异源载体信息(57～99个碱基对)的DNA 片断,成功地实现了数据的存储和提取。这两个试验在一定程度上验证了基于DNA 的数据存储技术的可行性。
基于DNA 的数据存储技术是研究DNA 计算机体系结构的重要一环。本文拟从DNA 重组技术着手,以Wong 的工作
为基础,对目前DNA 计算中最具发展前景的粘贴模型的数据存储技术作初步探讨。
1 DNA 分子结构及存储优点
DNA 组成的基本单位是脱氧核苷酸。每个脱氧核苷酸
由一分子磷酸、一分子脱氧核糖和一分子含氮碱基组成。含氮碱基有四种:腺嘌呤(A )、鸟嘌呤(G )、胞嘧啶(C )和胸腺嘧啶(T )。碱基之间按碱基互补配对原则进行配对,即腺嘌呤(A )一定与胸腺嘧啶(T )配对;鸟嘌呤(G )一定与胞嘧啶(C )配对。一串用4个字母A,T,C 和G (代表碱基)所形成的一个单链称为一个寡核苷酸。它与其互补链配对形成双链DNA 。所以,从编码角度看,这意味着任何一条信息都可以表示成一个DNA 单链码,即DNA 分子可以作为信息的携带者。由碱基对所组成的特殊分子可以被形象地认为是用于计算的处理单元。即DNA 的碱基互补配对特性可被用于执行辅助型存储器[4],从而为实现更广泛意义上的数据的存储与提取提供了可能。
作为存储介质,DNA 具有以下突出优点[5]:1)海量信息可置于其基序列中。在DNA 分子中,核苷酸之间的间隙为0.35n m,从而使DNA 具有了近7Mbits/c m 的不同寻常的数据密度。在二维空间中,如果假设每n m 2有一个核苷酸的话,
则其数据存储密度可以超过1.5×105Gbits/c m 2
(典型的高性能硬盘的数据存储密度仅为1.1Gbits/c m 2)。另外,更重要的是,对于相同长度的序列,DNA 序列所携带的信息也远比二
第26卷第3期
2006年3月
计算机应用
Computer App licati ons
Vol .26No .3Mar .2006
进制数字丰富。
2)超强自纠错能力。DNA 序列的互补性使DNA 成为一种独特的计算结构,这种性质可以多种方式加以利用。典型例子就是自纠错能力。由于种种原因,DNA 或酶在生化反应过程中均可能出现错误。如果错误仅仅发生在双链DNA 的某一段上,则修复酶利用补序列串作为参考,即可恢复正确的DNA 序列。在生物系统中,这种纠错能力意味着极低的错误率。例如,在DNA 复制时,每复制109个核苷酸仅发生一次错误,即错误率仅为10-9。
3)在生命体中,DNA 可循迹记录并且具有自我复制功能。作为生命体的遗传物质,DNA 的主要功能是存储和传递遗传信息。遗传物质所必须具备的稳定性特点和能够精确的自我复制,从而使亲代与子代间保持遗传的连续性的特点仿佛暗示着DNA 是大自然提供给人类的天然的、完美的存储介质。
4)容易得到妥善保护。这得益于生物长期进化所形成的自我保护功能,DNA 以生命体作为自然屏障,既可适应于自然的或极端的(如果需要)环境条件,又可通过遗传保持信息的连续传递。
2 重组DNA 技术
重组DNA 技术是指利用酶学的方法,在体外将各种来源的遗传物质(同源的或异源的,原核的或真核的,天然的或人工的)与载体DNA 接合成一个具有自我复制能力的DNA 分子———复制子,然后,通过转化或转染宿主细胞,筛选出含有目的基因的转化子细胞,再进行扩增提取获得大量同一DNA 分子。也称基因克隆[6]。
DNA 重组技术操作过程可以形象地归纳为:分(分离目的基因),切(用限制酶剪切目的基因和载体),接(拼接重组体),转(转入受体菌)和筛(筛选重组体)。DNA 重组技术操作的主要步骤如图1所示
。
图1 DNA 重组技术操作的主要步骤
3 DNA 数据存储
利用DNA 重组技术,以DNA 作为存储介质的数据存储
操作需要以下5个步骤:1)选择DNA 载体;2)选择受体细胞;3)信息编码;4)创建数据索引;5)数据的存储与检索。
3.1 DNA 载体的选择
M urray 于1983年首次成功构建酵母人工染色体(Yeast A rtificial Chr omos ome,Y AC )
[7]
,Burke 于1987年构建成Y AC
克隆库[8]。酵母染色体的控制系统包括3部分:1)着丝粒(Centr omere,CE N )。它的作用是使染色体的附着粒与有丝分
裂的纺锤丝相连,保证染色体在细胞分裂过程中正确分配到子代细胞中。2)端粒(Tel ot m ere,TE L )。位于染色体两个末端,它的功能是保护染色体两端,保证染色体的正常复制,防止染色体DNA 复制过程中两端序列的丢失。3)酵母自主复制序列。其功能与酵母细胞复制有关。如图2所示,图中,
URA3代表尿嘧啶核苷酸合成酶基因3;Not Ι代表限制性酶切
位点
。
图2 酵母人工染色体(Y AC )
简单地说,酵母人工染色体克隆载体就是将酵母染色体
DNA 的端、DNA 复制起点(Aut onomously Rep licating Sequence,ARS )和丝粒以及必要的选择标志(H I S A 4和TRP1)基因序列克隆到大肠杆菌质粒pBR322中,从而构建成Y AC 克隆载体。所以,Y AC 克隆载体既含有质粒克隆载体所必备的第一受体(大肠杆菌)源质粒复制起始位点(O ri ),还含有第二受体(酵母菌)染色体DNA 的着丝点、端粒和复制起始位点的序列,以及合适的选择标志基因。
Y AC 克隆外源DNA 能力非常大,一个Y AC 可插入长达106
个碱基以上DNA 片段,因此,Y AC 可以保证所插入外源
基因结构的完整性。目前,Y AC 已成为构建高等真核生物基因库的重要载体,并在人类基因组的研究中起着重要作用。所以,选择酵母人工染色体作为DNA 载体。
3.2 受体细胞的选择
受体细胞(Recep t or Cell )又称为宿主细胞或寄主细胞(Host Cell ),是指能摄取外源并使其稳定维持的有应用价值和理论研究价值的细胞。
恐兽球菌(Deinococcus Radi odurans )最早由Anders on 于1956年发现,是迄今为止地球上发现的最具抗辐射功能的生物之一。具体表现为对电离辐射、紫外线、干燥、强氧化剂和一些化学诱变剂具有惊人的抗性。实验证明,该细菌细胞能够在几十小时内准确无误地修复由辐射所引起的几百个DNA 双链断裂(DS B s )片断。最近通过电镜观察到致密有序的DS B s 环状堆积结构在DNA 的重组修复起着十分重要的作用。另外,恐兽球菌作为受体细胞,符合受体细胞选择的基本原则[6]。所以,选择恐兽球菌作为受体细胞。
3.3 信息编码
信息编码的过程实际上就是对原始信息进行编码,合成人工DNA 序列。
根据粘贴计算模型二进制编码方法可以知道:粘贴模型有一个由存储合成物所构成的随机访问存储区。一个存储合成物是一个可以看作是二进制数的编码的部分双链的DNA 串。其中,双链代表“1”,单链代表“0”。每个存储合成物由两种称为“存储链”和“粘贴链”的单链DNA 分子形成。其中,一个存储链是一个单链的DNA 分子,由l 个碱基构成。一个存储链含有n 个不重叠的子链,每个子链由m 个碱基构成。取l =m ×n 。例如,下面是一个长度为l =5×6的存储链,其中,m =5,n =6:
5′ATCG A T AGCA CCATG T AG AT CGCGT TT AAG 3′
要求在一个存储链中,每个粘贴链恰好与n 个子链中的一个互补。存储链的每个子链被视为一个位元的位置。如果一个粘贴链被退火于存储链的匹配子链上,则这个特殊的子
链为“开”(相当于数字逻辑电路中的高电平);否则为“关”
(相当于数字逻辑电路中的低电平)。因此,存储合成物可用
826 计算机应用2006年
来表示一个二进制数,其中子链为“开”表示该位元的数为“1”,子链为“关”表示该位元的数为“0”。图3是4个存储合成物的例子
。
图3 表示4个二进制数的存储合成物
图3中所表示的四组二进制数分别为:0000000,
1010101,0101010,1111111。
由此就可以列出粘贴DNA 计算模型的ASC II 字符编码,
如表1所示,表中列出了其中96个(不包括32个通用控制字符)。表中将7位二进制编码用
3位八进制编码表示。
图4 粘贴DNA 计算模型的ASC II 字符编码
如果每个存储链由21个碱基构成。每个存储链含有7个不重叠的子链。每个子链由3个碱基构成,那么“hell o,
world!
”经编码后的DNA 序列为:
3
.4 创建数据索引
图5 作为创建数据索引蓝本的DNA 序列
大肠杆菌的整个染色体组已经被完整地测序,并且可以通过www .tigr .org 检索到。这里借鉴Wong 的试验中所选用
的25个序列作为创建数据索引的蓝本[3],如表2所示。序列中以ATG 或GTG 表示起始密码子,以T AG 或T AA 或TG A 表示终止密码子,用于提示细菌已经到达载体DNA 序列末端,应该停止翻译。
3.5 数据的存储与检索
在数据的存储与检索过程中,所需生化过程包括:产生补链;在开环载体DNA 中插入人工合成DNA 序列,通过连接酶合成为重组体;转换序列成活性组织;组织生长和繁殖;从组
织中萃取信息。
3.5.1 产生补链
在存储数据之前,需要先产生两条互补链。每条链携带
46个碱基,其中包括两个不同的20个碱基长的片断,中间通
过6个碱基长的限制性核酸内切酶识别序列相连。这两条
20个碱基长的寡核苷酸从图5中选择。限制性酶切位点是
为了随后插入编码DNA 片断。这两个46个碱基长的互补链形成一个双链DNA 片断。这个DNA 片断然后被克隆为重组质粒体———体外DNA 片断组合成一个环形DNA 分子。因为这20个碱基长的寡核苷酸不属于载体的染色体组,所以可用于随后的数据索引的识别标记。
如
果
选
择
TT AGGG ATGTGTGT AGTT AG
和
GGTT AG ATG AGTGT AGTT AG 两条DNA 序列作为数据索引蓝
本,根据碱基互补配对原则,其对应的互补链分别为:
AAT CCCT ACAC ACAT CAATC 和CCAATCT ACTC ACAT CAATC 。
设两条互补链中间所插入的6个碱基长的限制性核酸内切酶识别序列为:
,
则包含数据索引序列和限制性核酸内
切酶识别序列的每条链携带46个碱基的两条互补链为:
3.5.2 目的基因转入受体细胞
外源目的基因(环形DNA 分子)在体外连接重组后形成重组DNA 分子,该重组DNA 分子必须导入适宜的受体细胞
中才可以使外源目的基因得以大量扩增或表达,即在带重组体的宿主体内自我复制。结果带有编码DNA 片断的数据就可以被转移入大肠杆菌体内,如图6所示。然后通过电穿孔(Electr oporati on )[11]法把宿主细胞与外源DNA 混合并置于电击槽中。在高压电脉冲作用下,使细胞膜瞬时击穿出现微孔,外源DNA 通过微孔进入细胞
,允许带有编码宿主细胞繁殖以备后用。
图6 两个DNA 片断结合在一起形成的重组质粒体
3.5.3 转换序列成活性组织
载体和编码DNA 然后被合并入恐兽球菌染色体组内形
成带重组体的受体细胞,用于存取信息。当能够忍受高辐射、紫外线、干燥、强氧化剂等极端环境时,载体就能够为编码信息提供完美的保护。3.5.4 信息的提取
当需要提取编码信息的时候,我们通过聚合酶链反应从细菌体内萃取出信息部分的DNA 链;根据预先知道的片断两
(下转第665页)
926第3期王延峰等:基于粘贴DNA 计算模型的数据存储技术
的机会;当θ
1
b j
,x
s j
)≤θ2时,判断卖方属于过渡类
型a
h ,买方采取线性策略s l;当θ2
j
,x s
j
)≤1时,判
断卖方属于亲我类型a
c
,买方采取让步策略s c,这样使双方达到一致的可能性最大。
4 算法实现
REPEAT
F OR j=1t o n
{I F t send(x b j (t))t o c; send(x s j (t))t o c; send(s j.acti on)t o c; ELSE ter m inate(b j,s j); END I F;} //c Decisi on: I F s j.acti on="accep t"THEN x b j (t):=x s j (t); I F s j.acti on="refuse"THEN x s j (t):=null; //评估提议 S i m(x b j (t),x s j (t))=∑ i∈I h i?S i m i(x i bj(t),x i sj(t)); I F0≤S i m(x b j (t),x s j (t))≤θ1T HE N s j.AT:=a t;//非亲我类型 b j.ST:=s t;//强硬策略END I F; I Fθ1 j (t),x s j (t))≤θ2T HE N s j.AT:=a h;//过渡类型 b j.ST:=s l;//线性策略END I F; I Fθ2 j (t),x s j (t))≤1T HE N s j.AT:=a c;//亲我类型 b j.ST:=s c;//让步策略END I F; send(b j.ST)t o b j; //选择时间信念函数 I F b j.ST=s t THEN p b j→s j (t)=t/T b ; I F b j.ST=s l THEN p b j→s j (t)=1/2; I F b j.ST=s c THEN p b j→s j (t)=1-t/T b ; //子买方b j生成提议 x b j =max(x b j )-(∑ T b k=1 p b j→s j (k)!γk-1?Q T b j)/ (T b -t+1); UNTI L t≥T b OR c.acti on="comfir m"E ND REPE AT; I F t≥T b THE N ter m inate(b,s); I F c.acti on="comfir m"T HE N deal; 参考文献: [1] NG UYEN T D,JENN I N GS NR.A Heuristic Model for Concurrent B i2lateral Negotiati ons in I ncomp lete I nfor mati on Settings[A].Pr o2 ceedings of18th I nternati onal Joint Conference on A I[C].Mexico, 2003. [2] RAHWAN I,K OWALCZYK R,PHAM HH.I ntelligent Agents for Aut omated One2t o2Many E2Commerce Negotiati on[A].T wenty2Fifth Australian Computer Science Conference(ACSC2002)[C].Aus2 tralian,2002.197-204. [3] ARA I S,SYCARA K,P AY NE T.Experience2based Reinf orce ment Learning t o Acquire Effective Behavi or in a Multi2agentDomain[A]. Pr oceedings of the6th Pacific R i m I nternati onal Conference on A rti2 ficial I ntelligence[C],2000. [4] ZENG D,SYCARA K.Bayesian Learning in Negotiati on[A]. Working Notes for the AAA I Sy mposium on Adap tati on,Co2evolu2 ti on and Learning in Multiagent System s[C].Stanford University, CA,1996. [5] EXCELE NTE2T OLEDO CB,JENN I N GS NR.U sing reinf orce ment learning t o coordinate better[J].Computati onal I ntelligence,2005, 21(3):217-245. [6] OL I V ER JR.A machine2learning app r oach t o aut omated negotiati on and p r os pects for electr onic commerce[J].Journal of Manage ment I nfor mati on Syste m s,1997,13(3):83-112. [7] T AN M.Multi2Agent Reinforce ment Learning:I ndependent vs.Co2 operative Agents[A].Pr oceedings of the Tenth I nternati onal Confer2 ence on Machine Learning[C].1993.330-337. [8] M I TCHELL T M.Machine Learning[M].Beijing:China Machine Press,2003. [9] NAG AY UKI Y,I SH II S,DOY A K.Multi2agent reinf orce ment learning:An app r oach based on the other agentπs internal model [A].Pr oceedings on the Fourth I nternati onal Conference on Multi2 Agent Syste m s(I C MAS200)[C].Bost on,MA,2000.215-221. [10]BU I H,KI ERONSK A D,VENK ATESH S.Learning other agentsπ p references in multiagent negotiati on[A].Pr oceedings of the Thir2 teenth Nati onal Conference on A rtificial I ntelligence[C].Menl o Park,CA,AAA I Press,1996.114-119. (上接第629页) 端的序列信息,通过一系列的加热和冷却循环来扩增DNA片断[11];然后通过相应的序列读取装置读取序列;最后,转换序列为原始数据。 参考文献: [1] HOCH JA,LOSI CK R.Pans per m ia,s pores and the bacillus subtilis genome[J].Nature,1997,390:237-238. [2] CLELLAND CT,R I SCA V,BANCROFT C.H iding messages in DNA m icr odots[J].Nature,1999,399:533-534. [3] WONG PC,WONG K2K,F OOTE H.O rganic data memory using the DNA app r oach[J].Communicati ons of the AC M,2003,46 (1):95-98. [4] WASI E W I CZ P,MAL I N OW SKI A,NOWAK R,et al.DNA com2 puting:i m p le mentati on of data fl ow l ogical operati ons[J].Future Generati on Computer Syste m s,2001,17(4):361-378. [5] JONATHAN P,COX L.Long2ter m data st orage in DNA[J].Trends in bi otechnol ogy,2001,19(7):247-250. [6] 楼士林,杨盛昌,龙敏南.基因工程[M].北京:科学出版社, 2002. [7] MURRAY AW,SZ OST AK J W.Constructi on of ratificati on chr omo2 s ome in yeast[J].Nature,1983,305:189. [8] BURKE DT,CARLE GF,OLS ON MV.Cl oning of large seg ments of exogenous DNA int o yeast by means of artificial chr omos ome vec2 t ors[J].Science,1987,236:806. [9] 许进,董亚非,魏小朋.粘贴DNA计算机模型(Ⅰ):理论[J]. 科学通报,2004,(3):205-212. [10] 许进,李三平,董亚非,等.粘贴DNA计算机模型(Ⅱ):应用 [J].科学通报,2004,(4):299-307. [11] HARWOOD AJ.Basic DNA and RNA p r ot ocols[M].盛小禹,等 译.北京:科学出版社,2002. 566 第3期张谦等:一种具有自主学习能力的并发协商模型 存储器类型 ①SRAM SSRAM RAM ②DRAM SDRAM ①MASK ROM ②OTP ROM ROM ③PROM ④EPROM ⑤EEPROM ⑥FLASH Memory RAM: Random Access Memory 随机访问存储器 存储单元的内容可按需随意取出或存入，这种存储器在断电时将丢失其存储内容，故主要用于存储短时间使用的程序。它的特点就是是易挥发性（nonvolatile），即掉电失忆。 ROM: Read Only Memory 只读存储器 ROM 通常指固化存储器(一次写入，反复读取)，它的特点与RAM 相反。 注意： ①我们通常可以这样认为，RAM是单片机（MCU）的数据存储器（这里的数据包括 内部数据存储器（用户RAM区，可位寻址区和工作组寄存器）和特殊功能寄存器 SFR），或是电脑的内存和缓存，它们掉电后数据就消失了（非易失性存储器除外， 比如某些数字电位器就是非易失性的）。ROM是单片机的程序存储器，有些单片 机可能还包括数据存储器，这里的数据指的是要保存下来的数据，即单片机掉电 后仍然存在的数据，比如采集到的最终信号数据等。而RAM这个数据存储器只是 在单片机运行时，起一个暂存数据的作用，比如对采集的数据做一些处理运算， 这样就产生中间量，而RAM这个数据存储器就是来暂时存取中间量的，最终的结 果要放到ROM的数据存储器中。（如下图所示） ② ROM在正常工作状态下只能从中读取数据，不能快速的随时修改或重新写入数 据。它的优点是电路结构简单，而且在断电以后数据不会丢失。缺点是只适用于 存储那些固定数据的场合。RAM与ROM的根本区别是RAM在正常工作状态下 就可以随时向存储器里写入数据或从中读取数据。 第!"卷第!期!##$年!月计算机学报%&’()*)+,%-./01)2*3456!"(46!777777777777777777777777777777777777777777777777777777777777777777789:6!##$ 计算机病毒计算模型的研究 田 畅郑少仁;南京通信工程学院南京!$##$<=收稿日期>$???@#"@#A B 修改稿收到日期>!###@#<@$!6本课题得到国家C 八六三D 高技术研究发展计划;E 一、数据在存储器中的存储方式 1、数据格式及要求 A〉数据格式：即指数据的长度和表示方式。B〉要求：S7-200对数据的格式有一定的要求，指令与数据之间的格式一致才能正常工作。 2、用一位二进制数表示开关量 A〉一位二进制数：一位二进制数有0（OFF）和1（ON）两种不同的取值，分别对应于开关量（或数字量）的两种不同的状态。B〉位数据的数据类型：布尔（Bool）型。C〉位地址：由存储器标识符、字节地址和位号组成，如I3.4等。D〉其它CPU存储区的地址格式：由存储器标识符和起始字节号（一般取藕字节）组成，如V B 100、V W 100、V D 100等。 3、多位二进制数（8421码） A〉数及数制：数用于表示一个量的具体大小。根据计数方式的不同，有十进制（D）、二进制（B）、十六进制（H）和八进制等不同的计数方式。B〉二进制数的表示：在S7-200中用2#来表示二进制常数，例如“2# 10111010 ”。C〉二进制数的大小：将二进制数的各位（从右往左第n位）乘以对应的位权（×2n-1），并将结果累加求和可得其大小。例如：2# 10111010 = 1×27+0×26+1×25+1×24+1×23+0×22+1×21+0×20 = 186 4、十六进制数 A〉十六进制数的引入：将二进制数从右往左每4位用一个十六进制数表示，可以实现对多位二进制数的快速准确的读写。B〉不同进制数的表示方法：( 表3-2-1 不同进制数的表示方 法) C〉十六进制数的表示：在S7-200中用16#来表示十六进制常数，例如“2# 1010 1110 0111 0101 可转换为16# AEF7 ”。D〉十六进制数的大小：将十六进制数的各位（从右往左第n位）乘以对应的位权（×16n-1），并将结果累加求和可得其大小。例如：16# 2F = 2×161+15×160 = 47 5、数据长度：字节（Byte）、字（Word）、双字（DoubleWord） A〉字节（B）：从0号位开始的连续8位二进制数称为一个字节。B〉字（W）：相邻的两个字节组成一个字的长度。C〉双字（DW）：相邻的四个字节组成一个双字的长度。D〉字、双字长数据的存储特点：高位存低字节、地位存于高字节。 6、负数（有符号数）的表示方法 A〉负数的表示：PLC一般用二进制的补码来表示有符号数，其最高位为符号位（0 ——正数、1 ——负数）。B〉绝对值相等的正负有符号数间的关系：正数的补码是它本身。C〉不同数据的取值范围：( 表3-2-2 数据的位数与取值范围) 7、BCD码 细分市场研究方法及市场规模测算模型探讨 一、市场数据收集方法 （1）调研对象 外部调研对象：行业专家、行业协会、下游客户、竞争对手、供应商、经销商、代理商、合作伙伴、研究机构、大学、券商研究部等 公司内部对象：公司管理层、相关职能部门专业人员 （2）研究方法 内部访谈法、内部研讨会、问卷调查法、实地调研法、头脑风暴法、案头研究、基准分析等 （3）数据资料查找途径 商业数据库、谷歌、百度、豆丁、Chinainfobank、ISI等网站、国家统计局公布数据、年鉴、行业期刊、杂志、专业论坛、所属行业的权威机构公布数据、海关数据、行业协会公布数据、国家及行业重大政策和规划、行业研究报告、券商报告等 二、市场规模测算方法 1、市场规模测算及预测方法 （1）方法介绍 巴比社会研究法、直接投资额法、整体投资比例法、趋势外推法、回归模型法、普及率类比、瑞利多因素法、专家德尔菲预测法、直观判断预测法、时间序列分析预测法、回归分析预测法、结构分析预测法等 （2）推算思路 市场规模的推算方法较多，从行业特性来说，不同情况推算思路略有不同。从供应端和专家得到的信息和数据，并以此进行市场推估。这个方法比较适用于下游应用领域众多、消费不集中的情况；从消费端进行分层抽样再进行数据汇总，适用于下游市场比较单一，应用 领域相对集中的市场；同时采集供应端和消费端数据，并进行数据交叉验证，适用于产品或行业相对垄断，供应和消费行业都较为集中的产品或行业。 2、软件类企业案例——互动媒体系统平台 （1）背景分析： 互动媒体系统平台软件的下游行业主要包括电信运营商、广电新媒体运营商、广电网络运营商。在三网融合背景下，电信和广电运营商在基于内容的信息系统、双向网络改造、宽带升级、终端硬件投入的基础上，向广大受众提供IPTV、互动电视、网络视频、互联网电视、手机视听等各类互动媒体业务，这些业务的基础用户数量和营收情况直接影响系统平台软件的投资规模。 产业产业投资具体产品价值链环节 代表业务 阿尔法资产模型及计算方法 阿尔法资产（Alpha investment）是一种风险调整过的积极投资回报。它是根据所承担的超额风险而得到的回报，因此经常用来衡量基金经理的管理和表现水平。通常会在计算时，将基准的回报减去，以便看出它的相对水平。 阿尔法资产是资本资产定价模型中的一个量效率市场假说阿尔法系数为零 计算公式： 其中的阿尔法系数(αi)是资本资产定价模型中的一个量，是证券特征线与纵坐标的截距。在效率市场假说中，阿尔法系数为零。 阿尔法系数（α系数，Alpha(α)Coefficient） α系数的定义：α系数是一投资或基金的绝对回报(Absolute Return) 和按照β系数计算的预期回报之间的差额。绝对回报(Absolute Return)或额外回报(Excess Return)是基金/投资的实际回报减去无风险投资收益（在中国为1年期银行定期存款回报）。绝对回报是用来测量一投资者或基金经理的投资技术。预期回报(Expected Return)贝塔系数β和市场回报的乘积，反映投资或基金由于市场整体变动而获得的回报。 一句话，平均实际回报和平均预期回报的差额即α系数。 α系数计算方法 α系数简单理解 α>0，表示一基金或股票的价格可能被低估，建议买入。亦即表示该基金或股票以投资技术获得平均比预期回报大的实际回报。 α<0，表示一基金或股票的价格可能被高估，建议卖空。亦即表示该基金或股票以投资技术获得平均比预期回报小的实际回报。 α=0，表示一基金或股票的价格准确反映其内在价值，未被高估也未被低估。亦即表示该基金或股票以投资技术获得平均与预期回报相等的实际回报。 例子分析 https://www.wendangku.net/doc/1e3603991.html, 数据存储的四种常见方式 数据存储，它的概念为数据在交流过程的情况下发生的临时数据以及加工的操作的进程里面要进行查找的讯息，一般的存储介质包含有磁盘以及磁带。数据存取的方法和数据文件组织紧紧的相连，它的最主要的就是创立记录逻辑和物理顺序的两者之间的互相对应的联系，进行存储地址的肯定，从而使得数据进行存取的速度得到提升。进行存储介质的方法因为使用的存储介质不一样采用的方法也不一样，当磁带上面的数据只是按照次序来进行存取的时候;在磁盘上面就能够根据使用的需求使用顺序或者是直接存取的方法。 ●在线存储 (Online storage)：有时也称为二级存储。这种存储方式的好处是读写非常 方便迅捷，缺点是相对较贵并且容易因为误操作或者防病毒软件的误删除而使数据受到损害。这种存储方式提供最好的数据获取便利性，大磁盘阵列是其中最典型的代表之一。 ●脱机存储 (Offline storage)：脱机存储用于永久或长期保存数据，而又不需要介质当 前在线或连接到存储系统上。这种存储方式指的是每次在读写数据时，必须人为的将存储介质放入存储系统。脱机存储的介质通常可以方便携带或转运，如磁带和移动硬盘。 ●近线存储 (Near-line storage)：也称为三级存储。自动磁带库是一个典型代表。比起 在线存储，近线存储提供的数据获取便利性相对差一些，但是价格要便宜些。近线存储由于读取速度较慢，主要用于归档较不常用的数据。 ●异站保护 (Off-site vault)：这种存储方式保证即使站内数据丢失，其他站点仍有数 据副本。为了防止可能影响到整个站点的问题，许多人选择将重要的数据发送到其他站点来作为灾难恢复计划。异站保护可防止由自然灾害、人为错误或系统崩溃造成的数据丢失。 1常见存储类型 对于企业存储设备而言，根据其实现方式主要划分为DAS、SAN和NAS三种，分别针对不同的应用环境，提供了不同解决方案。（区别见图2） 图1三种存储技术比较 1.1DAS DAS（DirectAttachSTorage）：是直接连接于主机服务器的一种储存方式，每一台主机服务器有独立的储存设备，每台主机服务器的储存设备无法互通，需要跨主机存取资料时，必须经过相对复杂的设定，若主机服务器分属不同的操作系统，要存取彼此的资料，更是复杂，有些系统甚至不能存取。通常用在单一网络环境下且数据交换量不大，性能要求不高的环境下，可以说是一种应用较为早的技术实现。 1.2SAN SAN（StorageAreaNetwork）：是一种用高速（光纤）网络联接专业主机服务器的一种储存方式，此系统会位于主机群的后端，它使用高速I/O联结方式，如SCSI,ESCON及 Fibre-Channels。一般而言，SAN应用在对网络速度要求高、对数据的可靠性和安全性要求高、对数据共享的性能要求高的应用环境中，特点是代价高，性能好。例如电信、银行的大数据量关键应用。 1.3NAS NAS（NetworkAttachedStorage）：是一套网络储存设备，通常是直接连在网络上并提供资料存取服务，一套NAS储存设备就如同一个提供数据文件服务的系统，特点是性价比高。例如教育、政府、企业等数据存储应用。 2三种技术比较 以下，通过表格的方式对于三种存储技术进行一个简单的比较。 表格1三种技术的比较 录像存储 录像存储是指将监控图像录制下来，并以文件形式存储在存储设备中，并可在以后随时被读出回放。 存储的实现有多种模式，包括DAS（直连存储）、SAN（存储区域网）和NAS（网络就是普通计算机系统最常用的存储方式，即将存储介质（硬盘）直接挂接DAS存储）等。． 在CPU的直接访问总线上，优点是访问效率高，缺点是占用系统总线资源、挂接数量有限，一般适用于低端PC系统。SAN是将存储和传统的计算机系统分开，系统对存储的访问通过专用的存储网络来访问，对存储的管理可交付与存储网络来管理，优点是高效的存储管理、存储升级容易，而缺点则是系统较大，成本过高，适用于高端设备。NAS则充分利用系统原有的网络接口，对存储的访问是通过通用网络接口，访问通过高层接口实现，同时设备可专注与存储的管理，优点是系统简单、兼容现有系统、扩容方便，缺点则是效率相对比较低。 典型的传统数字硬盘录像机设备一般都采用DAS方式，即自身包含若干硬盘，录像数据进行压缩编码后直接存储在本地硬盘中，回放也从本地硬盘中读出。网络功能只是个附加的功能，主要面向远程终端实时监控本地图像和回放本地录像。在系统比较大时，这种方式必然是分布式存储的，给系统管理带来了麻烦。数字硬盘录像机的发展将使网络成为中心，而规模的增大使得分布式存储的缺点更加显着。采用NAS作为录像的存储设备，解决了传统数字硬盘录像机所限制的这些问题，作为下一代数字录像系统，其优势表现在： a优良的设备环境：由于硬盘的不稳定性，需要一个更好的工作环境来延长硬盘的寿命和减少存储的不可用时间。NAS作为专业的存储设备，针对多硬盘环境作了优化设计，让硬盘工作的更稳定、更可靠。 个人经验总结：数据仓库的数据存储和实现 当面对大量的数据，而且是各种各样类型的数据，还可能有的数据单元（粒度）很大，单纯靠数据库是不易解决，为了解决这些问题，提高系统后台的效率，就需要引进数据仓库。 有关数据仓库的数据存储的几个基本问题： 1、数据存储的方式？ 数据仓库的数据由两种存储方式：一种是存储在关系数据库中，另一种是按多维的方式存储，也就是多维数组。 2、存储何种数据？ 数据仓库中存在不同的综合级别的数据。一般把数据分成四个级别，早期细节级数据，当前细节级数据，轻度综合级，高度综合级。不同的综合级别一般称为粒度。粒度越大，表示细节程度越低，综合程度越高。级别的划分是根据粒度进行的。 数据仓库中还有一种是元数据，也就是关于数据的数据。传统数据库中的数据字典或者系统目录都是元数据，在数据仓库中元数据表现为两种形式：一种是为了从操作型环境向数据仓库环境转换而建立的元数据，它包含了数据源的各种属性以及转换时的各种属性；另一种元数据是用来与多维模型和前端工具建立映射用的。 3、粒度与分割 粒度是对数据仓库中的数据的综合程度高低的一个衡量。粒度越小，细节程度越高，综合程度越低，回答查询的种类越多；反之粒度越大，细节程度越低，综合程度越高，回答查询的种类越少。 分割是将数据分散到各自的物理单元中去以便能分别独立处理，以提高数据处理的效率。数据分割后的数据单元成为分片。数据分割的标准可以根据实际情况来确定，通常可选择按日期、地域或者业务领域等进行分割，也可以按照多个标准组合分割。 4、追加时数据的组织方式 这里说一种比较简单的情况，轮转综合文件。比如：数据存储单位被分为日、周、季度、年等几个级别。每天将数据记录在日记录集中；然后七天的数据被综合存放在周记录集中，每隔一季度周记录集中的数据被存放到季度记录集中，依此类推......这种方法把越早期的记录存放的综合程度越高，也就是粒度越大。 常见存储类型 对于企业存储设备而言，根据其实现方式主要划分为DAS、SAN和NAS三种，分别针对不同的应用环境，提供了不同解决方案。（区别见图2） 图1三种存储技术比较 DAS DAS（Direct Attach Storage）：是直接连接于主机服务器的一种储存方式，每一台主机服务器有独立的储存设备，每台主机服务器的储存设备无法互通，需要跨主机存取资料时，必须经过相对复杂的设定，若主机服务器分属不同的操作系统，要存取彼此的资料，更是复杂，有些系统甚至不能存取。通常用在单一网络环境下且数据交换量不大，性能要求不高的环境下，可以说是一种应用较为早的技术实现。 SAN SAN（Storage Area Network）：是一种用高速(光纤)网络联接专业主机服务器的一种储存方式，此系统会位于主机群的后端，它使用高速I/O 联结方式, 如SCSI, ESCON 及 Fibre- Channels。一般而言，SAN应用在对网络速度要求高、对数据的可靠性和安全性要求高、对数据共享的性能要求高的应用环境中，特点是代价高，性能好。例如电信、银行的大数据量关键应用。 NAS NAS（Network Attached Storage）：是一套网络储存设备,通常是直接连在网络上并提供资料存取服务，一套 NAS 储存设备就如同一个提供数据文件服务的系统，特点是性价比高。例如教育、政府、企业等数据存储应用。 三种技术比较 以下，通过表格的方式对于三种存储技术进行一个简单的比较。 表格 1 三种技术的比较 录像存储 录像存储是指将监控图像录制下来，并以文件形式存储在存储设备中，并可在以后随时被读出回放。 存储的实现有多种模式，包括DAS（直连存储）、SAN（存储区域网）和NAS（网络存储）等。DAS就是普通计算机系统最常用的存储方式，即将存储介质（硬盘）直接挂接在CPU的直接访问总线上，优点是访问效率高，缺点是占用系统总线资源、挂接数量有限，一般适用于低端PC系统。SAN是将存储和传统的计算机系统分开，系统对存储的访问通过专用的存储网络来访问，对存储的管理可交付与存储网络来管理，优点是高效的存储管理、存储升级容易，而缺点则是系统较大，成本过高，适用于高端设备。NAS则充分利用系统原有的网络接口，对存储的访问是通过通用网络接口，访问通过高层接口实现，同时设备可专注与存储的管理，优点是系统简单、兼容现有系统、扩容方便，缺点则是效率相对比较低。 典型的传统数字硬盘录像机设备一般都采用DAS方式，即自身包含若干硬盘，录像数据进行压缩编码后直接存储在本地硬盘中，回放也从本地硬盘中读出。网络功能只是个附加的功能，主要面向远程终端实时监控本地图像和回放本地录像。在系统比较大时，这种方式必然是分布式存储的，给系统管理带来了麻烦。数字硬盘录像机的发展将使网络成为中心，而规模的增大使得分布式存储的缺点更加显著。采用NAS作为录像的存储设备，解决了传统数字硬盘录像机所限制的这些问题，作为下一代数字录像系统，其优势表现在： ●优良的设备环境：由于硬盘的不稳定性，需要一个更好的工作环境来延 长硬盘的寿命和减少存储的不可用时间。NAS作为专业的存储设备，针 对多硬盘环境作了优化设计，让硬盘工作的更稳定、更可靠。 ●专业的存储管理：有效的存储管理在数据量上升时更加显得重要，数据 的安全性与冗余性将更受关注。NAS通过专业软件对大容量存储进行管 理，增加安全机制及冗余管理，使得存放的数据更便捷、更放心。 ●轻松的容量扩张：对容量的需求日益增加的今日，更加看重存储容量的 可扩张性。NAS的容量扩张基本上是Plug&Play的模式，方便用户升级。 浅谈我们经常遇到的存储 问大家一个问题，什么是SAN、什么是NAS、什么是SCSI，下文进行了很好的分解。 目前磁盘存储市场上，存储分类（如下表一）根据服务器类型分为：封闭系统的存储和开放系统的存储，封闭系统主要指大型机，AS400等服务器，开放系统指基于包括Windows、UNIX、Linux等操作系统的服务器；开放系统的存储分为：内置存储和外挂存储；开放系统的外挂存储根据连接的方式分为：直连式存储（Direct-Attached Storage，简称DAS）和网络化存储（Fabric-Attached Storage，简称FAS）；开放系统的网络化存储根据传输协议又分为：网络接入存储（Network-Attached Storage，简称NAS）和存储区域网络（Storage Area Network，简称SAN）。由于目前绝大部分用户采用的是开放系统，其外挂存储占有目前磁盘存储市场的70%以上，因此本文主要针对开放系统的外挂存储进行论述说明。 今天的存储解决方案主要为：直连式存储（DAS）、存储区域网络（SAN）、网络接入存储（NAS）。如下： 开放系统的直连式存储（Direct-Attached Storage，简称DAS）已经有近四十年的使用历史，随着用户数据的不断增长，尤其是数百GB以上时，其在备份、恢复、扩展、灾备等方面的问题变得日益困扰系统管理员。 主要问题和不足为： 直连式存储依赖服务器主机操作系统进行数据的IO读写和存储维护管理，数据备份和恢复要求占用服务器主机资源（包括CPU、系统IO等），数据流需要回流主机再到服务器连接着的磁带机（库），数据备份通常占用服务器主机资源20-30%，因此许多企业用户的日常数据备份常常在深夜或业务系统不繁忙时进行，以免影响正常业务系统的运行。直连式存储的数据量越大，备份和恢复的时间就越长，对服务器硬件的依赖性和影响就越大。 直连式存储与服务器主机之间的连接通道通常采用SCSI连接，带宽为10MB/s、20MB/s、40MB/s、80MB/s等，随着服务器CPU的处理能力越来越强，存储硬盘空间越来越大，阵列的硬盘数量越来越多，SCSI通道将会成为IO瓶颈；服务器主机SCSI ID资源有限，能够建立的SCSI通道连接有限。 无论直连式存储还是服务器主机的扩展，从一台服务器扩展为多台服务器组成的群集(Cluster)，或存储阵列容量的扩展，都会造成业务系统的停机，从而给企业带来经济损失， 万方数据 万方数据 万方数据 万方数据 万方数据 选择性注意计算模型与算法发展综述 作者：贾鹏， 冯明月， 张志超， Jia Peng， Feng Mingyue， Zhang Zhichao 作者单位：贾鹏,Jia Peng(中国电子设备系统工程公司 研究所,北京 100141;军事交通学院 军用车辆系,天津 300161)， 冯明月,张志超,Feng Mingyue,Zhang Zhichao(军事交通学院 军用车辆系,天津,300161) 刊名： 军事交通学院学报 英文刊名：Journal of Academy of Military Transportation 年，卷(期)：2013,15(5) 参考文献(47条) 1.Itti L;Koch C Computational modeling of visual attention 2001(03) 2.Corbetta M M;Shulman G L Control of goal-directed and stimulus-driven attention in the brain 2002(03) 3.Itti L;Koch C;Niebur E A model of saliency-based visual attention for rapid scene analysis[外文期刊] 1998(11) 4.Seo H J;Milanfar P Static and space-time visual saliency detection by self-resemblance 2009(12) 5.Mancas M;Gosselin B;Macq B A three-level computational attention model 2007 6.Itti L;Baldi P A principled approach to detecting surprising events in video 2005 7.Bruce N D B;Tsotsos J K Saliency based on information maximization 2005 8.Kootstra G;Nederveen A;Boer B Paying attention to symmetry 2008 9.Zhang L;Tong M H;Marks T K Sun:a Bayesian framework for saliency using natural statistics 2008(32) 10.Hou X;Zhang L Saliency detection:a spectral residual approach 2007 11.Achanta R;Hemami S;Estrada F Frequency-tuned salient region detection 2009 12.Siagian C;Itti L Biologically inspired mobile robot vision localization 2009(04) 13.Itti L Automatic foveation for video compression using a neurobiological model of visual attention 2004(10) 14.Rubinstein M;Shamir A;Avidan S Improved seam carving for video retargeting[外文期刊] 2008(03) 15.Goferman S;Zelnik-Manor L;Tal A Context-aware saliency detection 2010 16.Mahmood F Attentional selection in object recognition 1993 17.Sun Y Hierarchical object-based visual attention for machine vision 2003 18.Jagersand M Saliency maps and attention selection in scale and spatial coordinates:an information theoretic approach 1995 19.Kadir T Scale,saliency and scene description 2002 20.刘毅志;杨颖;唐胜基于视觉注意模型VAMAI的敏感图像检测方法[期刊论文]-中国图象图形学报 2011(07) 21.蒋鹏;秦小麟基于视觉注意模型的自适应视频关键帧提取[期刊论文]-中国图象图形学报 2009(08) 22.黄传波;金忠基于视觉注意的彩色图像检索方法[期刊论文]-光子学报 2011(07) 23.曾志宏;李建洋;郑汉垣融合深度信息的视觉注意计算模型[期刊论文]-计算机工程 2010(20) 24.肖洁;蔡超;丁明跃一种图斑特征引导的感知分组视觉注意模型[期刊论文]-航空学报 2010(11) 25.Chen J;Zhou C;Lin K A visual attention model for dynamic scenes based on two-pathway processing in brain 2008 26.朱巨莲;霍宏;方涛基于自顶向下视觉注意的遥感影像目标检测[期刊论文]-计算机工程 2011(20) 27.Li Z;Fang T;Huo H A saliency model based on wavelet transform and visual attention 2010(04) 28.刘琼;秦世引基于区域预测和视觉注意计算的快速目标检测[期刊论文]-北京航空航天大学学报 2011(10) 29.张国敏;殷建平;祝恩基于近似高斯金字塔的视觉注意模型快速算法[期刊论文]-软件学报 2009(12) 30.张立保;李浩基于双阈值视觉注意模型的图像关注焦点检测[期刊论文]-强激光与粒子束 2011(03) https://www.wendangku.net/doc/1e3603991.html,ndM F;Lee DN What we look when we steer 1994 32.Wolfe J M Guided search 2.0:a revised model of visual search 1994(02) 33.Rayner K Eye movements in reading and information processing:20 years of research 1998 34.Oliva A;Torralba A;Castelhano M S Top-down control of visual attention in object detection 2003 35.Salah A A;Alpaydin E;Akarnn L A selective attention-based method for visual pattern recognition with application to handwritten digit recognition and face recognition 2002(03) 36.Soyer C;Bozma H I;Istefanopulos Y Attentional sequencebased recognition:Markovian and evidential reasoning 数据存储的四种常见方式 This model paper was revised by the Standardization Office on December 10, 2020 数据存储的四种常见方式 数据存储，它的概念为数据在交流过程的情况下发生的临时数据以及加工的操作的进程里面要进行查找的讯息，一般的存储介质包含有磁盘以及磁带。数据存取的方法和数据文件组织紧紧的相连，它的最主要的就是创立记录逻辑和物理顺序的两者之间的互相对应的联系，进行存储地址的肯定，从而使得数据进行存取的速度得到提升。进行存储介质的方法因为使用的存储介质不一样采用的方法也不一样，当磁带上面的数据只是按照次序来进行存取的时候;在磁盘上面就能够根据使用的需求使用顺序或者是直接存取的方法。 在线存储 (Online storage)：有时也称为二级存储。这种存储方式的好处是读写非常方便迅捷，缺点是相对较贵并且容易因为误操作或者防病毒软件的误删除而使数据受到损害。这种存储方式提供最好的数据获取便利性，大磁盘阵列是其中最典型的代表之一。 脱机存储 (Offline storage)：脱机存储用于永久或长期保存数据，而又不需要介质当前在线或连接到存储系统上。这种存储方式指的是每次在读写数据时，必须人为的将存储介质放入存储系统。脱机存储的介质通常可以方便携带或转运，如磁带和移动硬盘。 近线存储 (Near-line storage)：也称为三级存储。自动磁带库是一个典型代表。比起在线存储，近线存储提供的数据获取便利性相对差一些，但是价格要便宜些。近线存储由于读取速度较慢，主要用于归档较不常用的数据。 异站保护 (Off-site vault)：这种存储方式保证即使站内数据丢失，其他站点仍有数据副本。为了防止可能影响到整个站点的问题，许多人选择将重要的数据发送到其他站点来作为灾难恢复计划。异站保护可防止由自然灾害、人为错误或系统崩溃造成的数据丢失。 数据库数据类型的使用与区别 整型数据类型: 1、INT （INTEGER） INT （或INTEGER）数据类型存储从-2的31次方（-2 ，147 ，483 ，648）到2的31次方-1 （2 ，147 ，483，647）之间的所有正负整数。每个INT 类型的数据按4 个字节存储，其中1 位表示整数值的正负号，其它31 位表示整数值的长度和大小。 2、SMALLINT SMALLINT 数据类型存储从-2的15次方（ -32， 768）到2的15次方-1（ 32 ，767 ）之间的所有正负整数。每个SMALLINT 类型的数据占用2 个字节的存储空间，其中1 位表示整数值的正负号，其它15 位表示整数值的长度和大小。 3、TINYINT TINYINT数据类型存储从0 到255 之间的所有正整数。每个TINYINT类型的数据占用1 个字节的存储空间。 4、BIGINT BIGINT 数据类型存储从-2^63 （-9 ，223， 372， 036， 854， 775， 807）到2^63-1（ 9， 223， 372， 036 ，854 ，775， 807）之间的所有正负整数。每个BIGINT 类型的数据占用8个字节的存储空间。 浮点数据类型: 浮点数据类型用于存储十进制小数。浮点数值的数据在SQL Server 中采用上舍入（Round up 或称为只入不舍）方式进行存储。所谓上舍入是指，当（且仅当）要舍入的数是一个非零数时，对其保留数字部分的最低有效位上的数值加1 ，并进行必要的进位。若一个数是上舍入数，其绝对值不会减少。如：对3.14159265358979 分别进行 2 位和12位舍入，结果为 3.15 和3.141592653590。 1、REAL 数据类型 REAL数据类型可精确到第7 位小数，其范围为从-3.40E -38 到3.40E +38。每个REAL类型的数据占用4 个字节的存储空间。 2、FLOAT FLOAT数据类型可精确到第15 位小数，其范围为从-1.79E -308 到1.79E +308。每个FLOAT 类型的数据占用8 个字节的存储空间。 FLOAT数据类型可写为FLOAT[ n ]的形式。n 指定FLOAT 数据的精度。n 为1到15 之间的整数值。当n 取1 到7 时，实际上是定义了一个REAL 类型的数据，系统用4 个字节存储它；当n 取8 到15 时，系统认为其是FLOAT 类型，用8 个字节存储它。 3、DECIMAL DECIMAL数据类型可以提供小数所需要的实际存储空间，但也有一定的限制，您可以用2 到17 个字节来存储从-10的38次方-1 到10的38次方-1 之间的数值。可将其写为DECIMAL[ p [s] ]的形式，p 和s 确定了精确的比例和数位。 1.2.3 最常用的数据模型 最常用的数据模型包括四种： 注1：非关系模型在20世纪70-80年代很流行，现在逐步被关系模型取代。 注2：下面讲的数据模型都是指逻辑上的数据模型，即用户眼中看到的数据围。 一、层次模型 定义： ①有只有一个结点没有双亲结点，这个结点称为根结点； ②根以外的其他结点有且只有一个双亲结点。 代表产品：IBM公司的IMS(Information Management System)数据库管理系统。 1. 数据结构 基本结构 ①用树形结构来表示各类实体以及实体间的联系。 ②每个结点表示一个记录类型（实体），结点之间的连线表示记录类型间一对多的父子联系，这种联系只能是父子联系。 ③每个记录类型可包含若干个字段（属性）。 图1.12 教员学生层次数据库模型 图1.13 教员学生层次数据库的一个值 多对多联系在层次模型中的表示 ①必须首先将其分解成一对多联系。 ②分解方法有两种：冗余结点法和虚拟结点法。 图1.14(a) 一个学生选课的多对多联系 图1.14(b) 冗余结点法将多对多联系转化为一对多联系 图1.14(c) 虚拟结点法将多对多联系转化为一对多联系 2. 数据操作与完整性约束 数据操作：查询、插入、删除和修改。 完整性约束： ①插入：如果没有相应的双亲结点值就不能插入子女结点值。如：图1.13中，若新调入一名教师，在未分配到某个教研室以前，不能将新教员插入到数据库。 ②删除：如果删除双亲结点值，则相应的子女结点值也被同时删除。如：图1.9中，若删除网络教研室，需要首先删除属于网络教研室的所有教师的数据。 ③修改：应修改所有相应记录，以保证数据的一致性。如：图1.14(b)中，若一个学生要改，则两处学生记录值均要修改。 3. 存储结构 存储容：数据本身；数据之间的联系。 两种方法：邻接法；法。 图 1.15(a) 数据模型 图1.15(b) 数据值 图1.15(c) 邻接法存储 磁链计算模型分析详解 1 引言 异步电机按转子磁场定向的矢量控制系统中，转子磁链的准确估计至关重要。如果转子磁链的估计不准确，转子磁场定向控制系统应有的优点，即实现转矩和磁通的解耦控制将无法实现。 由于直接检测转子磁链的方法受到工艺和技术方面的限制，在实际的控制系统中，多采用间接计算转子磁链的方法，即利用直接测得的电压、电流或转速等信号，借助于转子磁链计算模型，实时计算磁链的幅值和相位。转子磁链模型可以从电动机数学模型中推导出来，也可以利用状态观测器或状态估计理论得到闭环的观测模型。闭环方式的观测模型，因计算比较复杂，理论研究尚不十分成熟，实际使用较少，多用比较简单的计算模型。在计算模型中，由于主要实测信号的不同，又分为电流模型和电压模型两种[1]。 采用电压模型法，由于存在电压积分问题，结果在低速运行时，模型运算困难。采用电流模型法时，由于存在一阶滞后环节，在动态过程中难以保证控制精度。通常的组合模型法是考虑在不同的速度范围采用不同的计算模型，主要是解决好过渡问题[2]。该方法用到两个计算模型，计算复杂，且过渡处理造成成本增加。而本文却是直接通过对两个模型的计算方程进行组合处理，消除了电压模型中的积分环节和电流模型法中的一阶延时环节，得到一个新的磁链计算模型，并将其结合矢量控制系统进行仿真研究，结果表明该模型具有较好的动态性能。 2 常用转子磁链计算模型 两相静止坐标系下转子磁链的电压模型 根据定子电流和定子电压的检测值来估算转子磁链，所得出的模型叫做电压模型。在两相静止αβ坐标系下由定子电压方程可以得出[3][4]： (1) 转子磁链方程为： (2) 由上式得到转子电流αβ分量： (3) 1.有限元计算原理与方法 有限元是将一个连续体结构离散成有限个单元体，这些单元体在节点处相互铰结，把荷载简化到节点上，计算在外荷载作用下各节点的位移，进而计算各单元的应力和应变。用离散体的解答近似代替原连续体解答，当单元划分得足够密时，它与真实解是接近的。 1.1. 有限元分析的基本理论 有限元单元法的基本过程如下： 1.1.1.连续体的离散化 首先从几何上将分析的工程结构对象离散化为一系列有限个单元组成，相邻单元之间利用单元的节点相互连接 而成为一个整体。单元可采用各种类 型，对于三维有限元分析，可采用四 面 体单元、五西体单元和六面体 单元等。在Plaxis 3D Foundation 程序中，土体和桩体主要采用包 含6个高斯点的15节点二次楔 形体单元，该单元由水平面为6 节点的三角形单元和竖直面为四 边形8节点组成的，其局部坐标 下的节点和应力点分布见图3.1，图3.1 15节点楔形体单元节点和应力点分布界面单元采用包含9个高斯点的 8个成对节点四边形单元。 在可能出现应力集中或应力梯度较大的地方，应适当将单元划分得密集些； 若连续体只在有限个点上被约束，则应把约束点也取为节点：若有面约束，则应 把面约束简化到节点上去，以便对单元组合体施加位移边界条件，进行约束处理； 若连续介质体受有集中力和分布荷载，除把集中力作用点取为节点外，应把分布 荷载等效地移置到有关节点上去。 最后，还应建立一个适合所有单元的总体坐标系。 由此看来，有限单元法中的结构已不是原有的物体或结构物，而是同样材料 的由众多单元以一定方式连接成的离散物体。因此，用有限元法计算获得的结果 只是近似的，单元划分越细且又合理，计算结果精度就越高。与位移不同，应力 和应变是在Gauss 积分点(或应力点)而不是在节点上计算的，而桩的内力则可通 过对桩截面进行积分褥到。 1.1. 2. 单元位移插值函数的选取 在有限元法中，将连续体划分成许多单元，取每个单元的若干节点的位移 作为未知量，即{}[u ,v ,w ,...]e T i i i δ=，单元体内任一点的位移为{}[,,]T f u v w =。 引入位移函数N (x,y,z )表示场变量在单元内的分布形态和变化规律，以便用 场变量在节点上的值来描述单元内任一点的场变量。因此在单元内建立的位移模 式为： {}[]{}e f N δ= （3-1） 其中：12315[][,,......]N IN IN IN IN =，I 为单位矩阵。 按等参元的特性，局部坐标(,,)ξηζ到整体坐标,,x y z （）的坐标转换也采用 与位移插值类似的表达式。经过坐标变化后子单元与母单元(局部坐标下的规则 单元)之间建立一种映射关系。不管内部单元或边界附近的单元均可选择相同的 位移函数，则为它们建立单元特性矩阵的方法是相同的。因此，对于15节点楔 形体单元体内各点位移在整体坐标系,,x y z （）下一般取：存储器种类
计算机病毒计算模型的研究
PLC中存储器的数据类型与寻址方式
细分市场研究方法及市场规模测算模型探讨
阿尔法资产模型及计算方法
数据存储的四种常见方式
存储设备的三种类型
个人经验总结：数据仓库的数据存储和实现
存储类型分类资料
各种常见类型的存储
选择性注意计算模型与算法发展综述
数据存储的四种常见方式
数据库数据类型的使用与区别
最常用的数据模型
磁链计算模型分析详解
有限元计算原理与方法..