基于云计算及数据挖掘技术的海量数据处理研究
基于云计算的大规模数据挖掘与知识发现研究
基于云计算的大规模数据挖掘与知识发现研究随着信息技术的迅猛发展，数据量的爆炸式增长已成为当今社会的一个显著特征。
海量数据中蕴含着许多宝贵的信息和知识，如何通过数据挖掘和知识发现的研究方法，从大规模数据中提取出有价值的知识，对于企业决策和科学研究都具有重要意义。
云计算作为一种强大的计算和存储资源，已经成为大规模数据挖掘和知识发现的关键技术之一。
它以其高度可扩展性、灵活性和成本效益，为数据挖掘和知识发现提供了强有力的支持。
首先，云计算提供了大规模数据存储和处理的能力。
云计算平台可以存储和管理海量的数据，为研究人员提供了充足的存储空间。
而且，由于云计算平台采用分布式计算的方式，可以将大规模数据分割成多个小块，并通过并行计算的方式高效地处理这些数据。
通过云计算平台的支持，研究人员可以更加方便地进行大规模数据挖掘和知识发现研究，提高数据分析的效率和准确性。
其次，云计算提供了强大的计算能力。
传统的数据挖掘和知识发现算法往往需要大量的计算资源，而云计算平台的强大计算能力可以满足这种需求。
研究人员可以在云计算平台上部署自己的算法模型，并通过分布式计算的方式将计算任务分配给多个计算节点同时运行，从而提高计算速度和效率。
同时，云计算平台的计算资源可以根据需求实时调整，使得研究人员可以灵活地根据自己的需求进行计算资源的配置和使用。
另外，云计算还提供了可视化和交互式的数据分析工具。
云计算平台上有许多强大的数据分析工具和可视化工具，可以帮助研究人员更直观地理解和分析数据。
这些工具可以生成丰富的图表和图像来展示数据的发现和知识的挖掘结果，帮助研究人员更好地理解数据隐藏的规律和趋势。
同时，云计算平台上的交互式工具也可以实时交互和探索数据，使得研究人员可以随时根据自己的需求进行数据分析和挖掘。
在利用云计算进行大规模数据挖掘和知识发现的研究中，还面临着一些挑战。
首先是数据隐私和安全性的问题。
由于大规模数据包含着大量的敏感信息，如何确保在数据挖掘和知识发现过程中的数据隐私和安全性是一个重要的问题。
《2024年数据挖掘研究现状及发展趋势》范文
《数据挖掘研究现状及发展趋势》篇一一、引言随着信息技术的飞速发展，大数据时代已经来临。
数据挖掘作为处理海量数据并提取有价值信息的重要手段，其研究与应用日益受到广泛关注。
本文将介绍数据挖掘的研究现状，并探讨其未来的发展趋势。
二、数据挖掘研究现状1. 研究领域数据挖掘涉及多个学科领域，包括统计学、机器学习、数据库技术、人工智能等。
目前，国内外学者在数据挖掘领域进行了大量研究，涵盖了金融、医疗、教育、电商等多个行业。
2. 研究方法数据挖掘主要采用统计学、机器学习算法等方法对数据进行处理和分析。
其中，聚类分析、分类与预测、关联规则挖掘等是常用的数据挖掘方法。
此外，深度学习、神经网络等新兴技术在数据挖掘中也得到了广泛应用。
3. 研究成果近年来，数据挖掘在各个领域取得了丰硕的成果。
例如，在金融领域，通过数据挖掘技术可以预测股票价格走势、识别欺诈行为等；在医疗领域，数据挖掘有助于实现疾病预测、基因分析等。
此外，数据挖掘还为电商推荐系统、智能决策支持系统等提供了强有力的技术支持。
三、数据挖掘的发展趋势1. 云计算与大数据的结合随着云计算技术的不断发展，大数据存储和处理能力得到了极大提升。
未来，云计算与大数据的结合将进一步推动数据挖掘技术的发展。
通过云计算平台，可以实现对海量数据的快速处理和分析，为各行业提供更高效的数据挖掘服务。
2. 深度学习与神经网络的广泛应用深度学习与神经网络是当前研究的热点领域，其在数据挖掘中发挥了重要作用。
未来，随着算法的不断优化和模型性能的提升，深度学习与神经网络将在数据挖掘领域得到更广泛的应用。
3. 数据挖掘与人工智能的融合数据挖掘与人工智能的融合将是未来发展的重要趋势。
通过将数据挖掘技术与人工智能算法相结合，可以实现更高级的数据分析和预测功能，为各行业提供更智能的决策支持。
4. 数据隐私与安全保护的重要性日益凸显随着数据挖掘的广泛应用，数据隐私和安全保护问题日益受到关注。
未来，如何在保证数据隐私和安全的前提下进行数据挖掘将成为一个重要的研究方向。
基于云计算的大数据处理与分析技术研究
基于云计算的大数据处理与分析技术研究第一章：绪论1.1 课题背景随着互联网和移动互联网的迅速发展，大量数据不断被生成和积累。
这些数据包含了各种类型、各种形式的信息。
如何快速、准确、高效地处理和分析这些数据成为了当前互联网领域的一大挑战，同时也是处理海量数据的必要手段。
1.2 研究意义基于云计算的大数据处理和分析技术的研究，是当下互联网领域中的一个热门议题，其研究意义主要体现在以下几个方面：（1）大数据处理能力的提升：利用云计算的优势，将数据分散到多个计算节点上进行处理，大大提升数据处理能力；（2）数据分析效率的提高：云计算可以快速地完成大量数据的预处理、存储和分析，从而提高数据分析效率；（3）新兴产业的培育：大数据技术的不断完善和应用，将推动数字经济和相关产业的快速发展。
第二章：基于云计算的大数据处理技术2.1 云计算的概念与特点云计算是指利用互联网等通信技术，将大量的计算资源、存储资源和应用程序进行集中和管理，以满足用户的个性化需求。
其特点主要包括以下几个方面：（1）可伸缩性：云计算中的资源具有良好的可扩展性，可以根据实际需求进行自动扩展；（2）按需订购：用户只需按照自己的实际需求选择所需要的服务和应用程序，无需购买应用程序的复杂硬件和软件设备；（3）可靠性：云计算中的资源不仅可以快速地处理高并发访问，还具备备份和容错机制，保证服务的高可靠性和稳定性。
2.2 大数据处理技术的发展历程大数据处理技术的发展经历了以下几个阶段：（1）传统数据处理技术：包括关系数据库管理系统（RDBMS）和数据仓库（Data Warehouse）等；（2）并行处理技术：如MapReduce和Hadoop等；（3）实时处理技术：主要包括Storm和Spark等；（4）深度学习技术：基于神经网络的深度学习技术、卷积神经网络和循环神经网络等。
2.3 基于云计算的大数据处理技术基于云计算的大数据处理技术主要包括以下几个方面：（1）Hadoop平台：Hadoop是一种基于Java语言的分布式存储和计算平台，可用于处理极大数据集；（2）Spark平台：Spark是一种快速、通用型的大数据处理平台，可以进行批处理和实时处理；（3）Storm平台：Storm是一种分布式实时计算系统，在实现实时数据处理方面具有显著的优势；（4）Flink平台：Flink是一种分布式大数据处理平台，既支持批处理，又支持流式处理。
云计算技术在计算机数据处理中的应用
云计算技术在计算机数据处理中的应用摘要：伴随信息技术与互联网技术的发展,技术升级和更新的速度不断加快,计算机中的数据存储量也在日益增多。
作为人们工作、生产、生活必不可少的设备,计算机对于社会经济起到了巨大推动作用。
由于大数据分析是计算机的一个重要领域,并且云计算技术能够为大数据分析提供巨大帮助,因此,研究计算机大数据分析中的云计算技术运用具有一定现实意义。
关键词：数据分析;计算机;云计算引言当今社会，计算机和网络技术应用越来越广泛，不仅为人民的生活、工作带来了巨大便利，而且推动了整个社会的发展进步，产生了深远的影响。
伴随着计算机使用量和网络用户群体的不断增加，数据信息规模越来越大，社会已经迈入了大数据时代。
如何高效、精准地处理批量化数据信息，并从海量数据中挖掘出重要信息发挥数据的最大化价值，已经成了各行各业新一轮竞争的焦点。
大数据技术的出现让计算机数据处理工作变得更加简单，也受到了社会的追捧。
笔者就此分析和探讨以大数据技术为支撑的计算机数据信息处理应用。
1云计算技术概述当今世界是一个高速发展的世界，同时也是一个竞争激烈的世界。
世界各国都认识到互联网技术的重要性，都在积极争夺现代信息技术应用和发展的制高点。
在各国发展过程中，要想真正实现计算机数据分析技术的大发展，云计算技术是一个关键因素。
云计算技术建立在互联网和计算机基础上，由IT的创新发展模式，通过网络与系统连接，在做好相关的数据采集工作后，进行应用程序的设计，从而能够为社会各行各业和不同企业及用户提供精准的数据分析和服务。
早在2006年云计算技术就已经成功研发，在经过十几年的快速发展后，云计算技术已经越来越成熟和完善，并对各行各业的发展中起到了推动作用。
当前，云计算技术的体系架构有五个层面：①物理层，典型的产品有IBM-MorganStanley′sComput-ingsublease等；②核心层，典型的产品有Condor、Globus等；③资源架构层，基础设施层（IaaS）典型的软件服务层产品为AmazonEC2，软件服务层（SaaS）典型的产品为EMCStorageManagedservice等；④开发平台层，典型的产品有GoogleAppEngine等；⑤应用层，典型的产品有SalesforceCRMSystem等。
基于云计算的数据挖掘技术分析
１ ｄ ｕ ｃ ｅ 模式收集 数据 ， 但不足 的是开发 工具还不
今后结合分形维数和其他技术 的方 法是新的发展方 向。 数据挖掘也称数据库 中的知识发现过 程， 是指在大量不完 完善。 结合 网络聚类和分形维数 的思想产生的基于网络和分 形 全 的、 随机 的、 模 糊 的、 有 噪声 的数据 中发现 具有潜在 实用价 例如 ：
是无形 的、 动态 的， 实际用户不会关心应用运行 的具体位 置。
算调度任务和计算分配等 问题。（ 三） 云计算提 高了 大规模数据
（ 二） 价格 便 宜， 速度快 。“ 云 ”的构成节点极其廉 价， 所 以降 处理速 度和能力。（ 四） 数 据处理成本 降低 了， 也不再需要 高性
低了数 据 中心 管理需要 的成本 消耗 。“ 云 ”不仅成 本低 廉 ， 资 能机器 。
关键 词： 数据 挖掘 ； 云计算
１概 述
果模式评价， 这与传统 数据挖掘 过程一样 。 但是在 数据 的处理
这是因为云计 算中的数据格式与传统 的 随着 物联网、 移动互联 网的迅猛 发展 ， 数据呈指数形式增 和存储方式 上会不同， 它们大多来 自 于点击流。 加， 当今 时代 已处于信息数据过载 的海量数据 时代 ， 这 对数据 不一致 ，
２ ． ２数据存储
云计算 系统 运用最 广泛 的数据存 储方式 是分布 式存储 策
１ ． ２云计算
同一个数据存储为多个副本， 这保证 了数据 的可靠 性。 这不 狭义 上讲， 云计算指 的是通 过 网络 以便于扩展 、 按照需求 略， 同时系统 还要 有错误 隔离、 心跳检测等措施 。 的方式获得 资源 （ 硬件 、 软件 、 平 台）， 是一种Ｉ Ｔ 基础设施 的交 是冗余复制。 付 和使用模式 ， 云就是 网络 中的软、 硬件 资源 。 广义上讲 ， 云计 ３ 基于云计算的数据挖掘技术优 势 算是 指服 务提 供者 根据用户 需求 、 以便 于扩展 的方式 提供 服
云计算及其在数据挖掘上的应用研究
２ 云 计 算 采 用冗 余 方 式 提 高 可 靠 性 。云 计 算 系统 提 供 数 据 处 理 服 务 给用 户 ， ） 大量 商 用 计 算 机 集 群 组 成 云计 算 系统 。 果 Ｐ 如 Ｃ数 量 不 断地 增 加 ， 系统 出现 错 误 甚 至 崩溃 的概 率 就 会 会 不 断增 大 。在 没 有 专 用 的可 靠 性 硬 件 支 持 的情 况下 ， 用 软件 的方 式 保 证 数 据 采
Ｃ ｍｐ ｔ ｎ ｗ ｅ ｇ ｎ ｅ ｈ ｏ ｇ ｏ ｕｅ Ｋ ｏ ｌ ｅａ ｄ Ｔ ｃ ｎ ｌ ｙ电 脑 知 识与技术 ｒ ｄ ｏ
Ｖｏ ． Ｎｏ２ ， ｇ ｓ ０ ０， Ｐ ６ ７ — ２ ４ １ ６， ． ２ Ａｕ ｕ ｔ２ １ Ｐ ． ２ ２ ６ ７
云计算及其在数据挖掘上的应用研 究
云 计算 技 术 的 出 现是 并 行 计 算 技 术 、 件 技 术 、 软 网络 技 术 发 展 的 必 然 结 果 。云 计 算 在 商 业 和 科 研 领 域 的应 用 价 值 得 到 了 包 括 ＩＭ、 ｏｇｅ等公 司 的重 视 ， 未 来 将 像 工业 革命 一 样 引领 着 社 会 的发 展 。 目前 ， Ｂ Ｇ ｏｌ 其 云计 算 的 研究 与应 用 尚 处 于 初 级 阶段 ， 计 算 实 现 云 商 业 价值 指 日可 待 ， 云计 算 的 特 点 是使 数 据 存 储 及 应 用 商业 化 ， ｂ数 据挖 掘是 一 个 应 用 价 值 大理 论 性 很 强 的研 究 领 域 ， 文 基 于 Ｗｅ 本 云 计 算 框架 下 对 Ｗｅ ｂ数 据 挖掘 算 法 进 行 了讨 论 和研 究 。
储 和 网络 计 算服 务 。 种 计 算 由统 一 的 计 算机 群 完成 ， 比 网格 计 算 效 率更 高 ， 态 处理 能 力 更 强 。 云 计 算 应 用 到数 据 挖 掘 中 ， 该 相 动 将 可
基于云平台的多维数据分析的研究与应用中期报告
基于云平台的多维数据分析的研究与应用中期报告一、选题背景随着大数据技术和云计算技术的发展，越来越多的企业和机构开始采集、存储和分析大量的数据。
目前，数据分析是企业和机构决策制定的重要工具，因为它可以帮助人们更好地理解和预测市场趋势、消费者行为和竞争对手的策略。
然而，传统的数据分析方法不能满足当今复杂多变的商业需求。
为了应对这一挑战，新的数据分析方法和技术日益发展，其中基于云平台的多维数据分析是一种重要的趋势。
二、研究目的本研究旨在探究基于云平台的多维数据分析的原理、方法和应用，重点研究如何利用多维数据分析技术实现智能商业决策。
具体研究目的如下：1.深入研究多维数据分析的理论基础，包括数据仓库、OLAP、多维数据模型等内容。
2.分析云计算的基本概念、技术架构和应用场景，明确基于云平台的多维数据分析的优势和瓶颈。
3.研究基于云平台的多维数据分析的方法和技术，重点探讨多维数据分析在云平台上的实现方式和关键技术。
4.结合实际案例，探讨基于云平台的多维数据分析在实际商业应用中的可行性和优势，提出改进和完善的建议。
三、研究内容1.多维数据分析的理论基础(1)数据仓库的构建原理、方法和最佳实践(2)OLAP技术的原理、工具和应用(3)多维数据模型的设计、优化和应用2.云计算的基本概念和技术(1)云计算的基本架构和原理(2)云计算的服务模式和部署模式(3)云计算的应用场景和案例3.基于云平台的多维数据分析(1)基于云平台的多维数据分析架构设计(2)基于云平台的多维数据分析关键技术研究，包括数据安全、数据挖掘、数据可视化等(3)基于云平台的多维数据分析平台搭建及性能测试4.基于云平台的多维数据分析应用案例(1)基于云平台的多维数据分析在电商领域的应用(2)基于云平台的多维数据分析在航空运输领域的应用(3)基于云平台的多维数据分析在金融行业的应用四、预期研究成果1.基于云平台的多维数据分析方法论研究成果2.基于云平台的多维数据分析软件系统设计和实现成果3.基于云平台的多维数据分析应用案例成果五、研究计划及进度安排1.第一阶段：文献调研和理论研究 (2021年5月-6月)(1)收集和阅读相关文献，熟悉多维数据分析和云计算的相关理论。
基于Hadoop的大数据分析与处理研究
基于Hadoop的大数据分析与处理研究随着互联网的发展，数据量也随之呈现爆炸式的增长。
如何有效的处理这些海量数据是目前亟待解决的问题。
Hadoop作为开源的分布式计算框架，已经成为了大数据处理的主要选择。
本文将着重讲解基于Hadoop的大数据分析与处理研究。
一、Hadoop简介Hadoop是一个开源的分布式计算框架，主要解决的是海量数据的存储和处理问题。
它由Apache基金会开发，拥有自己的文件系统HDFS（Hadoop Distributed File System）和分布式数据处理框架MapReduce。
其中，HDFS主要负责海量数据的分布式存储，而MapReduce则是处理和计算数据的核心模块。
目前，Hadoop已经成为了数据科学家和工程师的标配技能之一。
二、Hadoop的优点1. 可扩展性Hadoop的分布式架构使其可以轻松地扩展到数百个节点。
只要增加更多的服务器，Hadoop就可以根据需要添加更多的计算和存储资源，以满足不断增长的数据需求。
2. 高可靠性Hadoop采用了多个复制副本来存储数据，数据能够在不同的节点上复制多份，一旦出现部分节点宕机的情况，仍可以从其他节点中读取数据，确保数据的高可靠性。
3. 高效性Hadoop通过MapReduce操作，可以非常高效地处理大量的数据。
MapReduce采用了并行计算的方式，将数据划分成多个小任务，并分布到不同的节点上进行计算。
这种方式可以最大限度地利用硬件资源，使计算效率得到了极大的提升。
三、基于Hadoop的大数据分析与处理基于Hadoop的大数据分析主要分为四个步骤：数据采集、数据清洗、数据挖掘和数据可视化。
1. 数据采集在大数据分析过程中，需要先获取海量的数据。
数据的来源可以是开放API、爬虫程序、传感器、日志文件等多种渠道。
2. 数据清洗在数据采集后，需要进行数据清洗。
数据清洗主要是为了提高数据的质量，并去除无用的信息。
数据清洗包括去重、删除错误数据、填补缺失值等操作。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
随着 网络 技 术 的 飞速 发 展 ， 存 储 于计 算 机 中 的 的百分 之一 。因此 ， 我们 把重 点放 在树 的创建 上 ； 另 数 据 文件 呈爆 炸式 的发 展 。这些 数 据又 称为 海量 数 外 一方 面 ， 基 于二叉 树简 洁又 精准 的特 点 ， 本 文选 择 据， 这 类数 据 常常 伴 随着 噪声而 且是 异构 数 据 ， 其 很 的是创 建二 叉树 。
Ｓ Ｐ ＲＩ ＮＴ算法 ，然后 结合云计算 中的 Ｍａ ｐ Ｒ ｅ ｄ ｕ ｃ ｅ 编程模 式对 ｓ Ｐ Ｒ Ｉ ＮＴ算 法进行 改进 和优 化 ，将并行的 ｓ Ｐ Ｒ Ｉ ＮＴ算 法移植到
ＨＡＤＯＯＰ平 台下 ，最 后 通 过 实验 实现 分 布 式 数 据 处 理 。
关键词 ：云计 算；数据挖掘 ；Ｓ Ｐ ＲＩ ＮＴ；ＨＡＤＯＯＰ；Ｍａ ｐ Ｒ ｅ ｄ ｕ ｃ ｅ 中图分类 号： ＴＰ ３ １ 文献标识码 ：Ａ 文章 编号 ：１ ６ ７ ２ — ９ ８ ７ ０ （ ２ ０ １ ３ ） ０ ６ — ０ １ ５ ７ — ０ ４
Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｎ Ｍａ ｓ ｓ ｉ ｖ ｅ Ｄａ ｔ ａ Ｐｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ Ｂａ ｓ ｅ ｄ ｏ ｎ
Ｃｌ ｏ ｕｄ Ｃｏ ｍ ｐｕ ｔ ｉ ｎ ｇ ａ ｎ ｄ Ｄａ ｔ ａ Ｍｉ ｎ ｉ ｎ ｇ
Ｗ ＡＮＧ Ｐｅ ｎ ｇ，Ｗ ＡＮＧ Ｊ ｉ ａ ｎ ａ ｎ， ＧＵＯ Ｃ ｈ ａ ｎ ｇ，ＢＡ Ｊ ｉ ｃ ｉ
Ｖｏ １ ． ３ ６ Ｎ ｏ ． ６
Ｄｅ ｃ ． ２０１ ３
基 于云计算及数据挖掘技术 的海量数 据处理研究
王鹏 ，王健安 ，郭畅 ，巴济 慈
（ 长春理工大学 摘 计算机科学技术学院 ，长春 １ ３ ０ ０ ２ ２ ）
要 ：主要 介绍 了在 ＨＡＤＯＯ Ｐ平 台下使 用优 化 的 Ｓ Ｐ Ｒ Ｉ Ｎｉ ｎ ｇ ｗａ ｓ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｄ ． Ｆｉ ｒ ｓ ｔ ｌ ｙ， ｔ ｈ ｅ ＳＰ ＲＩ ＮＴ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｗｈ ｉ ｃ ｈ ｉ ｓ ｔ ｈ ｅ ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｄ ａ ｔ ａ ｍｉ ｎ ｉ ｎ ｇ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｗａ ｓ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｄ ａ ｎ ｄ
难直接被用户理解 。如何从这样 的数据里提取出规 １ ． １ 数 据结 构 律 和模 式 已经 成为 一个 难题 。数 据 挖掘作 为 一 门能 Ｓ Ｐ Ｒ Ｉ ＮＴ算 法表 示数 据 特征 的方 式是 采用 属性 够高效 的、 便 于 扩 展 的解 决 以 上 问题 的技 术 应 运 而 表 与直 方 图这两 种数 据结 构 ， 其 中， 后 者是 依 附在 前 生 。选 择 云计 算 做 海量 数 据 的 分类 数 据 挖 掘处 理 ， 者之上 ， 而前 者又 是 随着 节 点 的划 分 而 分裂 的。 它 可 以减 少构 建 分 布 式计 算 平 台 的开 销 ， 同 时将 底层 会 依 据属 性 的 不 同性 质 ， 如 连续 型或 离 散型 而 显 现 屏 蔽掉 ， 便 于开 发 ， 使 得 原有 的设 备拥 有对 大 数据集 的较高处理效率 ， 增加了节点的个数和容错 能力 ， 提 出相应 的表 现形式 。
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｃｏ ｍｐ ｕ ｔ ｅ ｒ Ｓｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ，Ｃｈ ａ ｎ ｇ ｃ ｈ ｕ ｎ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔｅ ｃ ｎｏ ｈ ｌ ｏ ｇ ｙ，Ｃｈ ａ ｎ ｇ ｃ ｈ ｕ ｎ １ ３ ０ ０ ２ ２ ）
第３ ６ 卷第 ６ 期
２ ０ １ ３ 年１ ２ 月
长 春理 工大 学学报 （ 自然科学版 ）
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｃｈ ａ ｎ ｇ ｃ ｈ ｕ ｎ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ（ Ｎａ ｔ ｕ ｒ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｅ ｄ ｉ ｔ ｉ ｏ ｎ ）
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｉ ｎ ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ，ｏ ｐ ｔ ｉ ｍｉ ｚ ｅ ｄ Ｓ ＰＲＩ ＮＴ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｗｈ ｉ ｃ ｈ ｗａ ｓ ｕ ｓ ｅ ｄ ｉ ｎ ｔ ｈ ｅ Ｈａ ｄ ｏ ｏ ｐ ｐ ｌ ａ ｔ ｆ ｏ ｒ ｍ ｆ ｏ ｒ ｍａ ｓ ｓ ｄ ａ ｔ ａ ｐ ｒ ｏ ｃ ｅ ｓ ｓ —
ｔ ｈ ｅ ｎ ｗａ ｓ ｃ ｏ ｍｂ ｉ ｎ ｅ ｄ ｗｉ ｔ ｈ ｔ ｈｅ Ｍ ｒ ｄ ｐ Ｒｅ ｄ ｕ ｃ ｅ ｍｏ ｄ ｅ ｌ ｉ ｎ ｔ ｈ ｅ ｃ ｌ ｏ ｕ ｄ ｃ ｏ ｍｐ ｕ ｔ ｉ ｎ ｇ ｔ ｏ ｉ ｍｐ ｒ ｏ ｖ ｅ ａ ｎ ｄ ｏ ｐ ｔ ｉ ｍｉ ｚ ｅ ｔ ｈ ｅ Ｓ ＰＲＩ ＮＴ ａ ｌ ｇ ｏ — ｒ ｉ ｔ ｈ ｍ ．Ａｔ ｌ ａ ｓ ｔ ，ｔ ｈ ｅ ｐ ａ ｒ ａ ｌ ｌ ｅ ｌ Ｓ ＰＲＩ ＮＴ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｗｉ ｌ ｌ ｂ ｅ ｔ ｒ ａ ｎ ｓ ｐ ｌ ａ ｎ ｔ ｅ ｄ ｔ ｏ ｔ ｈ ｅ ＨＡＤＯＯＰ ｐ ｌ ａ ｔ ｆ ｏ ｍ ，ａ ｒ ｎ ｄ ｆ ｉ ｎ ａ ｌ ｌ ｙ ｔ ｈ ｅ ｄ ｉ ｓ ｔ ｒ ｉ ｂ ｕ ｔ — ｅ ｄ ｄ ａ ｔ ａ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ ｗａ ｓ ａ ｃ ｈ ｉ ｅ ｖ ｅ ｄ ｔ ｈ ｒ ｏ ｕ ｇ ｈ ｔ ｈ ｅ ｅ ｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ： ｃ ｌ ｏ ｕ ｄ ｃ ｏ ｍｐ ｕ ｔ ｉ ｎ ｇ；ｄ ａ ｔ ａ ｍｉ ｎ ｉ ｎ ｇ；ＳＰ ＲＩ ＮＴ ；ｈ ａ ｄ ｏ ｏ ｐ； ｍａ ｐ Ｒｅ ｄ ｕ ｃ ｅ