智慧水务平台开发构想与思路

文章结合对云计算技术发展的认识和对智慧水务理念的理解,探索分析云计算环境下水务企业智慧水务平台构建的必要性、可行性和意义;分析云计算与水务企业运行管理结合的特点;阐析云环境下对水务企业管理和运行设备的动态数据进行收集、分析、精练、处理和共享所提出的一种总体架构和思路,供相关企业和同行一起探讨。自从IBM公司提出智慧地球和智慧城市的理念以来,社会各行业对 “智慧”已有了新的认知,尤其是伴随着物联网与云计算运用的兴起,建设各类行业智慧平台已是大势所趋。而在水务行业,目前还很少企业拥有统一规范的智慧水务管理平台。现有的信息化系统之间由于建设的时间、商家、标准不同等,导致了许多业务部门虽然积累了大量的数据,但很多数据却是孤立的,数据处理和利用通常仅局限于本部门内部,共享不足,也无法深入地挖掘、分析与应用。在信息化建设方面只重业务管理建设,轻数据挖掘和智能分析,对于智慧化决策的支撑力度并不够,企业决策仍有相当一部分依靠人工经验。而随着企业需处理的信息数据越来越多,要求越来越高,企业现有的信息技术水平已难以满足时代要求,因而利用物联网、智能传感、云计算、大数据等技术对供水、排水、水处理等环节进行全要素管理,提升信息化水平,实现管理协同化、资源利用高效化、服务便捷化的议题已愈发引起了越来越多业内企业的思考。 ( )

基于多尺度残差卷积自编码器的图像聚类方法

对于图像的聚类,现有方法在特征提取方面或难以选择合适的维度转换方法,或提取的特征对图像特征的表达较弱且不够丰富,对图像的聚类效果产生了较大影响,导致了聚类精度较低。为此,提出一种基于多尺度残差卷积自编码器的图像聚类方法,通过构建具有若干个含有残差连接的多尺度卷积模块,获得中间层的高维特征表达,并以此进行图像聚类。实验结果表明,在MNIST数据集上的聚类准确率为82.2%,ARI(Adjusted Rand Index)值为0.7810,NMI(Normalized Mutual Information)值为0.8532,模型达到了较好的聚类效果。

一种基于随机森林的改进特征筛选算法

肝癌是一种我国高发的消化系统恶性肿瘤,患者死亡率高,威胁极大。而其预后情况通常只能通过医生的专业知识和经验积累来粗略判断,准确率较差。因此文中在分析随机森林算法的基本原理的基础上,提出一种改进的基于随机森林的特征筛选算法,并应用Python编程设计了一个能够预处理数据、调用这些算法、控制各参数并展现测试结果的系统,最终将该系统应用于肝癌预后预测,比较分析了不同的算法、参数、内部策略对预测精度和计算性能的影响。研究结果表明,随机森林相比剪枝过的决策树具备更好的泛化能力和训练速度,改进的特征筛选算法能够在保证预测精度的前提下显著缩小特征集。