中国特色政府信息公开与数据开放关联性分析

政府信息公开与数据开放是数字政府建设的重要内容,厘清两者之间的关系,有助于两者相互促进、推进国家治理体系和治理能力现代化。政府信息公开与数据开放在发展过程中具有一致性和差异性,两者存在有益共生关系。基于此,未来应优化数据要素,推进政府信息公开和数据开放协同发展。同时,将开放推进到数据层面,实现数据的深度开放和共享。

混合属性网络多维多层关联数据智能挖掘算法

针对传统关联数据挖掘算法,强项集挖掘后产生大量候选项集,导致挖掘耗时长、挖掘精度低等问题,提出一种混合属性网络多维多层关联数据智能挖掘算法(Multidimensional Multilayer Associative Data Intelligent Mining Algorithm,MMAD-IM)。计算混合属性网络中随机数据到簇中心的距离,将目标数据分配到距离簇中心最近的簇中,使簇中心固定,完成混合属性网络数据的聚类分析。从聚类完成的数据中提取出有效的基本频繁向量,同时计算数据的候选项集,对哈希表进行扫描,利用改进Apriori算法完成强项集挖掘。以此为基础构建空间关系,获取近似区域与近似点之间的距离,形成待挖掘数据并计算数据的隶属度数值,完成智能挖掘。实验结果表明,所提算法具有较好的数据聚类效果,强项集挖掘后剩余的候选项集数量较少,整体数据挖掘耗时远低于传统算法,挖掘精度高达90%。

基于Apriori的视觉传感网络关联数据高效识别方法

在视觉传感网络关联数据识别中,由于数据变化的规律难以捕捉,造成识别结果精确度降低,为此,提出了基于Apriori的视觉传感网络关联数据高效识别方法。通过设计视觉传感网络联合监控系统监控视觉传感网络数据变化情况,获取视觉传感网络关联数据。该系统由处理器单元、数据传输单元等四个模块构成。提取图像中的感兴趣区域完成ROI提取,并通过腐蚀处理等方式对视觉传感网络关联数据实施形态学处理。基于Apriori算法实施视觉传感网络关联数据之间关联规则的挖掘,实现视觉传感网络关联数据的识别。布设实验环境后,使用三个数据集测试该方法的识别性能。测试结果表明,所提方法的微平均查全率均高于94.86%,微平均查准率高于93.02%,最高召回率为98.52%,三个项目的测试值均较高,证明了该方法对视觉传感网络关联数据识别比较准确。

基于关联规则改进的网络异常数据挖掘方法

传统的网络异常数据挖掘方法在计算网络异常数据与相关核心的距离时存在准确度不高的问题,导致挖掘精度有限,因此研究提出一种基于关联规则算法的改进网络异常数据挖掘方法。首先,初始化网络异常数据关联核心,采用Kmeans算法对网络异常实体数据执行局部搜索和优化;其次,运用关联规则算法精确计算网络异常数据与关联核心之间的距离;最后,确定距离关联核心最远的网络异常数据,以完成挖掘过程。研究结果显示,在挖掘相同数量的网络异常数据时,相较于传统方法,该研究方法能显著增加正确挖掘出的网络异常数据比例,提升对网络异常数据的识别精准度,具有显著优势。

OpenAIRE关联开放数据研究

文章对OpenAIRE关联开放数据从数据模型、词汇表的选择和创建、数据映射、LOD的批量生成、数据的链接、对外开放查询进行了详细的分析,为我国分散的机构知识库、学术平台、期刊平台等数据的语义化整合、数据互操作和开放获取提供了一种新的方法与思路。但是目前OpenAIRE关联开放数据的实现仍然存在许多问题和挑战:URIs不够稳定;OpenAIRE LOD的数据生成过程是人工实施的;主要是通过URI访问,数据链接的质量有待提高。建议在OpenAIRE关联开放数据的实现过程中进一步增强数据稳定性、实施数据自动转换方法、开展多路径查询方式、加强数据质量控制与评估。

基于关联规则算法的无线通信网络数据安全分类方法

针对现有数据安全性分类方法的分类精度和效率较低问题,提出基于关联规则算法的无线通信网络数据安全分类方法。通过关联规则挖法找出无线通信网络数据间联系,采用C4.5决策树方法实现数据安全性初步分类,利用马尔可夫链构建无线通信网络射频信号的安全性分类模型,测试结果证明:所提方法ACU面积指标接近于1,适用性强,分类精度高,且分类时间在30 min以内,能够有效提升了分类速度,鲁棒性高。

面向保护和利用的大遗址本体与关联数据研究

大遗址与所在地的居民生活生产、城乡发展以及资源保护与利用等方面存在紧密关联,在我国快速的城镇化进程中,大遗址的保护和利用面临巨大压力。对大遗址知识的有效组织是大遗址保护和利用的前提。本体和关联数据技术为大遗址知识组织提供了新的方法及实现路径。文章首先结合文献调研,复用CIDOC-CRM和OWL-Time本体构建上位本体;然后通过构建顶层框架和抽取概念实例,获取大遗址知识概念和实例,并将其转化为大遗址本体的实体、对象属性和数据属性;最后基于关联数据技术,以西安片区大遗址为例,利用D2RQ发布大遗址知识的关联数据集。文章通过构建本体和发布关联数据实现了大遗址知识的语义关联和开放共享,为提升大遗址的保护和利用水平提供了数据支撑和知识服务。

基于改进YOLOX与多级数据关联的行人多目标跟踪算法研究

目标跟踪是计算机视觉领域的基本问题,行人多目标跟踪在智能监控、智慧交通等多个领域有着广泛的应用前景。然而实际跟踪场景中存在频繁遮挡、尺度变化等情况,给多目标跟踪算法带来了极大的挑战。为了进一步提升跟踪精度,在DeepSORT的基础上,提出一种基于改进YOLOX与多级数据关联的行人多目标跟踪算法。对于检测器,为了增强网络的特征表达能力,提高检测精度,在YOLOX骨架网络与颈部网络分别引入ECA通道注意力模块与ASFF自适应特征融合模块。对于身份识别特征,为了减少数据关联步骤的错误匹配数量,提高跟踪效率,使用轻量的OSNet重识别网络与NSA卡尔曼滤波获取目标特征。对于数据关联,为了减少身份切换次数,避免目标丢失,将检测与跟踪都进行分类处理,使用不同的相似性计算方法,实现基于检测置信度与轨迹状态的多级数据关联。实验结果表明:与改进前YOLOX与DeepSORT简单结合的算法相比,在YOLOX中引入ECA模块与ASFF模块使误检数量大幅降低,使用YOLOX-s模型时降幅可达17%;结合OSNet模型与NSA卡尔曼滤波的特征提取方法能提高跟踪稳定性,IDF1指标提高0.77%,IDSW减少947;基于检测置信度与轨迹状态的多级数据关联算法可以明显改善跟踪性能,MOTA指标提升3.36%。算法最终在MOT17与MOT20测试集上的MOTA达80.4%与77.7%,IDF1达78.4%与76.7%。提出的行人多目标跟踪方法相较于其他先进算法在跟踪精度与跟踪速度上达到更好的平衡,可为工业上在线行人多目标跟踪应用提供参考。

一种长基线被动传感器数据关联方法

为了提高测向交叉定位系统多目标环境下的去鬼点性能,提出了一种长基线被动传感器数据关联方法.首先利用被动传感器量测的视线矢量信息进行交叉定位并计算定位误差协方差矩阵,然后基于两个定位点构造了一个卡方分布的检验统计量,将多目标条件下的去鬼点问题转换为假设检验问题.为了分析该方法的性能,定义了真实目标的正确关联概率和鬼点目标的错误关联概率,并在使用两部和三部被动雷达的情况下分别与倾斜角方法进行了仿真对比.仿真结果表明所提出的方法在使用三部被动雷达或多目标与被动雷达共面时关联性能更好.

基于关联规则的油田大型机泵设备振动故障数据采集方法

为了在不同工况下获取完整的振动故障数据,设计关联规则的油田大型机泵设备振动故障数据采集方法.提取大型机泵设备振动故障数据特征,在数据标准阈值中设定预警值与报警值,获取故障数据的全频域信息;基于关联规则方法优化振动故障数据采集完整性,通过分解、排序、更新三个步骤在处理噪声的同时保证数据完整性;引入连续采集算法判定振动数据故障阈值,优化完成油田大型机泵设备振动故障数据采集.实验表明,该数据采集方法可以在六种工况下,有效获取机泵设备回旋振动与纵向振动的完整故障数据,具备实际可行性.

基于大数据关联分析的学生考试成绩分析

考试成绩不仅是院校教育者了解教学实施情况的重要参考,更是学生了解自身知识掌握情况、寻找短板弱项、科学制定个人学习目标的重要参考。开展基于大数据的考试成绩分析与应用,寻找学生考试成绩背后各科目之间的相互关联,对于各高校提升管理质量和管理效益,学生开展更有针对性的学习具有十分重要的意义。采用Apriori算法的数据挖掘技术,对我校已毕业的2018级学生高考、在校期间的考试成绩数据进行了分析,寻找制约学生成绩的关键课程和影响因素,为改进人才培养提供数据支撑。

基于多传感器数据关联的综合传动装置服役状态辨识方法

针对综合传动装置在恶劣环境下传感器数据跳变、可靠性差,导致依赖单一传感器信息带来的状态判断虚警率高、服役状态难以准确辨识的问题,提出一种基于多传感器数据关联的综合传动装置服役状态辨识方法。通过时间窗均值关联网络,充分考虑关联传感器数据在各时间段的关联程度,可以有效表征复杂工况下传感器数据的关联关系。在时间窗关联度计算方法的基础上进一步构造了误差反向传播(Back Propagation,BP)数据映射模型,完成对关键传感器数据的映射。采用变分模态分解和样本熵(Variational Mode Decomposition-Sample Entropy,VMD-SE)方法对数据进行预处理;利用所提方法计算各传感器数据间的关联性,选取出相关性高的数据;将相关性高的数据输入构造出的BP数据映射模型进行映射。油压数据的案例验证结果表明,时间窗关联度计算方法能准确地衡量传感器数据间的关联性,BP数据映射模型输出的数据能够良好地表征关键传感器数据,二者结合能够有效提升服役状态判断的准确性。

基于分布式多关联属性的高维数据差分隐私保护方法

针对高维数据发布的过程中存在由多关联属性引发的隐私信息泄露风险问题,在分布式环境下提出一种满足差分隐私保护的多关联属性高维数据发布方法(HDMPDP)。根据数据维度,提出一种基于分布式划分的粗糙集高效降维方法,完成对高维复杂数据特征属性的划分,降低数据维度的同时提高处理效率;设计属性分类准则,利用属性信息熵改进关联分析方法;对得到的属性分别进行加噪,优化噪声添加的方式,减轻关联属性带来的隐私问题。在Spark分布式框架下实现隐私保护数据发布,通过高维数据实验验证了该方法的有效性和隐私保护的安全性。

基于数据挖掘的心力衰竭临床医案集外关联解析

目的:通过数据挖掘对中医治疗心力衰竭医案进行集外关联解析,对心力衰竭的症状、病机与药物之间的核心关联规则进行挖掘,从中分析中医辨证治疗心力衰竭的经验。方法:在中国知识资源总库、维普中文科技期刊全文数据库、万方数据学术论文总库中,检索中医治疗心力衰竭医案类论文,采用Medcase Ver 5.2诊籍数据处理平台,基于频繁模式增长加强关联分析算法,对心力衰竭临床医案进行集外关联解析。结果:共纳入医案406则,患者406人次,971诊次,涉及病机56条,症状123种,药物348种。经集外关联挖掘,产生临床症状与药物集外关联规则31条,病机与药物集外关联规则30条,临床症状与病机集外关联规则31条。结论:中医临床辨治心力衰竭的核心症状为水肿、胸闷、乏力、心悸、纳差、气短、尿少;核心病机中脏腑病位重点为心阳虚、肾阳虚;高关联选药为茯苓、黄芪、丹参、白术、附子等,可采用温心阳、壮肾阳、利水消肿的方法,治疗心阳虚、肾阳虚等较为常见的心力衰竭。

基于改进数据关联的三维多目标跟踪算法

针对传统三维多目标跟踪算法在复杂场景中出现的误关联、跟踪中断、适应性差等问题,在数据关联阶段进行了相应改进,提出了一种基于加权聚合关联代价和目标预测置信度的多目标跟踪算法。首先,结合目标的位置、外观、方向特征计算加权聚合关联代价以度量目标之间的差异性。然后,在关联代价矩阵中引入预测置信度的相关概念,并依据该置信度调整丢失目标的关联搜索域。最后,使用卡尔曼滤波器进行目标运动状态以及预测置信度的更新。在实测数据上的实验结果表明,所提出的算法能够提高点云遮挡、轨迹交叉情况下的跟踪正确率,在MOTA上达到了73.6%。

档案著录信息关联数据化:国际经验与中国路径

关联数据技术已成为档案数据资源开放共享的重要工具。探究档案著录信息关联数据化的国际经验有利于我国档案资源描述的规范化、标准化。以英国LOCAH项目、国际档案理事会RiC-O以及Europeana数据模型为例,对档案关联数据项目和相关数据模型展开调查和研究。基于此,提出我国档案著录信息关联数据应加大档案开放力度,增强对档案资源的语义描述,建立丰富的档案著录数据,加强各方主体协同与资源集成,探索低成本、轻量级的档案著录关联数据化项目。

基于轨迹数据的大规模路网交通拥挤时空关联规则挖掘

提出了K近邻RElim(K neighbor-RElim,KNR)算法和时序K近邻RElim(sequential KNbrRElim,SKNR)算法,利用大规模路网的车辆轨迹数据来挖掘路段拥挤关联规则和拥挤传播时空关联规则。其中KNR算法在RElim算法基础上拓展了空间拓扑约束,可高效从大规模车辆轨迹数据集中挖掘路网中关联性拥挤易发路段,并量化这些路段间拥挤的关联性强度。而SKNR算法进一步以滑动窗口的形式拓展时间维度,可以挖掘出大规模路网中难以直接观测的拥挤传播现象,并追溯拥挤传播路径。以成都路网和车辆轨迹数据的挖掘结果对所提出的算法进行了说明和验证,结果表明了算法的有效性和鲁棒性。

顾及多模态数据特征关联的城市功能区识别方法——以武汉市为例

城市功能区在城市化建设当中扮演着重要的角色,城市功能区建模与分析对于规划城市土地布局和优化土地利用模式有着重要意义。目前在城市功能区建模与分析的研究中,仍存在多模态数据利用率低、关联特征损失大的问题,这导致难以精确捕捉城市空间结构信息。因此,本研究以武汉市中心区域为例,基于街景影像数据和兴趣点数据构建城市功能区识别方法。首先,将研究区域划分为500 m×500 m的格网单元,运用自然语言模型、深度学习、空间插值等方法来提取多维度的城市功能特征;其次,利用核典型相关分析方法提取多模态数据的关联特征,分析不同共享空间维度和相关性的关系;最后,基于建成环境特征、社会经济语义特征、拼接特征及关联特征的多维度特征构建随机森林功能区识别模型,并分别与两种常用数据模态进行对比评价。结果表明,本方法相较于没有顾及关联特征的模型准确度提高了3.4%。研究成果可为政府决策规划、城市发展评估提供帮助,推动城市化建设。

产业政策关联度与企业社会责任关系研究——基于政策文本及财务年报的大数据分析

选取2012—2021年沪深新能源汽车上市公司为样本,利用Python软件测算企业年报与新能源汽车产业政策关联度,实证检验产业政策关联度对企业社会责任的影响。结果发现:中国新能源汽车产业政策关联度与企业社会责任具有正相关关系,该关系存在一个阈值:高于该阈值时,国有企业、大规模企业、盈利企业、东部企业社会责任与产业政策关联度存在显著正相关关系,而民营企业、小规模企业、亏损企业、西部企业社会责任与产业政策关联度关系不显著;低于该阈值时,产业政策关联度与企业社会责任关系不显著。结论有助于企业意识到应与政策保持较强的关联性,从而更好地履行社会责任。

大数据税收征管有助于抑制关联交易吗?--来自“金税三期”工程的准自然实验证据

近年来,上市公司的关联交易不断增长,严重损害了中小股东的利益。文章以“金税三期”工程作为准自然实验,探究大数据税收征管对公司关联交易的治理作用及其影响机制。基于2011—2018年我国非金融上市公司发生的商品与劳务类关联交易数据,通过构造多期双重差分模型,文章研究发现以“金税三期”工程为代表的大数据税收征管模式显著降低了企业的关联交易水平。异质性分析发现,当公司内部治理水平较低,外部市场制度不完善时,“金税三期”工程对关联交易的治理作用更为显著。关于机制的研究显示,大数据税收征管通过征税效应、治理效应和信息效应降低委托代理成本、提高会计稳健性和提升会计信息透明度,从而减少企业关联交易水平。文章的研究不仅从理论上丰富了大数据税收征管的经济效应,而且对我国在数字经济时代深化监管方式改革提供了政策启示。