基于WGAN-GP的建筑垃圾数据集的优化与扩充

随着人工智能技术的火爆与不断成熟,人们越来越倾向于用神经网络的方式去解决现有的问题。同时随着城市化的推进,建筑的拆毁与重建过程中产生了大量的建筑垃圾。现有的建筑垃圾回收装置回收工序复杂,效率低下,导致回收成本远远高于资源本身价值,因此探索高效率,低成本的建筑垃圾回收设备尤为重要。然而现在几乎不存在针对建筑垃圾的专有数据集,且大多数数据质量都不高,导致神经网络无法应用于建筑垃圾领域。为了解决上述问题,提高神经网络在建筑垃圾方面的应用,本文提出了一个新的建筑垃圾数据集,通过手工采集与清理的方式形成初始数据集,在通过WGAN-GP模型对其完成高质量的样本扩充,从而填补建筑垃圾数据集的空白。

医院信息系统垃圾数据分析及处理

目的:通过分析信息系统中垃圾数据的产生和划分不同数据领域,提出有效的方法指导和建议。方法:对垃圾数据的产生根源进行宏观和微观层面分析,将信息系统医疗数据根据数据流的可控程度和监管方式分为几大数据领域,就医疗数据质量管理的核心问题和各数据领域的数据质量管理给出合理建议。结果:理清了垃圾数据产生的路径和源头,对医疗数据的不同领域进行了合理划分,针对性地提出了建议和方法。讨论:只有充分认清垃圾数据的产生根源和不同数据领域的质量管理重点,才能有效的应对垃圾数据问题,避免垃圾数据的产生。

对搜索引擎中垃圾数据Spam的识别分析

垃圾数据Spam是搜索引擎要面对的数个"敌人"之一,解决好了这个问题就能够有力提升搜索引擎的效率。对此,本文简要介绍了垃圾数据Spam带来的危害,分析了它的分类并根据其分类介绍了一些传统的识别策略,最后针对它分类中的链接型欺骗Spam提出了一种简单的识别策略并简要分析了这种策略未来的优化方向。

基于ITMS的e8-C垃圾数据清理系统

南京电信网络维护中心总结了各种产生垃圾数据的场景,联合企信与省公司共同开发ITMS网管程序,通过ITMS下发指令,在一定时间内要求e8-C恢复自动出厂设置重新下发,清掉旧终端残留的垃圾数据,避免大量故障的产生。

云存储日志文件系统中垃圾数据回收的设计与实现

互联网大数据蓬勃发展,各个行业都围绕着大数据展开研究。与此同时,由于数据量的异常膨胀,随之而来的问题就是如何回收垃圾数据。基于云存储日志文件系统HLFS(Hadoop distributed file system based Log-structured File System),设计与实现了垃圾数据回收子系统。通过在HLFS中添加垃圾回收子系统,不但可以提高数据空间的利用率,还可以有效地避免数据空间不够用。为了分析HLFS中垃圾回收子系统的性能,最后对比了HLFS垃圾回收子系统和其他系统中垃圾数据回收机制的优缺点,从而帮助用户选择合适的垃圾回收机制提高磁盘利用率和系统性能。

档案数据库中“垃圾数据”问题研究

档案数据库中存在一种局部看正确但整体看错误的"垃圾数据"。论文以垃圾数据的概念和类型为出发点,具体讨论了垃圾数据的危害性表现,通过技术分析找到了造成垃圾数据的根本原因,进一步提出了解决垃圾数据问题的对策。

别让垃圾数据占座

数据每年呈现爆发式增长,随之而来的是存储成本的不断增加。如何有效存储,减少过程数据存储带来存储成本的增加;如何实现对数据的高效利用,强化数据分析,提升数据价值,成为数据增长与存储成本的一场博弈。

基于大数据分析的垃圾燃烧数值仿真分析

垃圾燃烧过程,由于没有对垃圾进行很好的分类,在燃烧的过程中,不同垃圾类型的燃烧数值在温度场内形成较大的差异化特征。传统的垃圾燃烧数值充分程度分析模型,以热量值为唯一标准进行衡量,忽略了差异化明显的海量和燃烧值相关的其它大数据特征,导致传统的模型无法有效实现垃圾燃烧数值仿真,提出一种基于大数据分析的垃圾燃烧数值仿真方法,依据大数据分析的原理,对垃圾燃烧环境进行假设,塑造垃圾燃烧数值仿真基本模型,分析了固相质量守恒方程以及气相连续方程,对预热区蒸发过程中的质量平衡方程、能量平衡方程以及垃圾焚烧炉中环境对垃圾加热的热流密度进行介绍,对热解区挥发分析出过程中燃料的热分解速度以及垃圾的燃烧与停留时间进行分析,有效实现大数据环境下的垃圾燃烧数值仿真。实验结果表明,所提方法与实际燃烧数值较吻合,验证了所提方法的有效性。

试论通过大数据实现城市垃圾分类的途径

当今时代,做好垃圾分类,保护城市环境已成为全民共识和全民行动。通过大数据实现“垃圾分类督导监管”,推进生活垃圾“集中分类投放+定时定点督导”模式,便于迅速找出问题,总结经验教训,提高垃圾分类实效。文章阐述了通过大数据实现城市垃圾分类的现实意义,揭示了目前我国城市垃圾分类存在的问题,提出了通过大数据实现城市垃圾分类的途径。

浅析大数据可视化应用下数据垃圾中的风险

当今时代数据爆炸、万物互联,从海量的数据中提取有价值的信息并对其进行分析、可视化呈现,使繁杂的信息数据从多维度完成向目标受众传递新闻“全貌”的复杂叙事。与此同时,产生的数据垃圾不仅导致闪存技术更快耗竭外,而且会致使电脑运行缓慢。在电脑越来越多地采纳闪存技术的时代背景下,数据垃圾如何处置的问题也进入了大众视野。电脑性能退化、减少存储组件利用寿命、积小致巨的数据垃圾泄密风险等都是它们迸发的不良后果,对于生活在处处皆算法时代的我们不仅应该紧盯主体数据,更要及时把握数据垃圾中的风险,并采取措施,做好预防工作。

视觉识别的生活垃圾分类系统设计

为解决市民缺乏垃圾分类专业知识,不能准确判断垃圾种类,导致垃圾分类效果不够理想的问题,设计一款能自主识别垃圾种类并完成分装的垃圾分类系统。该系统采用视觉识别技术,将采集到的图片与训练好的模型进行比对,通过算法计算出相似度最高的垃圾类型,并将结果发给控制中心,控制中心根据垃圾种类控制投放模块工作。经测试,该系统目前可识别的范围包括全部四个大类垃圾中常见的十余种垃圾及其不同形态,识别准确率约为78%。

图书馆“数据垃圾”的防止和处理

针对图书馆“数据垃圾”产生的原因和危害性,提出预防和解决的方法与建议。

数据垃圾推动技术

个人计算机领域中,眼看个人有用无用的数据存储已经装备到80年代时期企业级需求的容量,而如今在企业级运算领域都用上存储光交换机了。

基于Oracle的大数据量删除操作性能分析

基于大数据的业务应用,在日常管理中,如何能最有效的对垃圾数据进行删除处理,需要同时考虑删除时长以及业务影响两个维度。本文通过做一些分析和比较,证明在oracle数据库中,通过rowid删除具有最优的效率。

胸痛中心数据清洗方法研究

由于各种因素,垃圾数据是必然存在的,数据清洗是数据挖掘的重要前提之一。针对胸痛中心数据库,介绍其存在的数据质量问题,并根据不同的实例层数据问题,给出数据清洗的具体方法,为类似的数据处理提供参考。

定时扫垃圾,本本“一身轻”

在使用本本时,不仅操作系统会产生各种垃圾数据(例如临时文件等),各种软件(例如浏览器、聊天软件、下载软件等)也会产生各种垃圾信息。如果不对其及时清理的话,不仅会浪费磁盘空间,更重要的是可能会泄露您的隐私信息,给您带来不应有的损失。如果能够实现垃圾数据定时自动清理功能,那么无须用户参与,垃圾数据就会彻底从您的电脑中消失。

数据何以成为要素?

作为新的生产要素,近些年数据成为行业热议的焦点之一。从最初的在大数据中挖掘价值,到现如今的数据产权交易制度建设,昭示着数据开发的广阔前景。然而,数据早已有之,一跃成为要素还需跨越多个门槛。数据必须蕴含丰富价值。富有价值、能够产生效益是生产要素的前提条件,目前数据虽然规模庞大且增长迅速,但充斥着大量冗余数据、垃圾数据、无效数据或者在当前技术条件下无法处理挖掘的数据。

完全自主研发的大数据管理系统能实现什么

《中国数字经济发展与就业白皮书(2019年)》显示,2018年,中国数字经济规模达到31.3万亿元人民币,占GDP比重为34.8%。而到2030年,数字经济占GDP比重将超过50%,届时我国也将全面步入数字经济时代。数据逐渐成为能感知整个经济运转态势的神经网络,其重要性日益凸显。与此同时,数据中心投资及能耗压力也逐步加大,2020年全国数据中心年度用电总量将超过1500亿度。随着数据量爆炸式增长,垃圾数据也增长迅猛。大数据产业以高投入、高能耗、数据利用率低下为特征的痛点问题日益突出,如果不能有效处理,数据将不是资产而是灾难。全新的、中国人自主可控的大数据处理体系革命迫在眉睫。

浅谈电力用户用电信息采集系统相关问题

电力用户用电信息采集系统对电力营销现代化建设具有十分重要的作用,故其运维工作也变得日益重要。运维工作中通常遇到三种问题:垃圾数据、参数下发和抄表数据。此三者是用电信息采集工作中十分重要的三个方面,要取得正确完整的用电信息,三个方面缺一不可。