基于状态估计的海量多元异构智能电网数据压缩存储方法

海量多元异构智能电网数据未经处理就进行压缩与存储,存在压缩误差大、运行时间长的问题,影响压缩储存效果。因此,提出基于状态估计的海量多元异构智能电网数据压缩存储方法。融合海量多元异构智能电网数据,推导出准确的智能电网数据,通过Tucker分解智能电网大数据压缩方法,压缩海量多元异构智能电网数据。采用可扩展标记语言(XML)技术预处理数据,结合非关系型的数据库技术,实现海量多元异构智能电网数据的快速存储。试验结果表明,该方法的线路电阻、电抗动态参数估计准确性高,数据压缩平均绝对误差、F-范数误差低,运行时间短,具有一定的实际应用性能。

基于多元异构模型数据融合的配电网停电故障研判

配电网停电故障是影响电力供应可靠性的主要因素之一,为了提高故障研判的准确性和效率,文章提出了一种基于多元异构模型数据融合的配电网停电故障研判方法。该方法将不同类型的数据和模型进行整合,通过数据清洗、特征提取、数据对齐和模型融合等技术,得到更全面、更准确的故障研判结果。文章采用了支持向量机、朴素贝叶斯、决策树等模型,并结合现场实际情况,对配电网停电故障进行研判。实验结果表明,此方法可以有效地提高故障研判的准确性和效率。

电网多元异构数据模糊聚类方法研究

为优化数据模糊聚类效果,为电网建设工作的规划化实施予以技术支持,在考虑属性划分的前提下,开展电网多元异构数据模糊聚类方法的设计研究。电网多元异构数据预处理,确保数据集合中无冗余数据、无明确缺失数据段、无重叠数据;在明确每种样本量都有多项特性的基础上,提取样本数据的属性特征,进行异构数据的分类与并行计算;对相同类别或具有相同特征的数据进行融合,确定聚类中心后,进行数据的模糊聚类处理。设计对比实验,实验结果表明:提出的方法应用效果良好,按照规范使用该方法进行电网多元异构数据模糊聚类,可以提高聚类后数组中数据重叠。

多元异构光学识别锅炉壁面结焦及缺陷分析

文章提出了一种包括多光谱成像、红外热成像和高速摄像等技术组合的多元异构光学识别的方法,能够捕捉不同频段的信息,提供更丰富、全面的视觉和热像数据,实现了锅炉壁面结焦和缺陷的高温图像在线识别,提高了锅炉运行的效率和安全性。研究结果表明,基于多种光学识别原理、多频段数据采集,可以更准确地探测目标物体的物质成分、温度分布、表面形态等重要特征。多光谱成像技术分析不同波长下的反射或透射特征光谱;红外热成像技术检测热辐射能量、分布和温度变化;高速摄像技术捕捉壁面振动、位移及变形情况。三种测量元器件及技术互补,可创新性地实现锅炉金属壁面缺陷的大视野范围监视、识别,弥补了炉膛高温壁面在线观测的行业空白。

基于多元异构网络安全数据可视化融合分析方法

随着现代网络安全设备日益丰富,安全日志呈现多元异构趋势。针对日志数据量大、类型丰富、变化快等特点,提出了利用可视化方法来融合网络安全日志,感知网络安全态势。首先,选取了异构安全日志中有代表性的8个维度,分别采用信息熵、加权法、统计法等不同算法进行特征提取;然后,引入树图和符号标志从微观上挖掘网络安全细节,引入时间序列图从宏观展示网络运行趋势;最后,系统归纳图像特征,直观分析攻击模式。通过对VAST Challenge 2013竞赛数据进行分析,实验结果表明,该方法在帮助网络分析人员感知网络安全态势、识别异常、发现攻击模式、去除误报等方面有较大的优势。

地质资料多元异构信息的统一化描述

本文依托地质资料信息服务集群化产业化试点研究项目,分析了传统地质资料的分类以及数据的存储格式,简单描述了集群节点之间数据的交换特点,阐述了XML结构化文本数据在WEB应用系统上数据交换的优势,并采用XML语言对地质资料多元异构信息进行了统一化结构描述。

多元异构网络复杂多维数据可视化方法

多元异构网络复杂多维数据复杂性较高、数据混乱。为了提升多元异构网络的安全性,提出多元异构网络复杂多维数据可视化方法。对复杂多维数据降维处理,采用信息熵等不同算法提取多元异构安全日志数据中记录的多个典型维度特征,同时利用符号标志以及树图方法的引入对数据中的微观细节信息进行充分挖掘。然后引入时间序列,对网络运行进行实时预测;最后结合图像特征的归纳,分析攻击模式,完成多元异构网络复杂多维数据可视化。仿真结果表明,所提方法响应时间较短,本征维度估计值和本征维度实际值最为接近,可视化时间消耗较短,有效性较好。

基于多元异构教育理念的计算机专业应用型人才培养模式研究

文章分析了计算机专业应用型人才培养的现状和存在的主要问题,基于多元异构教育理念的特色,指出多元异构教育理念与计算机专业应用型人才培养目标要求完全契合。文章构建出一种计算机专业多元异构教学模式,并从教学目标、教学内容、教学方法和教学评价等方面加以阐述。

基于可视化和数据融合技术的多元异构网络数据安全防护分析

对于目前网络安全日志数据多元异构趋势,本文基于数据融合技术与可视化技术,研究了多源异构网络数据。首先,通过信息熵等算法提取异构安全日志数据中的典型维度,并且利用符号标志与树图引入,充分挖掘数据中微观细节信息。然后,利用时间序列图,实现网络运行趋势宏观的预测。最后,和图像特征归纳相互结合,实现网络攻击模型分析与判断。通过测试表示,此分发方法效果良好,能够实现多元异构网络安全防护,提高使用者对网络安全态势识别与感知的能力。

基于机器学习的多元异构网络数据安全传输技术

为了减少多元异构网络数据安全传输时延,设计一个基于机器学习的多元异构网络数据安全传输技术。通过选择数据源与数据属性的重要性定义,对多元异构网络数据预处理,并建立多径并行传输架构,在此基础上,采用机器学习方法进行有效带宽估计与参数滤波处理,最后进行带宽调度与信道安全协议体系建立,从而完成基于机器学习的多元异构网络数据安全传输。实验结果表明,此次研究的基于机器学习的多元异构网络数据安全传输有效减少了数据传输时延,并减少了数据传输中断情况与数据丢包率,满足数据传输技术的设计需求。

多元异构网络安全日志数据融合方法仿真

网络结构日趋复杂,关键性应用的不断普及和深入,网络安全已成为不可忽视的问题。针对网络安全日志数据的分析,提出多元异构网络安全日志数据融合方法。方法首先对采集的异构网络安全日志数据进行预处理,采用Kalman滤波对日志数据形成时产生的噪声影响进行去除,然后通过传感器对网络状态进行观测,并创建网络状态的观测模型,对观测值进行加权处理,建立含有最佳加权系数的加权矩阵;最终将加权矩阵与模糊集理论相结合,实现对网络安全日志数据的加权融合。仿真结果显示,提出的网络安全日志数据融合方法,能够彻底地消除无效数据和错误数据,对有效数据的融合效果较好,具有较高的可信度和准确性。

基于工业互联网数据转化的船舶机械设备多元异构集成平台研究

传统的船舶机械设备多元异构集成平台的检索效率低,为了解决这个问题,提出基于工业互联网数据转化的船舶机械设备多元异构集成平台。根据多元异构数据的内容,建立船舶机械设备多元异构集成体系,依据组件之间的协议,处理船舶机械设备多元异构数据,在此基础上,采用Apache Tomcat 5.0作为应用服务器,实现船舶机械设备多元异构集成平台构建。在实验中,采用数值对比方式,对比2个平台的检索效率,实验结果表明,所提平台的检索效率更高。

基于多元异构模型的通信网络安全态势评估方法研究

传统方法评价通信网络安全态势花费时间长,评价结果不准确。为解决上述问题,基于多元异构模型建立一种新的通信网络安全态势评估方法,设立新的IP地址去除通信网络入侵系统中的误告警信息,通过挖掘信息之间的关联模式评估通信网络安全态势。为了检测方法有效性,与传统评估方法进行对比实验,结果表明,给出的评估方法可以在短时间内精准地评估出通信网络安全态势。

基于多元异构网络安全数据可视化融合分析方法

本文首先选取多元异构网络安全日志数据中具有一定代表性的维度,特征提取的方法主要包括加权法、信息熵法以及统计法等;其次将符号标志以及树图对网络安全的微观细节进行挖掘,宏观方面,将时间序列引入到网络运行走向展示方面,最终对图像的特征进行系统归纳,以直观的方式对攻击模式进行分析,从而为相关网络分析工作人员提供工作支持。

基于模糊聚类的多元异构网络数据快速检索方法

多元异构网络数据具有复杂性高、异构性强以及多样性的特点,使得其在海量多元异构网络数据中很难实现目标数据的快速检索,因此提出了一种基于模糊聚类的多元异构网络数据快速检索方法。通过设计模糊聚类函数模型确定聚类中心,求解模糊聚类的最优解,避免算法陷入局部最优,实现多元异构网络数据的聚类检索,以期为多元异构网络数据检索提供参考与借鉴。

基于多元异构不确定性案例学习的广义区间灰数熵权聚类模型

现实生活中多数聚类对象具有多元异构不确定性特征,表现为对象聚类指标体系异构化以及对象信息具有多元不确定性特点,而现有的不确定性多属性聚类决策方法对此类对象的聚类研究具有局限性.为此,针对聚类问题,首先,根据聚类对象多元不确定性信息的特点,提出广义区间灰数的概念,证明多元不确定性信息可统一用广义区间灰数进行表征;然后,结合极大熵思想,构建基于多元异构不确定性案例学习的广义区间灰数熵权配置模型,通过对对象相关的历史案例进行充分学习,测算各层指标的广义区间灰数熵权,以此确定各指标的聚类权重,再结合广义区间灰数的白化权函数对对象的新案例进行聚类分析;最后,通过案例研究验证所提出聚类模型的合理性和可行性.

基于多元异构网络安全数据的可视化融合分析方法研究

针对当前网络安全日志数据多元异构的趋势,文中基于可视化和数据融合技术,对多元异构网络数据的分析方法进行了研究。该分析方法首先利用信息熵等不同算法对异构安全日志数据中记录的8个典型维度进行特征提取,并通过符号标志和树图的引入对数据中的微观细节信息进行充分挖掘。之后通过时间序列图的引入,对网络运行趋势进行宏观上的预测。最后结合图像特征的归纳,实现对网络攻击模式的分析和判断。经过测试,该分析方法效果良好。在网络态势的认知、异常识别和攻击模式的判定等方面均具有一定的优势,能有效提高使用者对网络安全态势的感知和识别能力,实现对多元异构网络的安全防护。

支撑大数据应用的多元异构数据融合平台的实现

本文提出支撑大数据应用的多元异构数据融合平台框架,并对其设计和实现方式进行了详细的阐述。通过建立分布式的政务大数据融合平台,实现不同来源、不同结构、不同类型、不同格式的数据融合和关联,为政府部门之间共享和公众提供政务资源公开服务提供支撑,为创新注入新动力,推动城市进一步的转型发展。

多源异构数据贝叶斯变权融合可靠性评估模型

采用贝叶斯方法构建多源异构变权融合的可靠性评估模型,解决产品在可靠性评估中遇到的小样本数据问题。首先,分析各信息源与现场数据似然函数的尾部梯度特征,通过两者绝对值误差大小,确定各信息源权重;然后,考虑现场试验数据对先验及多源融合的权重影响,基于贝叶斯变权融合方法,得到产品的可靠性分析;最后,通过实例验证了该变权融合模型的合理性和有效性,评估结论优于贝叶斯等权融合的可靠性评估模型。

多源异构环境下基于层次约简分类的大数据清洗方法研究

大数据清洗是数据分析与应用的关键环节之一,针对传统大数据清洗方法缺陷提出一种基于层次约简分类的大数据清洗方法研究。利用大数据清洗原理先判定数据集的属性类别,并建立层次约简分类模型,按照大数据集中值域范围最广的属性确定字符串之间的编辑距离,遍历掉重要性和相关性较弱的干扰数据;采用逆文本词频分割的方式,对大量的冗余数据做聚合处理,进一步降低大数据集冗余程度。实验结果表明,提出方法在数据清理运行时间、查全率和查准率等指标控制方面均有优势。