基于异构关联的大数据价值密度提升方法

电信大数据通常分散存储在DPI、OIDD、CRM等多个系统中,且格式、表述和规则在各系统中互不相同;因而,同一对象在不同系统中的多类数据很难被有效识别及完整利用,大数据分析的样本规模和特征维度严重受限,导致分析结果可信度和准确率下降。提出了电信大数据的异构关联方法与实现架构,并进行了方法的流程举例和验证,从用户维度实现了多系统间的数据融合,优化了诸如用户画像等应用的数据样本空间,从而大幅提升电信大数据价值密度。

探讨面向媒体融合的异构媒体关联与挖掘

在媒体融合中,异构数据的关联挖掘是其中一个核心问题。本文对异构数据的关联与挖掘的重要意义进行了说明,并列出了近期的研究工作。随后,我们分别讨论了异构数据关联挖掘的三个主要类别:时序关联、结构关联、语义关联,对其中的方法进行了分析和讨论。最后,对面向媒体融合的异构媒体关联与挖掘进行了总结与展望。

多源异构战场信息关联挖掘技术研究

针对复杂战场环境对信息关联的需求,对多源异构战场信息关联挖掘技术展开研究,提出了面向时空、实体、任务、语义四种关联信息挖掘方法,实现战场信息在多个维度上的关联,使其更好的满足复杂化、多样化的战场信息感知需要。

遥感大数据研究现状与发展趋势

遥感数据空间分辨率、时间分辨率、光谱分辨率以及辐射分辨率不断提高。数据类型也不断增加，从航天、航空、临近空间等遥感平台所获取的遥感数据量急剧增加，遥感数据已经具有明显的大数据特征。本文首先从美国国防部以及NASA宇航局的大数据相关项目出发，阐明了遥感大数据及其处理系统的特点；其次，从GPU硬件加速、集群、网格、云计算、云格、复杂高性能计算等角度介绍了遥感大数据处理系统；其次，从数据复杂性、计算复杂性与系统复杂性方面出发，说明了遥感大数据处理存在的问题；最后，从遥感大数据复杂性建模，面向遥感大数据的机器学习方法、混合计算模式、可视分析，基于知识驱动的遥感大数据挖掘，遥感大数据共享与服务等角度说明了遥感大数据发展的趋势。