基于数据源分类可信性的真值发现方法研究

网络的普及和电子商务的发展改变了人们信息获取以及消费的方式.Web已经成为大多数人获取信息的重要来源.与此同时,互联网信息质量问题也逐渐凸显.Web中存在大量过时、错误、虚假、片面的信息.其中,不同网站为相同对象提供冲突信息的问题尤为突出.如何从这些冲突信息中找到正确信息成为亟待解决的问题,这类问题又被称为真值发现问题.通过对现有真值发现问题解决方法的调研,发现现有方法均未考虑数据源分类可信性差异对真值发现的影响.因此,提出基于数据源分类可信性的真值发现问题.提出2种方法探测数据源分类可信性差异,并采用贝叶斯的方法迭代计算数据源分类可信性和属性值准确性.另外,通过考虑数据源覆盖率和对象难度对真值发现的影响,进一步提高真值发现算法的准确性.一个真实数据集的实验结果表明,所提方法可以显著提高真值发现的准确性.

测量不确定性下的种猪生产性能电子测定工作数据的监测和可信度评估方法

电子测定技术是在现代育种技术需要和现代科技进步下发展起来的一种针对饲料报酬测定的新技术,不仅极大提高了测定工作效率,也提供了现代育种技术所需要的动物生长全过程的表型值信息。但电子测定工作数据也带来了与传统习惯认知不同的表现,主要是在工作数据的正确性表述上。测量不确定观点认为,测量过程中的不确定性广泛存在于所有的测量工作中,被测量值(“真值”)是一个理想化概念,而且测量得到的量值(“测量结果”)也必定存在某些不确定的误差。电子测定与传统习惯的人工测定在工作数据正确性表述上不同的原因是测量不确定效应对这两种数据的影响不同,而且电子测定工作数据到目前为止还是一个没有测定意义的纯记录性质的观测列数据。在电子测定过程中,对测定过程的监测和测定数据正确程度的评估是测定管理中一个很重要的工作内容,监测是监视工作数据中的异常表现,评估计算工作数据中的异常表现对其正确性的影响程度。本文在测量不确定性观点下,从监测和评估电子测定工作数据正确性的可行性上分析电子测定过程中可能出现的问题和评定测定工作数据质量可信度的方法。

变量可信性策略和概率准则在传感器融合的应用

提出了一种基于变量可信性策略的多层信息融合方法,这种算法采用多层信息融合结构,具有周期性和递归性的显著特点。这种新的计算方法采用矩阵变换,从而方便了程序编制工作。还试图建立变量可信性策略和概率标准之间的内在联系,在此基础上,对这两种方法在效率,局限性及符号标注方面做出评估。

医疗大数据应用中的数据治理实践

在推动信息化建设和数据利用的过程中,提出了应用"数据治理"的理念,在医院层面定义数据获取和使用中的"正向"行为,进行医疗卫生数据治理,并对相关行为进行评价、监督。通过探索、实践、扩充数据治理策略,并结合流程治理,在主数据管理、数据安全与共享、数据整合与数据质量、数据内容管理等方面都取得了显著的改善,同时配合数据的分析和反馈,促进医院数据获取、分析和利用工作的持续改进。

构建电视台可信制播体系——结构与方法篇

随着电视台IT化建设程度的不断提升,数据可信性已成为影响播出安全的重要问题。本文介绍了电视台现有数据校验方法存在的问题,分析了电视台制播体系的组成及特点,详细阐述了利用数字签名技术在电视台内构建可信制播体系的实施方法,并结合生产流程对具体部署方式进行了示例性说明,这为电视台提升安全等级,构建可信制播环境提供了一种切实可行的技术思路。

大数据背景下互联网金融安全性分析

互联网金融是未来大数据发挥重要作用的领域。但大数据背景下的互联网金融在隐私数据保护、虚假数据辨识、电子证据提取等方面面临着严重困扰,这就迫切需要从提高金融大数据自身安全、充分发挥大数据分析预测功能、完善政策法规、加强互联网金融监管、加大互联网金融犯罪打击力度等方面来应对所面临的安全挑战,使大数据成为互联网金融发展的新契机。

基于关联性模型的煤矿安全监控系统报警方法

针对煤矿安全监控系统可靠性不高、监测数据未得到充分利用等问题,提出了可通过提高关键设备的无故障工作时间来提高系统可靠性、通过数据处理或冗余方法来提高数据可信性的观点;提出了基于关联性模型的煤矿安全监控系统报警方法,其主要思路是将原来独立判别的测点数据通过一种关联性模型与其它测点数据或工艺环境联系起来,当系统发现关联性模型不成立时报警,该报警方法是对现行报警方法的补充,可以发现传感器不按规定使用和传感器失效等情况,但在实际应用中应考虑模型的易用性和适用性;以煤矿工作面瓦斯监测为例,基于对工作面瓦斯涌出规律的分析,对瓦斯传感器数据分别建立了基于相关性、基于极差值、基于最小值的关联性模型,并通过实际的瓦斯监测数据对该三种模型进行了验证,结果表明该三种模型对不同煤矿和不同工作面均有较好的适用性。

数据管理计划的结构与内容

数据管理工作的关键在于建立质量管理体系,数据管理的目的是确保数据的可信,准确和完整,其目标是获得高质量的真实数据。因此,数据管理的各个阶段都需要在一个完整可靠的监管系统下进行,对可能影响临床试验质量结果的各种因素和环节进行控制和管理,控制范围应涉及数据收集、处理、统计报告的全过程。这篇数据管理专家共识依据质量管理体系为基本理念,系统阐述了如何制定合规的临床试验数据管理计划。以临床试验数据管理的基本要求为重点,数据管理计划应涵盖数据管理各过程,包括数据采集工具的管理、数据采集与清理管理、数据医学编码、数据一致性核查、数据库监控管理、外源性数据管理、数据文档管理和数据质量保障等。制定严谨的数据管理计划并且在临床试验数据管理的每一个环节记录其真实的执行过程是保证临床数据质量的基础,数据管理计划是最重要的数据管理文件之一,是保证数据质量的根本文件。