联合国粮农组织农业数据采集与预警分析的主要做法及启示

本文着重介绍了联合国粮农组织(FAO)农业数据采集、加工和整理、农产品市场监测预警的主要做法,提出了对中国开展相关工作的启示和建议。

美国高校图书馆数据馆员组织架构研究

数字时代数据馆员重要性日益凸显,研究数据馆员岗位设置及组织架构对数据馆员科学分工,打通数据壁垒,构建以数据为中心的组织体系有着重要意义。文章通过网络调研收集软科Top100美国40所高校图书馆2017—2021年数据馆员招聘及在岗信息,分析和了解数据馆员岗位发展现状及特点,借助社会网络法构建岗位名称共现结构,在此基础上结合岗位职责内容构建美国高校图书馆数据馆员组织架构,并为国内相关实践提出参考建议。

在数据挖掘中基于SOM网络的数据分析可视化设计

阐述了SOM(Self-Organizing Map)自组织神经网络和Davies-Bouldin聚类判定法。采用SOM网络构建了数据挖掘中数据分析模型,设计了SOM网络数据分析可视化软件,并进行了详细的可视化数据分析。同时,设计的软件已经初步应用到数据挖掘当中,取得了良好的效果。

自组织映射用于数据分析的方法研究

自组织映射（SOM）是一种人工神经网络方法，它通过将相似的输入数据映射到相同或相近结点，将高维输入数据显示在低维空间中，具有保留输入数据的拓扑结构的优点，便于用户观察数据的分布特点。数据分析是SOM的重要应用领域之一。本文分析了SOM的各种学习算法（包括序列学习、批学习、k-batch学习、将空间访问方法引入SOM等算法）的优缺点和适用情况，挖掘了不同的SOM输出维度、结点形状及输出大小，并分析了三种成熟的SOM工具（SOM Toolbox，Viscovery SOMine和Databionic ESOM Tools）对这些算法、输出形式的支持程度，为SOM用于数据分析提供了细化而适当的方法借鉴。

基于多桥支座振动信号联合分析的列车荷载类型识别方法

在重型列车荷载反复作用下,桥梁结构易发生损伤与破坏,因此识别列车荷载作用类型可为管理部门提供桥梁可靠运营信息。目前既有的列车荷载类型识别方法往往基于桥梁结构局部力学响应建立,其忽略了整条线路中多点监测数据的关联,识别结果易受复杂环境影响。针对此问题,提出一种基于多桥支座振动信号联合分析的列车荷载类型识别方法。首先利用构建的桥梁支座健康监测视觉分析系统提取多桥支座的动位移数据,提出通过FFT信号相关分析对多桥支座振动数据进行时间同步,由此获得多点监测数据的联合表征;然后,将构建的多点监测数据联合表征可视化为灰度图像,并将列车荷载类型识别建模为图像识别问题;提出利用ShuffleNet-V2轻量级识别网络对构建的多点监测数据联合表征图像进行分类,由此识别不同类型的列车荷载。最后通过实际的桥梁支座健康监测系统进行测试,实验结果表明在复杂环境下多桥支座振动信号联合表征可获得良好的图像分类特征,而构建的轻量级识别网络可精准识别列车荷载类型,验证了本文方法具有很好的普适性与应用前景。

基于社会网络理论的恐怖组织隐蔽网络分析方法

针对以"基地"为典型的国际恐怖组织网络化运作的趋势,从组织行为学的角度分析恐怖组织网络特点及其带来的挑战,总结社会网络分析在描述恐怖分子静态网络特征,定位关键人物方面的基本方法,运用等价性分析从整体结构上评估恐怖组织隐蔽网络,对网络作基于人际交互流向的指挥控制结构脆弱性分析,利用网络中心度量化及派系参与分析方法找出网络中的核心人物,并以美国大使馆爆炸案为例进行实证分析。研究表明,结合网络结构等价分析,基于人际交互流向的指控结构分析、网络中心度量化及派系参与方法可以有效评估恐怖组织隐蔽网络并挖掘网络核心人物。

基于自组织映射神经网络的聚类分析系统研究

将自组织影射特征神经网络技术用于工业监控数据聚类分析,并给出聚类算法模型、算法实现步骤,采用VC++程序来实现,通过实验测试和实例数据分析,表明该聚类算法针对工业监控数据存在不确定性、有噪声及多模态性等特点,有较好的鲁棒性和适应性。

关于加强社会组织人才队伍建设的思考--基于“2020年春季社会组织与北京地区高校毕业生网络双选会”的数据分析

人才是社会组织最宝贵的资源,也是社会组织健康有序发展的战略支撑.为切实满足社会组织人才招聘需求,同时为助力解决高校毕业生就业难题,民政部日前联合北京市民政局共同举办了“2020年春季社会组织与北京地区高校毕业生网络双选会”(以下简称“网络双选会”).作为组织动员全国性、地方性社会组织举办的首次大规模网络招聘活动,“网络双选会”取得显著效果,引发社会广泛关注.参会社会组织发布的招聘信息,客观反映了当前我国社会组织人才需求状况,同时也折射出当前我国社会组织人才队伍建设中存在的一些问题和短板.

几种网络信息资源宏观组织方式的比较分析

介绍了5种主要的信息资源宏观组织方式及其优缺点。这些组织方式是:以关键词为检索入口的搜索引擎方式;以知识内容为检索结果的信息组织方式;以管理元数据为目的的信息组织方式;以异构系统的开放互连为目的的信息组织方式;以计算机可以支持语义的、智能化检索为目的的信息组织方式。

网络信息资源组织与DC元数据

本文简要介绍了网络信息资源组织的现状和存在的问题 ,论述了 DC元数据的结构、特点、功能及在网络资源组织中的应用 。

基于模型-数据联合驱动的电网扰动定位方法

快速准确的电力系统扰动定位是实施及时有效的控制措施的重要前提。广域同步相量量测为快速准确的扰动定位提供了数据基础,同时刻画扰动传播的连续体动力学模型为扰动定位提供模型支撑。结合同步相量测量单元(phasor measurement unit,PMU)量测数据和扰动传播模型,该文提出一种基于模型–数据联合驱动的电网扰动定位方法。首先通过对PMU量测数据进行奇异谱分析和计算累计平方和指标来实现扰动检测。进而在部分PMU确定的子拓扑内,分别通过量测数据和传播模型提取二维时空特征。最后根据扰动传播过程中时空特征之间的相关性,提出基于度量学习的双通道三元孪生网络的扰动定位方法,仅利用部分PMU量测信息即可快速定位扰动位置,为后续抑制扰动的主动控制策略的投切奠定基础。基于IEEE 10机39节点系统,验证所提方法的有效性和鲁棒性。

数据驱动的溶解氧浓度在线自组织控制方法

针对城市污水处理过程的非线性、不确定性以及非高斯等特点,提出一种数据驱动的溶解氧(Dissolved oxygen,DO)浓度在线自组织控制方法.首先,设计一种基于相关熵的自组织模糊神经网络控制器(Correntropy-based self-organizing fuzzy neural network,CSOFNN),采用相关熵与规则贡献度指标实现控制器结构与参数的自动构建或修剪.其次,设计基于相关熵诱导准则的补偿控制器及参数自适应律,充分利用相关熵抑制非高斯噪声的能力,能够有效地降低系统中的不确定性.然后,分析所提出的控制方法的稳定性,从而保证其在实际应用中的可靠性.最后,基于基准仿真1号模型(Benchmark simulation model No.1,BSM1)的实验验证了所提方法的有效性.

基于因子分析等数据算法提升项目管理水平

随着国家电网公司对各类电网工程项目标准化、精益化管理要求不断提高,为解决生产项目进度“事后管理”的瓶颈问题,本文以电网生产技改大修项目为案例,提出基于项目历史信息大数据的项目进度风险识别方法。利用生产管理系统推送至全口径平台的项目节点大数据,借助因子分析、聚类分析,使用自组织特征映射网络人工神经网络(SOM)进行模式识别,并运用数据库软件对运算后的大数据进行封装,建立起工程进度风险识别与预测系统。

网络游戏服务器组织结构分析

早期的MMORPG使用所有业务、数据集中的处理方式。对于开发者来说，这种模式减少了对整体系统的架构时间、测试时间，有利于少量开发者快速地完成服务器的代码设计。但其中存在的问题也是相当明显的，所有的业务处理放在一处，不但大大增加了系统的负担，而且很容易因为一处bug而导致整个程序崩溃。程序崩溃的同时，也会造成整个游戏世界所有玩家掉线、数据丢失等严重后果。

SOM和PCA对体质健康数据的模式识别及可视化分析——以学生体质地域特征为视角

随着国家学生体质健康数据量的剧增,体质健康的大数据分析及可视化成为体质研究的重要内容。自组织特征映射网络(Self-Organizing Map,SOM)方法和主成分分析(Principal Component Analysis,PCA)法对处理高维海量数据具有独特优势及可视化特点,从而成为大数据模式识别和可视化分析的重要工具。以山西某高校6 531名学生体质健康数据为例,以学生体质地域差异为视角,用SOM方法定性识别了学生体质健康的地域特征,用可视化PCA方法分析学生体质健康的影响因子及解释因子的地域特征。结论:SOM和PCA方法可用于体质健康数据模式识别和可视化分析。SOM和PCA的实例分析揭示了学生体质的地域特征,分析显示,体重和BMI指标具有地域一致性,是影响学生体质健康的最重要因素,也是学生体质健康现状的主要解释变量;女生体质健康的地域差异相对较大,男生体质健康的地域差异较小;可视化PCA结果还揭示了,学生体质健康指标的聚类特征也具有地域一致性。文章从实证角度论证了SOM和PCA方法在体质健康数据模式识别和可视化分析中的应用,也为体质类大数据分析提供了初步思路。

基于自增长型多级自组织映射网络的模式识别

以自组织映射网络为主要研完对象,描述了自组织映射网络的基本模型。在传统自组织映射网络的基础上,提出了基于自增长型多级自组织映射网络的模式识别方法,能够解决传统自组织映射网的静态结构带来的诸多问题,如在进行训练前必须预先确定网络的模型和神经元数目及其排列方式,若一次分类不准确将严重影响分析结果,等等。而且这种多组结构,还能将输入数据中存在的分级信息直观地表示出来,对于高维数据的分析尤其有利,因此自增长型多级自组织映射网络对大规模模式识别的研完一定会产生极大的促进作用。

快速老化痴呆小鼠海马组织差异表达基因模式分析及治疗药物预测

目的采用网络集成式细胞内特征的公共数据库(LINCS)分析快速老化痴呆小鼠海马组织差异表达基因的表达模式,并预测其潜在的治疗药物。方法选择2月龄、8月龄SAMP8小鼠各20只,2月龄、8月龄SAMR1小鼠各20只,处死后取海马组织,制作基因芯片。采用LINCS数据库GEO2Enrichr分析SAMP8、SAMR1小鼠海马组织快速老化基因表达模式,进行差异表达快速老化基因的GO富集分析,分析其KEGG代谢途径。采用CREEDS网络在线分析工具定性分析快速老化基因的转录模式,采用小分子药物模块定性分析预测老年性痴呆的治疗药物。结果快速老化SAMP8小鼠海马组织基因表达以上调为主,正常老化SAMR1小鼠海马组织基因表达以下调为主。GO富集分析结果显示,SAMP8小鼠海马组织表达上调基因主要定位于细胞核糖体、线粒体,主要生物学过程是细胞中蛋白质合成分选、定位以及病毒核酸合成,主要分子功能是NADH还原酶活性; KEGG代谢途径分析结果显示,SAMP8小鼠海马组织表达上调基因参与的代谢网络途径主要是线粒体氧化磷酸化途径、3种神经退行性疾病代谢途径(阿尔茨海默病、帕金森病和亨廷顿病)、核糖体蛋白质合成途径及非酒精性脂肪肝、大肠杆菌感染代谢网络途径;基因转录模式定性分析结果显示,SAMP8小鼠海马组织快速老化基因表达模式与单基因模块Psap(典型的神经元保护模式)匹配度最高,SAMR1小鼠基因表达模式与单基因模块Pink1匹配度最高。小分子药物模块定性分析结果显示,匹配度最高的小分子药物是维生素PP。结论 SAMP8小鼠海马组织基因表达以神经元保护为主要特征,是一种特殊的细胞线粒体修复模式,其线粒体相关基因表达显著上调。维生素PP可能是老年性痴呆的有效治疗药物。

基于网络信息资源组织管理的DC和MARC比较研究

文章通过元数据MARC和DC的比较分析,认为目前MARC虽然能够适用于网络信息资源的描述,不会在短时间内被DC所取代,但DC比MARC更适合于一般网络信息资源的描述;从长远看,DC必然成为网络信息资源的主要编目格式,以及组织网络信息的重要工具。

我国科技社团组织模式创新——学会联合体结构功能之刍议

为应对学科细分过小过细、科技资源分散等挑战,我国的科技社团通过建立开放型、枢纽型、平台型的“学会联合体”,与高校、科研院所、企业、政府部门等实现了广泛联合,为推动新时代学术交流、科学传播、成果扩散和社会治理提供了研究实例。本文收集整理了2016年以来中国科协关于学会联合体的36份报道材料,运用质性数据分析方法,对包含70多家学会的6个学会联合体进行案例分析,探讨并验证学会联合体的结构和功能。研究发现,当前的学会联合体处于初期发展阶段,学会仍然是其最重要的组成要素,学术交流与科学传播是其主要功能。