基于大数据技术的企业信息资源管理系统

企业信息资源管理系统面对大规模和多类型数据涌入时,处理效率低,系统容易崩溃,设计基于大数据技术的企业信息资源管理系统。分析Hadoop平台体系结构,确定资源管理系统整体架构,设计每个子系统对应的功能,部署系统硬件环境;利用大数据融合技术设置软件执行算法,通过模糊调度挖掘资源间关联规则,根据相似性函数,建立同类资源的融合模型,提高业务处理效率,完成系统整体设计。实验表明,该系统的CPU利用率仅在30%左右,处理时间在1.00s以内,大大缩短了处理时间,提高了处理效率。

大数据环境下多模态融合的大学生异常行为预警

针对“校园大数据”累积的海量数据呈现出离散性、稀疏性等问题,如何从基数大、活动广、个性强的校园学生群体中检测出潜在的、有异常行为的学生,已成为学生异常行为分析亟需解决的问题.本文提出了一种大数据环境下基于多模态融合的大学生异常行为预警方法(early warning method for abnormal behavior of college students based on multi-modal fusion in big data environment,EWMAB).首先,针对学生行为画像的表征不够丰富,行为标签存在时效性、动态性等问题,建立一种基于多模态特征深度学习的跨模态学生行为画像模型;其次,针对学生异常行为预测、预警的时效性和后置性问题,在学生行为画像和学生行为分类预测基础上,提出了一种基于多模态融合的学生异常行为预警方法,通过长短期记忆神经网络(long and short term memory networks,LSTM),结合学生行为多指标数据和文本信息来解决学生异常行为预警问题;最后,本文通过应用实例验证模型以学生学习成绩异常预警为例,与其他预警算法相比,EWMAB方法可以提高预警的准确性,实现学生异常行为预警的时效性和前置性,从而使学生教育工作更具有针对性、个性化和预测性.

证据方法视阈下大数据证据诉讼应用及正当程序保障

证据方法的作用在于通过从客观上揭示证据内含的信息内容,联接证据与刑事证明。大数据证据表现出独特的建构性与质素多样性特征,使得现有证据的证据方法无所适从,需要依托融合性证据方法为其诉讼应用提供可操作性指引。而在刑事诉讼中运用融合性证据方法,可能对现有诉讼构造构成挑战。对此,可以从证据方法的工具与程序二维属性出发,建构正当程序保障:在工具属性维度,发挥法官庭外调查的能动、兜底性作用;在程序属性维度,构造“对等”性权利保障,弱化微观权力。

基于大数据分析的可见光图像融合质量评价研究

在复杂可见光图像下图像融合质量受到遮挡和重叠等因素影响,需要进行图像融合质量评价优化设计,提出基于大数据分析的可见光图像融合质量评价模型,采用相应图像块之间的视觉特征提取方法建立可见光图像的深度立体匹配模型,将不同光照强下采集的图像像素值显示映射到嵌入特征空间中,完成预处理,构建可见光图像的动态像素大数据融合模型,通过端到端的视差融合估计实现对可见光图像的动态融合,采用超分辨重建方法获得真实配对图像,分析SR结果与LR图像中的相似内容,以特征级别的图像分布域反映可见光图像融合质量评价,实现可见光图像融合质量评价。仿真结果表明,采用该方法进行可见图像融合的匹配性能较好,图像的对比度、饱和度高,提高了可见光的成像质量,耗时为0.012 s,平均迭代次数为1.569,并且均方误差仅为1.071,总误差仅为4.646,该方法有效提高了图像融合质量的同时,提高了评估效果。

多源异构数据融合关键技术与政务大数据治理体系

随着信息技术的飞速发展,各级政府和大型企业掌握的数据量正在以指数级别增长。然而,数据来源多样会导致格式差异,数据质量参差不齐会影响应用效果,数据分散管理会弱化关联汇集,数据形态异构会造成语义鸿沟。在此背景下,多源异构数据融合负责将来源不同的多模态数据进行有效整合,完成数据互补与关联,进而实现信息增强。目前,大多数已有研究的关注重点集中在大数据治理流程与多模态深度学习,很少有工作研究讨论完整的多源异构数据融合技术框架。因此,在综述关键技术的基础上,文中提出了一整套涵盖“数据引接-数据清洗-数据集成-数据融合”全过程的多源异构数据融合关键技术框架,并对各个环节需要解决的问题与重点任务进行介绍。然后,通过一个政务应用实例场景,给出了政务大数据治理体系的设计,以解决政务数据来源广泛、质量参差不齐、管理分散、形态异构的问题,并进一步阐述了多源异构数据融合的重要价值。最后总结全文并展望未来。

郡县制与大数据技术何以实现融合?--基于推拉理论的“郡县数治”应用案例研究

“郡县数治”是我国古代郡县制与大数据技术相融合的智慧管理系统。本文在相关理论回顾的基础上,通过实地调查和追踪研究,分析了“郡县数治”技术应用从1.0版本“政务云服务”和2.0版本“政务云服务+征信云服务”到3.0版本“政务云服务+征信云服务+金融云服务”的演进过程,并基于推拉理论分析了郡县制与大数据技术融合的拉力因素、推力因素和中间障碍因素,构建了相关模型探究其得以实现融合的内在机理。研究认为,“郡县数治”是政府职能转变、城市治理生态体系的优化以及评价机制民主化等拉力因素,经济发展、技术进步、组织和个人服务预期、社会公平与效率预期、组织规模扩大等推力因素以及传统观念、管理风险和监督成本等中间障碍因素相互作用的结果。

采摘机器人的定位和轨迹预测算法研究——基于大数据技术

建立了采摘机器人运动学模型,并设计了基于深度神经网络和大数据技术的多元信息融合模型,实现了对采摘机器人的定位和轨迹预测。仿真结果表明:模型对采摘机器人的预测精度较高,误差在允许的范围内,对采摘机器人定位和轨迹预测具有一定参考意义。

工作面矿压大数据动态分析与预测系统

为实现矿井工作面矿压自动分析与预测,以大柳矿为研究对象,使用GUI编程,采用HTML5、Python语言联合编写,运用长短时记忆(LSTM)与ARIMA算法模型,搭建多源数据可视化分析展示平台与预测分析系统。系统程序设计划分为基础信息、监测参量、支架数据、分析预警、报表输出等主模块;通过导入矿压监测数据(支架压力、钻孔应力、巷道变形、顶板离层、锚杆锚索),借助人工智能和大数据技术,可实现监测数据的快速清洗、多参量融合,以及对矿压风险的智能识别与预警。

基于大数据的水肥一体机控制应用研究

针对传统灌溉方式水资源利用率低、农业用水浪费严重、肥料过度使用造成资源浪费和水污染等问题,基于大数据对水肥一体机的控制进行了设计。为了保证水肥一体机的灌溉精准性以及获取数据的精确性,采用自适用加权融合算法对获取的数据进行处理;为了对水肥浓度进行智能控制,采用PID控制器和自适应模糊控制器结合的方式对肥液浓度进行控制;为了验证该水肥一体机的性能,对其进行了浓度试验和肥料配比控制试验。结果表明:肥液浓度可以通过电导率仪进行测量,且设计控制器对肥液浓度的控制效果更优。

信息物理融合下的特高压换流站状态识别技术

由于特高压换流站系统数据来源广泛、采集密度高、量测装置多样、通信协议复杂,现有技术难以对换流站复杂状态及其隐含的故障特征进行准确辨识。因此本文提出了基于信息物理融合的特高压换流站特征识别技术,在对以图像为主的多源异构数据进行预处理与关联分析后,基于信息物理双侧状态运行及迁移特征关联矩阵,对换流站物理与通信双侧故障进行分析、训练与识别。基于实际换流站监控图像进行了实例分析和方法对比,结果表明该方法优于一些传统的故障诊断与特征识别算法,具有较好的诊断能力。

基于视觉特征融合的交通量组合预测模型

交通量组合预测存在预测不准、预测误差大的问题,为此,文中以大数据为基础提出基于视觉特征融合的交通量组合预测模型。计算时间双向交通流序列,对时间序列交通量数据进行分析。灰度化处理识别出的交通量视觉图像颜色分量,提取时空关联信息,获取空间-时间线序列符。融合时间和空间特性交通量序列,输入视觉特征融合特征,自适应调整时间和空间序列预测加权因子,构建交通量组合预测模型。由实验结果可知,该方法对工作日交通量预测的最大误差为1%,休息日预测误差为0,预测效果精准。

基于电力大数据与环保大数据融合的数字化多元环境监控方法探析

随着工业化和信息化的快速发展,电力与环保成为现代社会的两个重要支柱。在这两个领域中,大量的数据每天都在产生,而这些数据包含着巨大的潜在价值和应用空间。如何从这些庞大的数据中提取有用信息,并将其转化为有益的决策和策略,已经成为当今科技和产业界面临的重要挑战。而电力与环保的数据融合,为两个领域的发展提供了新的视角和机遇。本文旨在探讨电力与环保领域大数据的融合技术和方法,以及如何通过这些技术和方法为电力供应和环境监测提供有效的支持和辅助。

基于视觉描述符的图像大数据分类算法仿真

图像大数据化是不可阻挡的科技进程,但随着图像数量的增多,传统分类算法在图像识别与分类上具有一定的局限性。为解决大数据图像分类的精确度低下的问题,提出一种融合图像视觉描述符与图像初级特征的分类算法。首先利用迁移学习的优势,从VGG18的最大池化层提取图像的初级特征;然后加个图像预处理,采用“82圆型LBP算子”与“化Canny算子”分别提取同质纹理描述符与边缘直方描述符;最后将图像基础特征与视觉描述符相融合构建基于支持向量机的图像识别分类模型(DES-SVM)。仿真结果表明,经图像视觉描述符与图像初级特征相融合的建模方式,有效的提高了图像分类的精确度,较传统SVM模型相比,DES-SVM模型在UKB图像库与ZBD图像库上准确率、召回率与F指标分别提高了7.85%、8.42%和8.13%。构建的DES-SVM图像识别分类模型通过视觉描述符提取的方式有效的提升了模型的性能。

协同、安全的大数据+跨域能力融合架构的设计与应用

为满足行业客户的业务需求,拓宽行业能力融合型应用场景,文中从能力支撑、技术架构、融合应用、安全赋能等方面,构建了大数据+多域能力融合新架构,实现了融合能力服务价值变现。通过打造大数据+多云跨域能力底座,构建“大数据、全网、AI”新能力融合的服务体系,建立了一站式跨域能力服务中心,实现大数据+多域融合能力全流程安全管控,提高跨域融合的协同性、安全性、高效性。

基于大数据融合的应急物资可追溯信息挖掘模型构建

传统的应急物资信息方法受到应急物资信息类型以及来源的影响,导致追溯效果不佳。为此,构建基于大数据融合的应急物资可追溯信息挖掘模型。选取巴科斯-诺尔范式规范化描述对应急物资可追溯信息,采用大数据融合匹配应急物资信息追溯结果。通过Dasarathy信息融合模型设计三层递进模式,利用EM算法建立挖掘模型,实现对应急物资可追溯信息的有效挖掘。实验结果表明,采用该模型可有效挖掘应急物资可追溯信息,不同情况下挖掘精度均高于99%,并具有较高的实时性。

大数据融合背景下饲料企业外贸人才培养模式的创新路径

依托大数据实现饲料企业的创新驱动,优化配置生产资源并提升综合效益,人才培养在其中起到关键作用。尤其在国内外双循环发展形势下,饲料企业为顺应大数据时代发展,坚持深耕海外市场,也往往要以综合型外贸人才提供支持。基于此,饲料企业应锚定大数据融合背景下,从外贸人才需求和人才培养存在的问题出发,科学制定并努力创新外贸人才培养模式,这样才能发挥人才力量,促进饲料企业的可持续发展。

多源数据驱动的台风动态风险评估

灾害动态风险评估是灾前风险管理的重要依据。文章基于2009—2022影响中国东南5省的108个台风案例近4000个县级灾情,融合30类多源风险要素指标,建立台风动态风险评估样本库,并利用随机森林算法建立了6个台风灾害风险评估模型,用于灾害事件发生前对受灾人口、紧急转移安置人口、农作物受灾面积、倒塌和严重损坏房屋、直接经济损失等风险等级以及综合风险等级进行评估。通过实际灾情与模型结果进行验证,灾害风险评估结果准确率整体达到80%以上,表明该模型具有较好的泛化能力,可用于实际灾害评估工作。实验对比发现,训练样本量提高1~2个数量级能使模型评估准确率提升3%~14%,表明灾害风险大数据的积累对灾害风险评估研究具有重要意义。

“5G+智慧教育”背景下教学过程多源异构数据融合研究

5G技术的广泛应用正深刻改变教育领域,加速教学过程的数字化转型。在智能教育、智慧教育的浪潮中,高职教育迎来了新的发展机遇。探讨了“5G+智慧教育”实践中产生的多源异构教学大数据融合需求,剖析了教育教学数据在存储、使用、数据管理及价值方面可能面临的问题与挑战,并以H高职院校为例进行多源异构数据融合流程分析,最后提出了教学数据融合的进一步思考,以期促进智能技术在高职教育中规范有序的融合与发展。

智慧矿山大数据综合管控平台的设计与实现

按照国家煤矿智能化建设发展要求,智慧矿山建设已成为煤矿改革的目标,煤矿大数据综合管控平台系统是智慧矿山建设的重点。基于大数据及软件开发技术提出了一种智慧矿山综合管控平台系统的设计思路、技术架构和设计方案,并介绍了应用情况,为智慧矿山的设计、建设、发展提供了参考。

基于多源异构数据融合的台区负荷预测方法

随着大数据技术的飞速发展,多源异构数据的融合技术逐渐被应用于智慧城市的治理和发展。使用基于多源异构数据融合的台区负荷预测方法,通过整合来自不同台区的多样化数据,以全面且准确地获取台区信息。通过多源异构数据融合技术,对信息进行选择与融合,实现台区负荷的最优预测,以提高预测精度和可靠性。