检索结果-内蒙古大学图书馆

系统工程理论与实践 2017年第5期37卷 1383-1392页

作者：乔非葛彦昊孔维畅同济大学电子与信息工程学院CIMS中心上海201804

教育数据挖掘(educational data mining)是当代教育信息化发展的前沿研究领域,正在吸引越来越多教育学家和数据科学家的关注."大数据"时代背景下,随着数据处理规模的不断激增,现有的数据挖掘模型在单一处理节点的计算能力遭... 详细信息

教育数据挖掘(educational data mining)是当代教育信息化发展的前沿研究领域,正在吸引越来越多教育学家和数据科学家的关注."大数据"时代背景下,随着数据处理规模的不断激增,现有的数据挖掘模型在单一处理节点的计算能力遭遇瓶颈,各类面向大数据处理的分布式计算框架应运而生.借助这些框架,面向解决高校就业数据挖掘问题的机器学习模型便可以满足未来大规模数据处理的需求,在未来数据集体量庞大的信息集成系统中为数据挖掘和决策支持提供帮助.以此为背景,本研究对比现有数据模型对研究目标对象的分类性能,提出了以引入输入特征加权系数来计算特征的信息增益作为特征最优分裂评判指标的改进随机森林模型来提升数据分类性能,通过仿真测试改进模型对于现有模型分类性能的提升情况,与此同时为解决大数据时代背景下面向海量数据分类任务的单节点性能瓶颈问题,提出了基于分布式改进随机森林算法的大规模学生就业数据分类预测模型.通过使用MapReduce分布式计算框架实现已训练模型在本地磁盘与分布式文件系统之间的序列化写入与反序列化加载过程,进而实现了基于改进随机森林模型的大规模数据分类模型的分布式扩展.

关键词：机器学习数据分类模型大数据处理 MapReduce

来源：评论

学校读者我要写书评

暂无评论

基于数据分类模型对海关数字化转型的思考

引用

海关与经贸研究 2022年第4期43卷 53-66页

作者：曹勇新中国电子口岸数据中心深圳分中心

习近平总书记和党中央高度重视数字技术前沿、数据要素价值、数字经济发展,亲自主持推动数字中国建设。在这场数字化变革中,海关积极推动数字化转型。本文运用马克思主义基本原理、习近平关于网络强国等的重要论述等,对数据的概念和特... 详细信息

习近平总书记和党中央高度重视数字技术前沿、数据要素价值、数字经济发展,亲自主持推动数字中国建设。在这场数字化变革中,海关积极推动数字化转型。本文运用马克思主义基本原理、习近平关于网络强国等的重要论述等,对数据的概念和特征、数据价值及其形成过程进行观察分析,提出数据分类模型——一个底座、三个维度。在此基础上,梳理了海关数据的“四性”(科技性、政治性、资源性、法权性);结合海关工作实践思考、问卷调查分析等,归纳了海关在数字化发展中面临的主要矛盾、存在的短板弱项;提出了加快海关数字化转型的建议,打造一个数字化发展引擎,健全数字化发展的维护国家安全、促进数字经济、维护数据法权三项机制,提升数字化连接、监管、服务、管理四种能力,在社会主义现代化海关建设中,提升海关整体智治水平。

关键词：海关数字化转型数据分类模型数据价值数字经济

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯的多维数据分类模型

引用

改革与开放 2013年第3X期 150-150,152页

作者：游正陆张刚洛阳新奥华油燃气有限公司河南洛阳471000

传统的数据检索模型忽略了信息之间的关联性,从海量、离散分布的数据中提取有效相关的内容不仅消耗大量的系统资源,较高的信息查找复杂度降低了系统检索性能,而且抽取结果相关度低导致无法满足用户需求。论文提出了一个基于贝叶斯的多... 详细信息

传统的数据检索模型忽略了信息之间的关联性,从海量、离散分布的数据中提取有效相关的内容不仅消耗大量的系统资源,较高的信息查找复杂度降低了系统检索性能,而且抽取结果相关度低导致无法满足用户需求。论文提出了一个基于贝叶斯的多维数据分类模型,利用数据之间存在的关联性将数据按照不同搜索维度进行分类管理。根据实验结果表明,该模型能够有效地提高数据查询效率。

关键词：数据分类模型关联性贝叶斯

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯的多维数据分类模型

引用

改革与开放 2013年第6期

作者：游正陆张刚洛阳新奥华油燃气有限公司

传统的数据检索模型忽略了信息之间的关联性，从海量、离散分布的数据中提取有效相关的内容不仅消耗大量的系统资源，较高的信息查找复杂度降低了系统检索性能，而且抽取结果相关度低导致无法满足用户需求。论文提出了一个基于贝叶斯的... 详细信息

传统的数据检索模型忽略了信息之间的关联性，从海量、离散分布的数据中提取有效相关的内容不仅消耗大量的系统资源，较高的信息查找复杂度降低了系统检索性能，而且抽取结果相关度低导致无法满足用户需求。论文提出了一个基于贝叶斯的多维数据分类模型，利用数据之间存在的关联性将数据按照不同搜索维度进行分类管理。根据实验结果表明，该模型能够有效地提高数据查询效率。

关键词：数据分类模型关联性贝叶斯

来源：评论

学校读者我要写书评

暂无评论

基于广义粗糙集的不完备信息系统决策融合方法研究

基于广义粗糙集的不完备信息系统决策融合方法研究

引用

作者：韩山上海交通大学

学位级别：博士

决策是管理科学的核心。随着计算机软件与硬件技术的迅速发展以及数据库技术的广泛应用,人类能够获取和需要处理的数据日趋庞大,所面临的决策问题日趋复杂。这些大数据时代的新问题对智能信息处理的能力和方法提出了更高的要求。如何从... 详细信息

决策是管理科学的核心。随着计算机软件与硬件技术的迅速发展以及数据库技术的广泛应用,人类能够获取和需要处理的数据日趋庞大,所面临的决策问题日趋复杂。这些大数据时代的新问题对智能信息处理的能力和方法提出了更高的要求。如何从体积庞大、杂乱无章并存在干扰的数据中挖掘潜在的、有利用价值的信息,实现评价事物、制定决策、和预测未来的目标,成为了一个热门的研究领域。人类不断寻找新的数据分析手段,对信息系统进行有效的挖掘,发挥其应用潜能,完成了从数据到信息再到决策的进化过程,从而构成了决策融合的概念。研究决策融合的相关理论和方法,不仅可以结合信息融合、数据挖掘和数据库知识发现等学科的自身特点,并发挥它们在智能信息处理中的优势,还能针对不完备信息系统等复杂的研究对象,围绕“决策信息提取”这一特定的目标,系统化的提出一系列完整且可行的技术方案。本文从“决策”和“融合”的角度出发,结合广义粗糙集理论与信息融合的思想,在系统评估、决策辅助和故障分析等应用背景下,深入研究了支撑决策融合的相关理论和方法。主要内容包括:(1)广义粗糙集理论的演化和属性约简算法的研究。本文首先证明了一些重要的算子和集合在经典粗糙集和广义粗糙集中具有一致性,将研究领域从经典粗糙集理论延伸到了广义粗糙集理论,并建立了统一的广义粗糙集研究框架,以此作为全文的研究基础。然后,从信息观点出发,比较了多种信息熵和条件熵的区别,并证明了它们在信息系统中的性质,更好的量化了信息系统的不确定性。通过研究不同条件属性组合相对决策属性的条件熵大小,改进了一种适用于广义粗糙集的基于E条件熵的启发式属性约简算法,构成了本文决策融合方法中的核心算法,具有广泛的实用性。(2)基于模型的不完备信息系统决策融合方法的研究。由于数据缺失和不确定导致的信息系统的不完备性给决策规则的有效提取增添了难度,制约了高质量决策融合工作的开展。本文以不完备信息系统为主要研究对象,在统一的广义粗糙集研究框架下,确立两种不完备信息系统决策融合问题的解决方案——基于模型的技术和信息填充技术。首先从基于模型的技术出发,本文对比了容差关系、非对称相似关系、限制容差关系和联系度容差关系等数据分类模型在不完备信息系统中的分类性能,并形成了一种直接对不完备信息系统进行决策融合的方法。然后,在联系度容差关系下提出了α近似分类质量的指标,量化了缺失数据数量对决策融合质量的影响程度,并制定了相应的评估方法。(3)区间值信息系统与信息填充技术的研究。区间值信息系统的建立为研究缺失数据的信息填充技术提供了一个新的平台。本文在统一的广义粗糙集研究框架下,将区间相似度的大小引入信息熵中,定义了一种广义信息熵——H'信息熵,建立了区间长度和系统不确定性之间的关系,并提出了一种全新的信息填充技术。用合理的估计值或估计区间替换缺失数据,从而将不完备信息系统转化为一些传统的决策融合方法可以处理的完备信息系统,间接的解决了信息系统的不完备性。(4)数据分类模型的改进与决策融合方法鲁棒性的研究。数据分类模型的改进是决策融合性能提升的一个重要方法。本文在数据预处理的基础上,利用了统计学的知识,计算实值数据的相关统计量。将t检验的方法引入数据分类模型中,提出了基于假设检验的数据分类模型,提高了数据分类模型的适用范围、精确度和对噪声的适应能力,最终提升了基于广义粗糙集的决策融合方法在大数据信息系统中的鲁棒性,同时也为大数据环境下不完备信息系统的决策融合问题提供了更好解决方案。(5)基于广义粗糙集的决策融合流程设计和软件实现。本文还设计了基于广义粗糙集的决策融合方法从数据采集到决策应用的一般流程,明确了决策融合中每个步骤的方法和目的。通过搭建《基于广义粗糙集的决策融合方法演示平台》,实现了本文研究的决策融合方法的主要功能与流程,推动了理论成果向实践应用的转化。本文通过五个核心章节,详尽、有序的阐述了以上的研究成果。每章都提供了完整的应用实例以及与其他一些决策融合方法的效果对比,展示了广义粗糙集理论与决策融合相结合的研究意义和应用价值。

关键词：决策融合广义粗糙集理论属性约简不完备信息系统区间值信息系统数据分类模型流程设计

来源：评论

学校读者我要写书评

暂无评论

科技咨询场景下数据标引与智能检索平台的研究与实现

科技咨询场景下数据标引与智能检索平台的研究与实现

引用

作者：宋文宇北京邮电大学

学位级别：硕士

现代科技咨询业以科技数据为基础,为政府部门、企事业单位和各类社会组织及各阶层客户的决策、运作提供的智力服务。科技资源检索平台一种是面向咨询服务提供者和独立客户的,提供对不同类型科技信息(如论文、专利、专家和企业信息等)的... 详细信息

现代科技咨询业以科技数据为基础,为政府部门、企事业单位和各类社会组织及各阶层客户的决策、运作提供的智力服务。科技资源检索平台一种是面向咨询服务提供者和独立客户的,提供对不同类型科技信息(如论文、专利、专家和企业信息等)的快速检索服务,是当前基于大数据的科技咨询服务交付的重要支撑。虽然国内外的开发人员,都对科技资源检索平台进行了相关的实践并取得了一定的成果,但依旧难以满足在当前大数据时代下,用户对领域快速拓展、数量快速增长的科技数据的检索需求,存在以下问题和挑战:1)海量异构数据标引不充分、现有标引方法效果差,科技咨询数据种类多,来源广,造成了数据异构问题;同时科技领域繁多,各领域技术独立性强,大量数据缺乏细粒度有效的标签标注;现有的标引方法成本较高,且忽略了科技资源之间丰富的关系信息,效果较差。2)标引流程难以自动化,当前缺乏一个自动标引流程,能够快速地在新科技领域完成数据标签标注任务,对新兴或热点技术领域快速部署咨询服务;3)检索方法不灵活,现有科技资源检索平台只能通过关键词匹配的方式检索,无法识别用户的语义信息;对不同类型科技资源的检索过程割裂,难以满足用户灵活的检索需求。针对以上问题和挑战,本论文在设计并开发一个面向科技咨询场景的科技资源智能标引和检索平台,提供从对原始的海量科技咨询数据按照不同领域进行自动化预标注和灵活检索的服务,使科技咨询从业人员和独立用户能够通过该平台快速完成科技咨询任务。主要研究内容有以下三项:1)研究并提出一种基于图神经网络的科技资源分类标注模型,用于提升当前模型的标引能力,解决现有标注模型效果较差,忽略了科技资源之间丰富关系信息的问题,并为后续建模多类别的科技资源,构建兼顾多类别数据,语义级别的检索服务,提供良好的算法支持。2)提出并实现一套按细分科技领域对资源进行自动化标注和细粒度检索的方法,通过搭配搜索引擎和图数据库来实现对标注模型的自动化训练,以及使用标注模型对领域全量数据的自动化标注过程,降低咨询服务中的人工成本。同时基于标注模型,在语义级别对数据进行建模,并引入关系图结构,构建兼顾多种科技数据的特征表示,从而实现在细分科技领域下兼顾多类别科技数据、语义级的科技资源检索服务。3)设计并开发一个面向科技咨询场景的科技资源智能标引和检索平台,基于以上两个研究内容,实现一个科技资源智能标引和检索平台,对领域标签管理、数据集构建、模型训练、数据标引、资源检索等功能进行封装,以Web界面的方式提供便利的服务,满足科技咨询用户的灵活使用。最后,该平台在国家重点研发计划课题“科技咨询数据资源体系研究与资源建设”中,为课题提供了按细分科技领域对实体进行领域标签分类标引的能力,完成了 20个细分科技领域的实体打标任务,对模型和流程的功能性进行了验证,确保了有效性和实用性。

关键词：科技咨询大数据图神经网络数据分类模型科技资源检索

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的齿轮箱故障诊断

引用

建模与仿真 2023年第2期12卷 1415-1427页

作者：张嵘朱寅李帅上海理工大学机械工程学院上海

齿轮箱是用于增加输出扭矩或改变电机速度的机械装置,被广泛应用于如汽车、输送机、风机等机械设备中。在齿轮箱运行过程中,可以通过加速度传感器采集振动信号来判断齿轮箱是否出现异常,传统对数据进行分析的方式耗时大,取而代之的机器... 详细信息

齿轮箱是用于增加输出扭矩或改变电机速度的机械装置,被广泛应用于如汽车、输送机、风机等机械设备中。在齿轮箱运行过程中,可以通过加速度传感器采集振动信号来判断齿轮箱是否出现异常,传统对数据进行分析的方式耗时大,取而代之的机器学习诊断方式能够有效的诊断其中的问题数据判断机械故障情况。基于此问题,本文提出了基于支持向量机(SVM)、决策树分类和BP神经网络分类的三种分类模型,建立故障数据分类模型,分别进行故障数据的分类和对比,最终得出最好的分类模型。

关键词：机器学习加速度传感器决策树分类数据分类模型齿轮箱机械故障输出扭矩电机速度

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：