一种基于SVD的改进LTS气动数据异常检测方法

用稳健的最小截平方和(LTS)估计检测气动数据中的异常,但气动数据是海量和高维的,使得LTS要求解的矩阵维数很大,造成巨大的时空开销.为此,引入迭代的奇异值分解(ISVD)求解LTS的最小二乘问题,实现更快的异常检测.实证分析采用某飞行器外形数据,分别运用OLS,FastLTS以及ISVD-FastLTS对数据集进行异常检测和对比分析.实验证明,相比于传统方法,ISVD-FastLTS能更加快速且准确地识别异常值.     

基于Smart-DI和Smart-AutoML的电信行业挖掘平台研究及应用

基于电信行业目前营销资源利用不足、数据挖掘难度大、门槛高等问题,通过建设电信行业智能挖掘分析平台,创新性地提出利用智能数据编排技术(Smart-DI,Data Integration)和智能自动建模技术(Smart-AutoML)进行电信行业各种营销模型的数据编排、模型搭建、模型训练、模型推理及模型输出,为电信行业提供全流程的自动化挖掘和营销数据服务.     

农村光棍成因及治理机制研究

以驻村扶贫点滇西南L县X村的光棍为研究对象,侧重个体精准性,强调个体因果性的特征,运用小数据分析该村光棍的贫困特征和生成原因,基于马斯洛需求层次理论探索光棍内生动力激发机制.研究表明:农村光棍趋于年轻化,形势严峻;光棍成因受到外部资源匮乏的限制,又受到自身资源缺陷的制约,内外因相互影响,但外因只有通过内因才能发挥作用.探讨通过需求原理激发光棍群体的内生动力,构建长效治理机制,让光棍群体最大限度实现人生价值,提升社会获得感和幸福感.     

基于云计算的大数据挖掘内涵及解决方案研究

随着时代的发展和进步,大数据在我们的日常生活中有了越来越多的应用范围,文章也是主要对基于云计算下的大数据进行挖掘,展开相应的探讨,并与传统的数据进行对比,得出相关结论,对大数据的内涵进行基本分析和结论研究,并提出相应的解决方法。     

新能源实时错误数据辨识与修正深度学习模型

针对新能源电站实时采集数据错误的问题，利用新能源电站历史数据，采用基于数据间模型的方法辨识和修正错误数据，进而利用辨识和修正的结果数据，建立基于决策树分类模型的新能源实时错数辨识模型，以及基于深度神经网路的新能源实时错数修正模型，从而在实时运行过程中，可利用得到的模型对新能源错数进行实时快速辨识和修正，可显著提高错数辨识和修正效率，支撑新能源电站的实时分析应用，保障新能源电站的实时安全稳定运行。通过某典型风电场和光伏电站真实历史数据的算例分析，验证了所提方法的有效性。