基于数据质量评价的目标估计

针对目标估计过程需要大量人工参与、自动化程度低的问题，提出了基于数据质量评价的目标估计方法。利用目标数据质量评价方法，对不同传感器得到的目标数据质量进行科学、有效的测度和评价，并根据质量得分动态调整各数据源在目标估计过程中所占的权重，从而减少人工干预，提高目标估计效能。仿真试验结果证明了该方法的有效性。     

学情调查和数据驱动专业基础课教学探索

文章以“数字电子技术基础”课程为对象,设计了基于教学数据和问卷调查的教学框架。通过学生情况调查和雨课堂教学数据掌握学习状态和学习能力,针对性设计了个性化作业布置、拓展延伸、疫情线上自学跟学双通道等特色教学方式。结课问卷表明教学设计得到了良好评价和认可。     

子集模拟中马尔可夫链蒙特卡洛抽样算法比较

文章着重研究子集模拟中马尔可夫链蒙特卡洛(MCMC)抽样算法的抽样效率与计算精度。首先，阐述可靠度子集模拟的基本原理与中间状态样本生成的各种MCMC抽样算法，在稳态马尔可夫链构造基础上提出延迟拒绝MMH(Modified Metropolis Hasting)算法，通过在MMH算法上增加备选样本的延迟拒绝步提高MMH算法的抽样效率；阐述基于随机游走与基于扩散方程MCMC方法中建议分布的差异，进一步对备选样本接受率为1的preconditioned Crank-Nicolson(pCN)算法和条件抽样(Conditional sampling, CS)算法开展研究，证明两种算法的等价性；推导有效样本量的计算方法，提出采用有效样本量与总样本量的比值定义MCMC方法的抽样效率。通过复杂目标分布的样本生成研究不同MCMC抽样算法建议分布及其参数对备选样本接受率与抽样效率的影响，最后通过计算实例研究子集模拟过程采用不同MCMC抽样算法得到失效概率的相对误差及其变异性，揭示不同MCMC抽样算法对失效概率计算精度的影响。研究表明：不同MCMC抽样算法生成备选样本的接受率及其自相关性受建议分布及其参数影响较大，对于复杂的目标分布，pCN算法和CS算法的抽样效率较高，延迟拒绝MMH算法次之；采用CS算法和延迟拒绝MMH算法进行子集模拟得到的失效概率精度较高且变异性较低；增加子集模拟中间状态样本量可以提高失效概率计算精度并降低其变异性。     

高职院校共享式数据中心平台的设计与实现

本文以高校数据中心为例,从数据治理及数据应用两个维度介绍了数据中台在整个数字校园框架中的功能及位置。笔者以高校数据治理体系建设、治理方式和治理效果为导向,设计了数据中台治理体系架构,分析数据资产化过程中挖掘数据资产的重要性,实现高校数据资源价值的最大化,并将有价值的数据无缝接入数据中台,清晰转换生成数据仓库,为高校师生提供更好的数据服务。     

基于Hadoop的气象数据分布式存储技术研究

针对目前气象数据存储所面临的海量扩张、高并发读写、结构化和非结构化数据并存以及长时间序列和大数据集检索效率低下等问题,提出了以Hadoop开源框架为基础的气象数据分布式存储方案。通过对气象数据自身属性和特点进行分析,得出了气象数据在经过充分优化的基础上,在分布式存储框架中具有很强的适应性和规模化应用的潜力;并在HBase数据库中的Row Key设计和小文件合并策略方面做了创新。最后针对气象数据中广泛存在的结构化和非结构化这两种主要数据类型,以自动气象站数据和雷达产品数据为具体实例,给出了详细的设计思路和实现方法。