基于时空聚类的多源异构时序数据集成方法

针对传统多源异构时序数据集成方法执行和抽取时间较长、筛选准确率较低的问题,设计基于时空聚类算法的多源异构时序数据集成方法。协同处理多源异构时序数据,根据协同处理结果与时空集合标定结果构建时空聚类矩阵,以时空聚类矩阵为基础计算多源异构时序数据集成需求,通过时空聚类算法转换数据,以此进行多源异构时序数据集成。实验结果表明,该文方法的多源异构时序数据执行和抽取时间在20 s以内,筛选准确率高于95%,集成效果更好。     

一种基于深度学习的多源异构数据融合方法

在大数据背景下,结合深度学习,讨论了多源异构影像数据融合问题,在数据融合的基本架构基础上,构思了一种泛化性强的多源异构影像数据融合的深度学习模型,将深度学习技术运用到多源异构数据信息提取与挖掘。     

一种多波导结构高频系统的理论分析

提出了用于回肇磁控管的一种新型多波导结构，即扇形波导－隙缝结构，给出了它的特征方程和储能表达式，进行了大讯号计算，得到了几何尺寸与储能及效率的关系曲线，为这种结构的设计提供了依据。     

一种多源多通道信号采集系统设计

针对弹载设备高速、高精度信号采集的需求,设计了一种基于FPGA的多源信号采集卡。该系统以XILINX-Spartan6系列为主控芯片,AD7606为模数转换芯片,USB2.0为数据传输协议,eMMC为数据存储,通过模块化进行硬件电路设计,大大减小了电路体积和功耗。在FPGA中用Verilog-HDL对逻辑控制进行编程,对AD7606的采集时序进行了优化,减小了采样间隔,提高了采样效率,实现了数据的高速高精度采集和传输。测试结果和实验数据表明,该系统可以满足十路不同源信号的并行采集和实时监测,可以达到100 kHz采样率。同时为满足弹载需求,可以将数据存储到采集卡,通过地面设备读取,存储时间可达4 h。     

基于数据中台的多源数据融合关键技术研究

目前研究的多源数据融合关键技术可信度分配数值与峰值相差较大,导致融合后的数据冲突程度过高,融合效果难以达到人们的要求。为了解决上述问题,基于数据中台研究了一种新的多源数据融合技术。对多源数据的融合层次进行划分,根据划分结果建立融合模型。应用数据中台的数据技术、治理和运营来实现数据赋能,建立有效的框架体系中心,利用数据框架体系中心分析数据资料,处理多源数据,实现数据的匹配与转换,最终表达数据的模式。实验结果表明,所研究的多源数据融合关键技术可信度分配数值为0.5,融合过程中数据源相似性较高,融合效果较好。     

一种基于时序数据的FPC故障诊断方法

文中针对柔性线路板(Flexible PCB,FPC)多层、线宽精细和间距超精细,无法获取充分故障信息的问题,提出了时序数据测量和基于时序数据的故障诊断方法,在限定的测量节点上,获取了更多的故障信息,将故障识别率从原来的86.5%提高到94.6%.     

一种基于知识图谱技术的多源异构数据融合、共享方法

针对异构数据融合耗时过长,共享过程能耗过多的问题,基于知识图谱技术,提出了一种新的多源异构数据融合、共享方法。引用纵向数据融合与横向数据融合方法,纵向数据融合利用Web Service接口,横向数据融合采用SNMP接口;确定异构数据源位置,利用知识图谱技术建立拓扑结构,基于权值确定共享顺序,实现多源异构数据融合、共享。实验结果表明,提出的基于知识图谱技术的多源异构数据融合、共享方法能够有效缩短融合时间,且共享过程能耗满足源头节能要求。     

DSF:一种时序约束下的快速数据分发算法

 时序约束下的大规模数据分发在互联网环境下有着越来越广泛的应用.现有的系统大多采用mesh结构组织结点,并通过运行在请求结点的调度算法来控制数据的分发.但请求结点只依据自身的需求来调度数据,并不能保证系统的整体服务效果.本文以改善整体服务效果为目标,提出一种面向服务结点的调度算法——时序约束下的快速分发算法DSF(Deadline Sensitive Fast distribution).该算法的基本思想是:当服务结点面临多个邻居结点的多个数据请求时,选择系统最迫切需要的数据,优先传输给继续服务能力较强的结点,以达到减少迟到数据比例、提高数据传输率、优化系统持续服务能力的目的.实验结果表明,与面向请求结点的调度算法相比,DSF在流传输质量、分发速率、负载均衡等方面均具有较好的特性.     

多源异构装备数据集成研究综述

现代战争需要高效地处理多源异构的装备数据,装备数据集成主要针对装备数据的来源广泛、结构异构问题,通过数据集成平台对多个数据来源进行统一处理,屏蔽数据之间物理和逻辑层面的差异,实现装备数据的统一表示、存储和管理.研究阐述了基于模式、基于复制的装备数据集成方法,梳理了装备数据集成中存在的组织管理、结构异构、语义异构、大数据等问题及相应的解决方案,分析了以Web Services和Big Data为代表的装备数据集成最新技术,并展望了未来的发展方向.     

一种融合多源数据的连锁企业选址推荐方法

随着连锁企业快速发展,新开设连锁店铺如何有效选址成为一个重要问题。已有关于商业选址推荐的工作大多致力于构建特征的学习模型,在同一个城市为同一个目标进行选址推荐。文中提出一种面向企业内部规模的选址推荐方法,能对不同地址所适合的店铺规模进行推荐。首先利用多源城市数据从地理特征、商业特征和规模特征等多个维度对候选地周围环境进行刻画,在此基础上,针对已知规模的位置推荐和已知位置的规模推荐两种情况,分别提出基于回归和分类的推荐方法。采用真实数据集进行验证,证明了所提方法的有效性。     

面向时序数据发布的隐私保护方法研究

针对动态数据（时序数据）提出一种抽样过滤技术的差分隐私保护模型及评价机制。首先,利用固定抽样法对原始时序数据进行抽样,非抽样数据直接发布;其次,对抽样数据采取差分隐私保护机制进行加噪;然后,运用Kalman过滤技术对保护后的抽样数据进行预测修正;最后,通过互信息评价机制对不同抽样间隔下的数据进行评价。通过实验证明抽样过滤机制在安全性和实用性上达到最优的平衡性。     

一种借助时序检测系统进行时序验证的方法

论文介绍了在集成电路时序验证阶段如何借助时序检测系统对集成电路端口信号的建立时间和保持时间进行检测。     

一种复杂系统多源信息分析建模新方法

 根据多源信息的耦合和系统状态属性,将拓扑反变理论应用到多源信息分析中,构建复杂系统多源信息的空间表述,组成拓扑空间,推导拓扑反变关系,进而实现复杂系统多源信息的特征评判和动态监测,为复杂系统多源信息表示和运行状态智能监测与控制奠定基础.将该方法应用到机械手加工系统中,对机械手动态准确性进行监测,建立精度评价标准,验证提出的理论方法正确性.     

面向电信客服数字化改造的多源数据采集和大数据可视化技术研究与运用

提出了一种多源数据采集的工程实践方法，通过机器人流程自动化（RPA）等技术打破企业数据烟囱隔离，使得离散在企业各个数字孤岛的数据能够实时同步到统一的数据库中，并通过大数据可视化技术实现各类生产经营过程的实时看板，提升企业运营生产管理效率。     

6G车联网络面向多源感知的数据融合技术

为满足未来自动驾驶车辆全方位、高可靠的感知性能需求，6G需要对不同维度、来源、颗粒度的多源感知数据进行实时传输与全局融合处理。然而，由于激光雷达、摄像机易受环境影响，毫米波雷达分辨率有限，不同车辆多视角点云姿态估计不准确等问题，分布在车联网络中的多源感知数据难以实现精确融合，同时有限通信带宽难以支撑海量感知数据的协同共享。为此，基于通信-感知-计算融合(通感算融合)的思想，提出了一种6G车联网络面向多源感知的数据分级融合处理方法。首先车侧借助于激光雷达、毫米波雷达与摄像机之间的空间校准，实现多传感器优势互补的深度融合，之后多车自组织成簇，采用ICP算法融合多车感知数据，并通过压缩去冗处理降低通信上传开销，最后路侧在无线感知辅助下，通过两步配准方法实现多源感知数据的全局融合。通过搭建仿真平台对所提方法进行性能验证，仿真结果表明所提多源感知数据分级融合方法可在通信开销较小的前提下保证感知精度，扩展车联网络感知范围和感知维度，并能保证恶劣天气下感知可靠性。     

基于多源异构数据融合的路网管控平台设计

本文提出了一种基于多源异构数据融合的路网管控平台,将高速公路运营数据包括结构化、非结构化、半结构化数据进行融合,建立全时域全路网“可视、可测、可控、可服务”的路网管控平台,实现跨地域、跨系统、跨部门、跨业务的协同管理和精准运营。     

油田生产物联网多源数据整合

从采油厂的物联网数字化建设,总结了多源异构数据整合常见的共性,并针对不同情况,研究了相应的解决思路和方法,为采油厂的物联网建设提供一点依据。     

一种外雷达源探测的时序恢复方法研究

针对外雷达源探测时外部雷达时序不可知的问题，提出一种基于模板的时序恢复方法及高精度时间同步的实现方式，并通过构建的试验系统进行验证。试验结果表明：该方法能够在一定程度上解决外雷达源探测时的时序恢复及匹配问题，对外雷达源探测的推广应用具有重要意义。