基于支持向量数据描述的预警技术及其应用

分析当前的主要预警方法,指出由于缺少非正常数据样本,使得现有的大部分预警方法不适用。为解决该问题,提出了基于核方法的支持向量数据描述预警技术。建立了一个用于检测非正常数据对象的一类分类器,检测数据对象是否在正常值超球体范围内。如果在超球体外,预警专家将最终确认这个数据对象是否为非正常的预警警兆。以广东省江门市的宏观区域经济数据为例,证明了该预警技术的有效性。     

面向决策支持的数据重构技术

为了使企业决策支持数据能有效地发挥决策支持作用,提出以零部件为核心,将企业散乱的数据有机地组织起来,形成企业立体数据的重构模型．首先将零部件的各种数据用矩阵表达出来,然后通过“行匹配列合并运算”将相关的数据组合起来,形成一个集设计、工艺、生产、管理信息于一体的综合性数据矩阵．由于该数据矩阵的规模庞大,提出“投影变换”和“选择变换”,仅保留对目标决策支持有用的数据项．最后,将各零部件的综合数据矩阵叠加起来形成企业的立体数据模型．企业数据重构以后,它的每一行数据都是相对完整的．     

样本错误加权的支持向量数据描述

数据描述只使用目标集训练样本获得关于目标集的描述,支持向量数据描述(SVDD)是一种有效的数据描述方法。样本错误加权的SVDD(WSVDD)推广了SVDD,对每个训练样本的错误赋予不同的权值,可以精细地控制训练样本对超球面边界的影响。用UCI机器学习数据集的两个数据和图标分类的实验验证了WSVDD的有效性。     

美军新一代支持联合训练的JLVC2020框架研究

搭建JLVC(Joint Live,Virtual,Constructive)联邦是支撑LVC训练的主要方式,是美国防部训练转型战略的重要内容.在综合分析当前JLVC联邦的建立背景、发展过程、现状和其在支持联合训练所面临的挑战的基础上,探究了美军为何要将当前松散的联邦结构发展成模块化框架的原由.并进一步研究了基于云使能模块化服务(Cloud-Enabled Modular Services, GEMS)的JLVC2020的框架与模块化服务、关键技术和发展规划,最后给出了相关结论.     

支持向量数据描述的基因表达数据聚类方法

为改善传统的基因表达数据聚类方法正确率偏低的问题,研究了支持向量数据描述（SVDD）算法在基因表达数据聚类中的应用,该方法通过寻找最优分类超球实现对数据集的有效聚类.将类间信息融入聚类有效性评估准则中,通过模拟退火优化算法寻找SVDD算法中的最优核函数参数和惩罚因子,在训练时引入非样本数据提高运算效率.对酵母细胞生长周期的基因表达数据集的仿真实验结果表明,在新的聚类有效性评估准则下进行参数寻优,能够更快更好地得到最佳参数,同时,算法具有聚类精度高和运算速度快的优点.     

燃料电池城市客车数据支持系统设计

为了获取并分析燃料电池城市客车的运行数据,研究燃料电池发动机在长期运行下的性能变化和进行控制策略优化,建立了相关的数据支持系统。本文所设计的数据支持系统,使用低成本大容量的Micro-SD卡作为数据存储器,实现大量运行数据的记录。在处理器方面,采用燃料电池发动机主控制器MPC5xx的TPU模块作为处理单元,无需增加额外的计算单元,同时该系统在运行过程中不影响主控制任务的实时性。     

面向新异检测的启发式约减支持向量数据描述

针对支持向量数据描述(SVDD)单类分类方法运算复杂度高的缺点,提出一种启发式约减支持向量数据描述(HR-SVDD)方法。以启发的方式从原有训练集中筛选出部分样本构成约减训练集,对约减训练集进行二次规划解算,得到支持向量和决策边界。通过不同宽度系数高斯核SVDD特征的讨论,证明了HR-SVDD的有效性。人工数据集和真实数据集上的实验结果表明, HR-SVDD分类精度与传统支持向量数据描述相当,但具有更快的运算速度和更小的内存占用。     

密度惩罚支持向量数据描述

基于相对密度概念,文中提出一种密度惩罚的支持向量数据描述方法.该方法把相对密度和对样本的误分惩罚关联起来.如果样本的相对密度较大,则其是目标样本的可能性较大,因此需加大其误分的惩罚力度.同理相对密度小的样本,有可能是位于边界上的点或噪声点,相应的误分惩罚应减小.在UCI数据集上的实验结果表明,文中方法比标准支持向量数据描述及密度诱导的支持向量数据描述都有更好的描述性能.     

美军数字现代化建设经验与启示

近年来,美国防部非常重视美军数字现代化建设,特别在2019年7月份发布了战略计划,这对于美军作战能力的提升起到了重要推动作用。本文从美军数字化建设历程和战略计划内容入手,分析美军数字现代化建设情况,阐述了美军数字现代化建设对我军作战数据建设的启示。     

非均衡数据的支持向量机新方法

为了弥补支持向量机对非均衡样本集分类时倾向于较大类的不足,提出一种平衡策略。基于Fisher判别思想,计算出两类样本在分类超平面法向量上投影后的均值和方差,再依据两类错分概率相等准则,给出新的阈值计算方法对超平面进行调整。该方法可补偿非平衡数据分类的倾向性,提高预测分类精度。最后在非均衡的人工和真实数据集上的数值实验表明了该方法的可行性与有效性。     

数据挖掘下新农村决策支持系统的构建

介绍了决策支持系统和数据挖掘的基本概念,结合数据挖掘技术提出了新农村决策支持系统的需求;阐述了数据挖掘在决策支持系统应用,构建出系统的体系结构,最终实现一个应用于新农村建设的决策支持系统。     

作战仿真数据体系分析

作战仿真通过模拟作战过程来支持作战研究,作战仿真数据是其基础。作战仿真数据所涵盖的数据量多、面广、粒度细,数据的建设需要按工程化方式进行。分析了作战数据的体系结构和特点,对作战仿真基础数据体系、想定数据体系、过程数据体系以及评估数据体系进行了系统的研究,提出了一种作战仿真数据体系,对数据工程的目标、机制和管理进行了分析。该数据体系可促进建模仿真的标准化,对于构建作战仿真的数据结构体系以及一体化建模仿真环境具有一定的意义。     

利用数据仓库和数据挖掘实现电信决策支持系统

给出了电信企业利用数据仓库和数据挖掘技术实现的决策支持系统的逻辑架构和物理架构，并简单介绍了该系统中的几种数据挖掘方法。     

基于数据仓库的综合决策支持系统

数据仓库和ＯＬＡＰ技术已成为企业决策支持系统的关键,为决策支持系统的发展和全面应用提供了理论技术基础,叙述了基于数据仓库技术的综合决策支持系统,给出了一个在税务上的应用实例。     

基于数据挖掘的智能决策支持系统

传统决策支持系统由于其功能的不足.不能满足现代企业的决策需求.而数据挖掘技术是解决该问题的有效途径之一.文章分析了数据挖掘技术在决策支持系统中的应用现状.提出了一种基于数据挖掘的智能决策支持系统的体系结构,并给出了总体结构模型和各子系统功能描述.     

数据仓库在决策支持系统中的应用

网络信息化时代的不断发展,产生了大量的各种各样的数据信息,如何能够有效地从众多信息中提取出有用信息,已成为大家普遍关注和研究的重要问题。对于决策者来说,从众多信息中筛选分析出对自己有用的信息是常见的一种工作过程,计算机给人类带来巨大方便的同时,如何能帮助决策者处理这些杂乱无章的数据,帮助决策者做出正确决策也是我们研究的问题。而基于数据仓库的决策支持系统是解决该问题很好的一种技术解决方案。文章介绍了数据仓库的概念和决策支持系统的概念,阐述了如何在决策支持系统中建立数据仓库及其数据仓库的维护。     

基于数据仓库的决策支持系统

基于传统数据库的决策支持系统存在数据分散、数据规范不统一、数据可分析能力低等缺点，文中针对这些缺点提出基于数据仓库的决策支持系统概念模型，并以实际应用说明、验证其概念模型。     

数据工程学建设思考与实践

【目的】尽管数据科学已经可以处理大量的数据并解决了很多问题,正在改变着科研、企业运作和社会治理模式,但数据科学成果存在难以工程化的局限性,要将数据资产及其隐含价值有效转化为服务、决策、产品,形成数字经济,还需要建立数据工程学来支持对数据实施工程活动,实现数据驱动的数据价值转化,服务日常工作,形成数字经济。【方法】本文引入工程学思想,将伴随数据科学诞生的狭义数据工程推广为广义数据工程,论述了数据工程学建立的必要性,参考土木工程学科建设及工程学科应具备的特征,分析了基于数据物质基础的数据工程学知识特征,给出了数据工程学的概念、理论基础、研究内容、研究框架和主要技术体系,并通过两个数据工程应用案例说明建立数据工程这一新方法论的必要性。【结论】数据工程学具备了数据物质基础的独特知识体系,具备了综合数学、电子与信息、计算机、数据科学以及各领域学科的特殊研究方法,数据工程学建设的物质、理论、技术、需求等基础已经具备,建立数据工程学支持将数据资产转化为工程应用并形成数字经济非常迫切。