大数据环境下移动网络信息传输安全防御模型研究及仿真

为了有效防范移动网络传输数据过程中的入侵攻击行为,综合P2DR网络模型和FSM防御模型,构建优化出一种主动防范方法.该优化方法增加了迭代次数,减少粒子数量,经过计算得到最优解.仿真结果显示,安全防御模型在攻击阻断和自我防护方面的优势较为显著.     

基于大数据的产品色彩设计

目的 采用大数据技术,研究大数据时代下产品色彩的设计方法,探究大数据与产品色彩设计结合的价值,为设计提供新的思路和方向,从而创新性地提升产品色彩设计的效率。方法 从大数据的角度出发,通过数据采集技术从互联网上得到大量的原始数据,批量地对数据进行降噪处理,得到有效数据,在将有效数据可视化显示后,深入地对图表数据进行分析,从中挖掘出产品色彩设计的相关规律,从而形成一套行之有效的产品色彩设计方法,并结合大数据技术的应用和发展趋势,探讨两者结合的重要意义。结论 大数据在数据挖掘和趋势预测上具有极大的优势,将其与产品色彩设计相结合,为设计师提供一种在产品色彩设计中解决问题的新思路,可以优化产品色彩的设计流程,协助设计师更好、更快地设计出满足目标消费群体需求的产品。     

基于大数据挖掘的赛珍珠文化元素提取与应用

目的 在大数据环境下,运用大数据技术提取赛珍珠文化元素,探究大数据挖掘理念在文创产品设计中应用的可行性.方法 首先,采集赛珍珠相关数据资料,借助网络爬虫工具采集网络媒体中赛珍珠相关的文本信息,同时人工搜集赛珍珠相关学术研究以及社会访谈资料,然后将数据保存为可编辑的文本形式.其次,运用中文分词工具对采集的文本信息进行处理,将语言字符串切分成词语,滤除中文停用词、低频词及干扰词,形成精炼的赛珍珠数据集合.之后,采用LDA主题模型算法对数据集合进行降维、聚类,形成初步的主题模型,然后经过人工筛选构建赛珍珠文化元素主题模型.最后,根据文化元素主题模型内容,选择赛珍珠文化元素进行赛珍珠文创产品设计实践.结论 依照大数据挖掘理念,通过对网络爬虫技术、中文分词工具以及LDA主题模型算法等大数据处理工具的综合应用,能够科学高效地从庞大的社会网络媒体中提炼赛珍珠文化元素,从而达到促进整个文创产品设计流程的效果.     

基于大数据价值聚焦的产品设计方法

目的 提出基于大数据的价值聚焦分析和设计方法,帮助设计师与企业解决有效处理和应用大数据,通过基于大数据的价值聚焦（商业价值、产品价值与用户价值）分析,锚定设计价值和产品定义,开发出市场热销与用户喜爱的“爆品”产品。方法 主要采用文献研究和案例分析方法,研究大数据清洗获得价值聚焦及价值传受过程,提出一种基于大数据价值聚焦的前设计周期与设计周期产品设计方法。结果 以大数据的价值聚焦为理论基础,实现产品设计从大数据分析到价值聚焦再到设计方案的可行和实操流程,即大数据清洗、大数据分拣和大数据决策,挖掘商业价值、产品价值和用户价值以及相应的价值区间,提出从大数据清洗到价值聚焦（价值与价值区间）,以及生成产品定义与概念样机的设计流程模型。结论 通过大数据价值聚焦生成设计价值和产品定义,回归设计问题与价值问题的本质,是完全面向市场,实现爆款产品设计的途径和设计方法。基于大数据价值聚焦的产品设计,是一种结构清晰、可操作性强的全设计周期的设计方法,可以透过有效的设计流程实现完整的价值传受。     

大数据环境下产品质量风险评估系统的研究与设计

产品质量风险评估已成为新形势下政府监管面临的重要课题之一。本文结合我国产品质量风险评估研究基础,以大数据技术为导向,结合神经网络、动力系统科学理论、数理统计等理论,运用指标树、K-means聚类分析、判别分析等方法,构建一种新的产品质量风险评估系统,以实现智能评估分析产品质量风险等级。     

大数据时代下基于数据的信息设计

目的探索大数据背景下,数据在信息设计中的应用。方法分析了大数据的特征,分别从即时性、互动性、综合媒体及多维度、人性化等特征方面,诠释了大数据对当前信息设计的作用和影响。结论大数据时代的视觉传达特征改变了以往的设计分析思路,数据已经成为了大数据时代信息设计中不可或缺的工具。     

基于多模态理论的大数据可视化的优化与拓展

目的在机遇和挑战并存的语境下,提出大数据可视化的优化途径与创新拓展思路。方法首先,从多模态概念入手,从多学科角度理解多模态含义;其次,分析了大数据多模态特征,以及人们获取和解读信息时多模态融合的认知过程;最后,把多模态概念引入展示法,探讨可视化中多模态的内容呈现方式,以及结合高新科技的动态交互方式。在大数据环境下模态融合、传播载体发展和信息符号象征意义的解析等方面,展开对大数据可视化创新路径的论述。结论对大数据可视化在未来发展的趋势,提出了展现和探索两个方向。     

基于数据驱动的用户需求智能获取方法研究

目的 数字化浪潮下人们的消费行为也发生了改变。线上购物伴生着大量用户评论,具有实时、真实、全面等特点,这是挖掘用户需求的绝佳资料。本文利用线上评论,结合感性工学和自然语言处理技术,提取其中对应于产品元素的用户需求,为后来的产品改进或开发提供指导。方法 本文通过爬虫工具获取目标产品大量评论,对文本进行词频分析筛选出要分析的产品元素,根据筛选结果将评论归类,从中提取形容词汇,并经过专家汇总,最后对含有形容词的语句进行情感分析,获取用户对产品的需求信息。最后依靠感性工学指导后续设计方案生成。结论 本文用亚马逊网站上山地自行车产品进行实例验证,结果证明该方法能够快速高效地获得用户对产品的准确评价,是一种切实可行的获取用户需求的智能化设计方法。     

Research on the Relationship Between Garlic and Young Garlic Shoot Based on Big Data

In view of the problems such as frequent fluctuation of garlic price, lack of efficient forecasting means and difficulty in realizing the steady development of garlic industry, combined with the current situation of garlic industry and the collected data information. Taking Big Data platform of garlic industry chain as the core, using the methods of correlation analysis, smoothness test, co-integration test, and Granger causality test, this paper analyzes the correlation, dynamic, and causality between garlic price and young garlic shoot price. According to the current situation of garlic industry, the garlic industry service based on Big Data is put forward. It is concluded that there is a positive correlation between garlic price and young garlic shoot price, and there is a long-term stable dynamic equilibrium relationship between young garlic shoot price and garlic price fluctuation, and young garlic shoot price can affect garlic price. Finally, it is proposed to strengthen the infrastructure construction of garlic Big Data, increase the technological innovation and application of garlic Big Data technology, and promote the safety and security ability of the whole industry to promote the development of garlic industry.     

基于大数据的配色方案优化约束空间建构

目的 从图像中提取的特征色通常表达为一系列单色,即基于聚类法得到的聚类中心。在以图像色彩意象再现为目标的配色方案优化中,很少考虑提取色的聚类分散度,导致配色方案的色彩过于集中在聚类中心而失去了多样性。基于聚类结果为优化过程提供更精准有效的约束。方法 首先用K–Means聚类方法从图库的每一幅图中提取若干特征色彩,并集中表达在可视化的三维色彩空间中;然后用户通过交互方式人工选择色彩构筑一系列定制色彩空间,作为色彩变化的约束条件,即约束空间;并设计了基于约束空间的配色优化交互式遗传算法。结果 以非遗图库的色彩意象再现为目标,基于平面设计的色彩优化任务进行了测试,在效率和满意度两个方面均表现良好。结论 解决了提取色重用的约束条件施加方法问题,有效利用了提取色的分布信息,使优化过程可以更精准地再现原始图库的意象,特别是色彩的分布特征。     

基于大数据简约及PCA改进RBF网络的短期电力负荷预测

针对电力负荷大数据化越发突出,引入最小绝对值收敛及选择（Lasso）算法解决电力负荷大数据难题,对电力负荷及相关天气因素大数据进行高维数据特征提取,获得有用数据集。为避免输入空间严重自相关及网络维数较高,造成径向基函数（RBF）神经网络预测精度严重下降的不良影响,提出基于主元分析(PCA)改进的RBF神经网络电力负荷预测模型,消除多气象因素相关性,剔除冗余,提取天气因素特征量,将新天气特征量与历史负荷数据共同作为RBF网络的建模对象,既全面表征天气因素对电力负荷的影响,又简化预测模型,加快预测速率。 经美国南部某地区实际电力负荷数据的预测分析,充分证明该方法的有效性及可靠性。