面向大数据基于知识的决策信息需求动态生成方法

为提升大数据环境下准确搜集企业决策支持信息的效率,基于企业决策事务与所需信息类型间有确定映射关系的原理,提出一种基于知识的决策信息需求动态生成方法。发掘决策事务与信息需求间的潜在关联关系并建立知识库,根据动态感知的用户决策事务类型,运用知识实现需求的自动生成和精细描述。实验结果表明,该方法能有效减少信息需求表达的耗时,保证一定准确度,提高决策效率。     

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．     

大数据背景下网络信息挖掘与搜集

随着我国信息技术与互联网技术的飞速发展,当前大数据环境下情报侦察工作对于网络信息的挖掘与搜集的依赖性也不断上升。立足于大数据背景下网络信息挖掘与搜集技术的发展现状,首先介绍了网络信息挖掘的定义与内涵,其次分析了大数据背景下网络信息挖掘面临的主要困难和挑战,最后对大数据背景下网络信息挖掘与搜集的详细策略进行了分析与阐述,希望能够为网络信息挖掘与搜集技术的发展创设条件。     

面向大数据的规则引擎驱动下信息分类方法

因传统信息分类方法在面向大数据时,普遍存在分类时间较长、平均误分率较高的问题,不能有效区分不同信息类型,提出一种面向大数据的规则引擎驱动下信息分类方法.通过对规则引擎下的大数据信息进行分析,构建大数据信息集模型,获取大数据信息特征.将大数据信息特征输入到支持向量机分类器中,以大数据信息分类正确率作为适应度函数,采用粒子...     

大数据智能决策

在全球信息化快速发展的背景下, 大数据已经成为一种战略资源.各行各业的决策活动在频度、广度及复杂性上较以往有着本质的不同.决策过程中的不确定性因素增多, 决策分析的难度不断加大.传统的数据分析方法以及基于人工经验的决策已难以满足大数据时代的决策需求, 大数据驱动的智能决策将成为决策研究的主旋律.该文结合大数据特性, 对大数据决策的特点进行了归纳, 并从智能决策支持系统、不确定性处理、信息融合、关联分析和增量分析等方面综述了大数据智能决策的研究与发展现状, 讨论了大数据智能决策依然面临的挑战, 并对一些潜在的研究方向进行了展望分析.     

基于大数据的贷款客户信息修复与智能决策系统设计

为解决逾期高阶阶段出现的客户失联、资产情况无法评估、催收策略选择等问题,结合大数据技术构建贷款客户信息修复与智能决策系统。系统主要包括以下三个模块。数据集成模块：通过集成异构、碎片化的社交数据,形成结构化的文本数据集;数据挖掘模块：对文本数据集中的联系方式、地址、资产等信息进行识别和抽取,并基于词频证据对客户的联系方式、地址、资产等信息进行推理与判别;智能决策模块：基于if-then规则对贷款客户各特征属性下的催收策略分别打分,并利用多属性决策模型选择合适的催收策略。研究为贷款客户信息修复与智能决策系统的构建提供了全套的技术解决方案,具有一定的理论意义与实践意义。     

面向医疗信息的大数据安全管理策略探究

随着各种医疗信息系统的广泛应用与深入发展,医疗数据快速增长．医疗信息进八“大数据”时代,大数据的产生带来了较为突出的安全问题。针对提高医疗信息系统的大数据安全管理策略进行探讨,着重讨论了系统架构、备份机制、数据库纵深防御体系等方面的内容。     

高校图书馆读者需求信息的大数据分析系统设计

为了适应新形势下高校图书馆个性化服务的需求,对读者需求信息大数据分析系统进行设计.阐述了大数据的基本概论和特征,深入分析了图书馆读者需求的应用策略,以期推动高校图书馆信息化服务建设水平,为实现读者精准化的知识需求发现奠定理论基础.     

一种面向WEB大数据环境下的信息可信度分析与评估

在大数据时代,信息数量的快速增长造成了大量雷同、虚假信息的存在,导致了有效信息选取的困难。针对这个问题,本文研究了信息可信度的评价标准,并以实例的形式进行了可信度的定性和定量分析。本文是针对情报研究学科的需求而进行的初步探索。     

基于大数据技术的农业决策信息挖掘系统设计

在乡村振兴战略背景下,针对农业生产者、消费者及政府政策制定者之间,存在信息不对称和信息传递滞后性的问题,以及农业数据的分散化问题,以农业数据特征和大数据技术特点为研究对象,提出了一套农业决策信息挖掘系统。首先,该系统通过数据库设计对多源异构数据进行整合,打通了不同数据之间的壁垒,并基于前后端分离的系统开发方案,为农业生产者和消费者提供决策支持;其次,该系统利用长短期记忆网络(LongShort-TermMemory,LSTM)等大数据处理技术,对序列农业数据进行深度学习趋势预测,挖掘农业数据的潜在信息,并设计了在Web平台中融合数据处理技术的具体应用方案。分析结果表明,该系统能够帮助农业生产者和消费者充分发掘农业数据中的潜在价值。     

基于扩展UML的作战信息需求描述方法研究

在广泛研究需求描述方法的基础上,提出了一种基于扩展UML的作战信息需求描述方法。该方法通过作战目标的静态和动态描述,满足了战前和作战过程中的敌情信息需求。通过构建作战功能需求体系,对我方作战单元信息需求进行定性分析和定量描述。最后,与其他信息需求描述方法进行了对比。基于扩展UML的信息需求描述方法对于消除战场“迷雾”,增强战场透明性,实现作战指挥、控制、决策的扁平化、自动化具有重要意义。     

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。     

An incident information management framework based on data integration, data mining, and multi-criteria decision making

An effective incident information management system needs to deal with several challenges. It must support heterogeneous distributed incident data, allow decision makers (DMs) to detect anomalies and extract useful knowledge, assist DMs in evaluating the risks and selecting an appropriate alternative during an incident, and provide differentiated services to satisfy the requirements of different incident management phases. To address these challenges, this paper proposes an incident information management framework that consists of three major components. The first component is a high-level data integration module in which heterogeneous data sources are integrated and presented in a uniform format. The second component is a data mining module that uses data mining methods to identify useful patterns and presents a process to provide differentiated services for pre-incident and post-incident information management. The third component is a multi-criteria decision-making (MCDM) module that utilizes MCDM methods to assess the current situation, find the satisfactory solutions, and take appropriate responses in a timely manner. To validate the proposed framework, this paper conducts a case study on agrometeorological disasters that occurred in China between 1997 and 2001. The case study demonstrates that the combination of data mining and MCDM methods can provide objective and comprehensive assessments of incident risks.     

大数据环境下的数据挖掘课程教学探索

近年来,大数据引起了各界相关部门的高度关注,中科院和各高校开始重视该方向的教学和研究。针对目前大数据带来的社会影响力,根据大数据具体特性以及数据挖掘学科交叉性强的特点,结合实际教学经验,分别从培养数据意识、加强理论体系、创新教学方法和深入科学研究等四个方面来探索如何设计高校数据挖掘课程,以解决大数据时代下数据挖掘课程因抽象而带来的问题,为培养优秀的大数据研究人才奠定理论基础。     

大数据时代下计算机信息处理技术分析

随着社会经济高速发展﹐各个行业产生了大量的数据信息﹐尤其是在计算机技术的广泛应用下,需要做好信息处理,从中挖掘有用的信息。在大数据时代背景下,合理应用计算机信息处理技术、创设相应情景,可以提高计算机信息处理水平。鉴于此,文章以大数据时代为着手点,分析了常用的计算机信息处理技术,希望切实发挥大数据提升计算机技术水平的作用。     

数据仓库和数据挖掘技术在DSS中的应用研究

数据仓库和数据挖掘技术是目前信息技术研究的热点问题之一。介绍了数据仓库的特点、体系结构、联机分析处理及数据挖掘技术,讨论了如何在Microsoft SQL Server2000中将数据仓库和数据挖掘技术结合起来开发决策支持系统。     

基于XML描述的数据挖掘结果的存储方法

对数据挖掘结果进行存储和维护能够提高数据挖掘效率并为共享挖掘结果提供更多的途径,为企业决策提供强有力的支持.对结构各异的结果模式进行存储首先需要一种表示半结构化信息的数据表示方法,而XML非常适合半结构化信息的描述.重点研究了以XML描述5种常见数据挖掘结果的方法,并提出了这5种数据挖掘结果的统一描述方法,为数据挖掘结果的集中存储、管理、利用以及共享奠定了基础.     

基于SVDD的网络安全审计模型研究

审计是入侵检测的基础，为入侵检测提供必要的分析数据．在传统的网络安全审计与入侵检测系统中，需要由人工来定义攻击特征以发现异常活动．但攻击特征数据难以获取，能够预知的往往只是正常用户正常使用的审计信息．提出并进一步分析了一种基于支持向量描述（SVDD）的安全审计模型，使用正常数据训练分类器，使偏离正常模式的活动都被认为是潜在的入侵．通过国际标准数据集MITLPR的优化处理，只利用少量的训练样本，试验获得了对异常样本100％的检测率，而平均虚警率接近为0．     

配电网中大数据的挖掘应用

为了适应日益增长的电力需求,解决配电网点多面广、设备多、管理难度大、配电网信息实时性低等问题,本文系统梳理了国际、国内配电网发展现状,以及数据挖掘与分析处理技术在配电网的应用研究情况,将大数据挖掘应用引入配电网日常管理,利用大数据分析,针对电网运行和设备检测或监测数据、电力企业营销数据、交易电价、售电量、用电客户等方面的数据,结合地域配电网网架结构,对配电网存在的薄弱点,尤其在迎峰度夏和春节保供电等用电高峰期,通过事前提前研判、事中实时指挥、事后深入分析,提前发现未来病态设备,推进配电网设备在线化、透明化、智能化,将配电网由“修得快”向“不停电”转变,提升优质服务水平,并希望能对今后相关研究时间工作提供一定的参考价值。