基于大数据的混合式教学模式

本文先对混合式教学的概念进行了阐述,并分析大数据技术和混合式教学模式的发展现状及与教育教学之间存在的关系,提出利用信息技术,结合教育教学信息化的发展背景,探索出符合新时代教育教学的全新发展模式。     

基于大数据的情报分析和挖掘技术分析

随着人工智能技术的发展与大数据环境的影响,信息动态性得到了进一步的加强。其巨大的体量、高度的复杂性以及更新速度快等特点,使得在相应类型信息中进行用户所需情报挖掘的难度,相比以往有了很大的降低。想要在现阶段的发展过程中取得先机,在大数据环境下取得优势,就需要针对原有的情报分析方式进行优化,以此来实现对信息情报的补充。因此,文章先介绍了大数据和大数据环境下的情报转变原因,接着从时空活动的角度分析,提出了一种基于大数据的情报分析和挖掘技术。然后,通过MapReduce构建了情报分解模型,并针对单一的任务数据实施预处理和数据挖掘,从而构建出基于大数据的情报分析和挖掘技术研究的新路径。最后,经仿真试验证明了该路径的可行性。     

基于人工智能的网络舆情大数据传播特征挖掘系统

为了有效解决舆情数据传播中特征挖掘技术面临的特征挖掘滞后问题,设计基于人工智能的网络舆情大数据传播特征挖掘系统。设计网络信息传感提取模块,利用O/I顺向电流指向性电路节点端口和电机控制性匹配结构构建外围控制电路以及带状数据分布式交互接口。设计舆论数据人工智能入网协议来转换当前的网络数据格式,并对其进行舆情二次语义处理。文中使用人工智能技术,依靠Hadoop平台内部学习库中的Ma_Orduse算法和K-means算法通过有效数据文本聚类获取特征键值,以中枢结构的形式传递回中央控制器,实现当前网络舆情大数据传播特征挖掘。实验数据表明应用该挖掘系统后,舆情数据特征读入延迟降低32%,读出延迟降低27%,可以有效缓解特征挖掘滞后问题。     

基于大数据的安全事件挖掘框架

安全态势感知是掌控网络空间的听觉和视觉,安全事件的获取是安全态势感知的基础。在大数据时代,安全事件的挖掘是一个典型的大数据问题。运用大数据技术进行网络安全研究,构建了一种安全事件挖掘框架,结合在线反馈和离线分析两种方式,从海量、多源、异构的原始数据中,提取有效的安全事件,发现安全风险、潜在威胁和未知攻击。挖掘结果可用于安全态势感知、攻击追踪溯源、攻击知识学习等进一步研究。     

CSCW中时态数据的存储和规范化

Ｃ Ｓ Ｃ Ｗ 中数据表示方法是其重要的支撑环境，由于 Ｃ Ｓ Ｃ Ｗ 多用户协作的特点，必须对各用户的处理情况进行分别存放和处理，并需要保存带时间因素的数据。本文提供了在 Ｃ Ｓ Ｃ Ｗ 数据存放过程中表示时态数据的模型，说明了存储过程中的问题和解决办法。     

基于Hadoop的大数据的处理与挖掘

在对Hadoop的大数据的研究挖掘和处理的基础上,设计了基于Hadoop的大量数据的处理方案,并运用HDFS分布式文件系统来有效保存其相关数据,同时还对索引文件的快速查找和定位进行了设计。通过使用Map/Reduce对数据进行高效的并行处理,快速地返回统计结果。     

基于大数据的图挖掘和偏置协同过滤算法研究

网络智慧教育体系图挖掘技术和偏执协同过滤算法是当前学习资源获取、分享、分析和学习的重要技术支持和关键平台.使用大数据分析学习者的学习行为和学习情况等特征,并结合图挖掘算法信息检索能力、关键词获取能力和图挖掘向量分类能力实现教育资源信息共享共建;偏置协同过滤算法通过融合用户活跃程度相似度、融合兴趣相似度实现兴趣用户推荐,...     

基于大数据挖掘的终端换机模型

目前,移动终端已成为运营商维系用户、拓展市场的战略重心,提升移动终端销量、扩大终端规模是各运营商的工作重点。基于数据挖掘技术,从用户属性、终端使用信息、终端搜索访问信息等维度出发,挖掘海量用户行为数据价值,建立终端换机模型,具体包括基于决策树算法的用户换机倾向识别模型和基于聚类算法的终端推荐模型,助力移动终端精准营销。     

基于大数据挖掘的用电行为分析

得益于智能电网的发展,电力大数据的价值与作用逐渐被挖掘。通过对电力大数据的深入挖掘与研究,可促进电网企业管理水平的进一步提升,为我国智能电网的发展提供助力。而依托于大数据挖掘的用户用电行为分析,可实现当前企业电网调控与需求侧的充分融合,为电力系统的稳定性运行提供保障。基于此,文章针对大数据挖掘的用电行为分析进行深入探析,以期为智能电网发展提供帮助。     

大数据探索式搜索研究

数据探索(data exploration)是有别于数据服务与数据分析的第3种体现大数据价值的技术手段。数据服务强调从微观层面获取满足用户需求的精准信息;数据分析强调从宏观层面为用户提供数据洞察,进而提供决策支持;而数据探索是一种支持用户在微观层面和宏观层面进行自由切换的、深入浅出的、交互式发掘数据价值的方式。首先,简要介绍大数据价值发掘的传统技术手段和特点,并引入探索式搜索;其次,详细阐述探索式搜索的定义与模型,总结探索式搜索的特点;随后,基于组件化的思想,设计探索式搜索系统框架,并综述每个组件所涉及到的挑战与关键技术;最后简要介绍了笔者在知识库探索式搜索方面的尝试。     

基于数据挖掘的系统运管能力提升

近几年IT应用技术飞速发展,企业私有云和容器技术使系统应用越来越动态,与此同时,移动互联网对于最终用户的体验和安全保障也越来越高,但传统的系统运维与监控无法适用这些变化。本文提出了一种通过网络流量分组解析与大数据挖掘来提升IT系统运管能力的解决方案。     

基于大数据挖掘分析的垃圾短信治理方案

本文简要介绍了垃圾短信对社会带来的负面影响,分析了目前垃圾短信治理体系存在的不足,提出了基于大数据挖掘分析的垃圾短信治理方案:首先构建垃圾短信用户识别指标体系,通过引入随机森林模型,对垃圾短信用户进行识别和有效治理,最后运用平台对垃圾短信用户进行精细化管理。     

基于粗糙集的海量数据挖掘算法研究

针对传统数据挖掘算法在数据量级方面的局限性,提出在粗糙集理论的基础上,采用类分布链表结构改进传统的基于属性重要性的数据离散化算法、属性约简算法以及基于启发式的值约简算法。讨论了基于动态聚类的两步离散化算法,当算法适应大数据处理之后,采用并行计算的方法提高算法的执行效率。算法测试结果表明,改进算法能有效地处理大数据量,同时并行计算解决了大数据量处理带来的效率问题。     

基于大数据挖掘的低电压成因诊断方法

配电网的低电压问题严重影响社会经济的发展和人民的生活,因此建立高效的电网低电压成因诊断模型,可以优化低电压投资方案、明确低电压投资方向并为低电压的治理提供决策支持。文中研究了基于大数据挖掘的电网低电压成因诊断方法。从电网低电压现象成因的实际情况出发,提出了一个较为完备的低电压诊断模型,模型执行流程主要包括聚类和分类两部分。首先,基于密度策略选择初始聚类中心,并利用DBI指标选择最优确定聚类个数,对K-means聚类算法进行改进。之后利用SVM对成因进行分类,并利用粒子群算法对核宽度参数和函数拟合误差进行优化筛选。算例仿真分析证明,该方法具有较高的可用性和良好的准确率,可以满足电力企业对于低电压诊断的需求。     

基于层次混合网络的异构大数据智能推荐

随着人工智能和机器学习等几项重要技术的发展,使得大数据渗透各个领域并伴随着各种网络化的应用.文中主要研究异构大数据环境下的深度关联挖掘方法,构造了一个层次混合网络模型来描述不同实体之间的多类型关系,并设计了一个基于深度强化学习框架的智能路由器,让其结合模型,最终实现了一种智能推荐机制,用于支持学术大数据环境下用户的协同...     

基于数据挖掘和学习分析的教育大数据自适应系统设计

随着移动学习和在线学习的普及,教育数据也进入了大数据时代,教育大数据应用一般有教育数据挖掘和学习分析两类。文章分析了教育数据挖掘的工作流程和常见数据挖掘技术,探讨了学习分析关键技术,分析了自适应系统并总结出该系统会越来越受欢迎。     

基于大数据内容标签的近似图像搜索算法研究

准确计算图像多特征距离成为大数据时代影响基于图像的内容标签的一个关键问题,对基于内容的图像检索技术至关重要。在借鉴欧氏距离和高斯归一化两种方法的优势的基础上,对高斯归一化算法进行改进,提出一种基于特征距离纠偏的多特征距离计算算法。该算法首先采用欧氏距离法计算定量特征距离,然后利用改进高斯归一化法完成距离纠偏,最后通过自由设定权重得到最终的图像多特征距离。与传统高斯归一化算法进行比较,实验结果表明,利用该算法既能有效得到特征间的定量距离,又能方便地把多个特征的地位均衡,从而达到提高相似图像搜索质量的目标。