基于大数据挖掘的电力客服中台数据智能整合方法

针对数据整合过程中屏蔽处理的异构数据较少,损耗较大的问题,提出基于大数据挖掘的电力客服中台数据智能整合方法。综合分析电力客服数据的时序性,引入大数据挖掘算法,挖掘电力中台数据,定义电力区域存在多个服务区域,聚合处理并生成电力客服逻辑区块,增加屏蔽异构数据,构建空间范围内的观测变量后,完成电力客服中台数据智能整合。搭建电力客服数据发送、接收结构,实验结果表明：所设计的数据整合方法实际产生损耗数值在20 kW左右,需要屏蔽处理的异构数据较多时,可以满足电力客服中台数据整合需求。     

大数据时代下的“商务智能与数据挖掘”课程教学改革研究

文章介绍在"商务智能与数据挖掘"课程教学内容中如何反映大数据时代的基本特征,在教学过程中如何引导学生对具有大数据特征的课程项目进行实践并开发相应智能教学工具,同时还讨论如何将数据挖掘与数据库和法律课程在大数据背景下进行联动教学。     

大数据与数据挖掘

大数据指需要通过快速获取、处理、分析以从中提取价值的海量、多样化的交易数据、交互数据与传感数据.所涉及的数据量规模巨大到无法通过人工在合理时间内完成信息的采集、处理、管理,并将其整理成为人类所能解读的信息.通过对大数据的认识和大数据带来的机遇,因此数据挖掘对大数据的管理来说至关重要.通过数据挖掘,从大数据中找到关键信息,从而为我们带来商机和社会价值.     

大数据崛起与数据挖掘刍议

大数据是继云计算、物联网之后IT产业又一次颠覆性的技术革命,对商业管理模式、企业决策、组织流程和个人的生活方式等都将会产生巨大的影响。随着大数据概念的提出,为数据挖掘技术的应用和发展也带来了很大的机遇,数据挖掘技术将会进入一个新的发展时期。"数据爆炸、知识贫乏"是信息时代所面临的一个严峻问题,而数据挖掘就是解决该问题的十分有效的手段。要是说以往的世纪是信息大爆炸或知识大爆炸的世纪,那么如今的世纪则是数据大爆炸的世纪。面对如此巨大的数据量,数据挖掘就显得尤为重要。此文主要论述了大数据及数据挖掘的概念和特点、大数据对人类日常生活的影响以及数据挖掘在大数据时代的应用领域。     

地震前兆数据的大数据挖掘研究

【摘要】：在地震千兆观测项及方法不断增加的过程中,传统数据分析方法已经无法满足观测数据分析需求。大数据挖掘技术的出现为地震前兆观测工作带来了较为积极的影响,所以本文就对地震前兆的大数据挖掘分析进行了研究,从而为相关方面提供参考。     

大数据挖掘分析

同"互联网"、"云计算机技术"相比,大数据的发展更为迅速,它被用于社会的各个方面,例如交通、企业管理、安全监测以及我们的生活。相关人员声明,全球的数据量将在2020年达到35ZB,因而,大数据的涵义以及数据挖掘带给社会经济的挑战成为了人们关注的要点。     

药品大数据的数据挖掘研究

药品监督管理部门的每年质量抽查检验工作会产生大量的检验数据,对大数据进行数据挖掘、预测分析以发现潜在安全问题已经是科学监管的趋势和必要手段。基于此,笔者运用关联规则的数据挖掘技术,研究药品检验数据间隐含的规律,揭示某类药品类别中存在的安全隐患。这一挖掘手段能更有效地从检验数据中发现可以利用的信息,比简单机械化的表格筛选、二维数据统计更加科学可靠。研究结果表明,关联模型得出的规则具有一定的现实意义,可为监管提供技术支撑。     

基于大数据的Web数据集成及数据挖掘技术的研究

进入到21世纪之后,随着信息技术水平的提升和大数据应用范围的扩大,当今社会对于信息的索取越来越精确,数据信息的重要性在各行各行的发展中逐渐加强,而且互联网所收集与储存的信息量愈来愈丰富,Web数据集成与挖掘技术的作用逐渐显示出来.本文基于云计算、分布式并行编程模型MapReduce、Hadoop大数据技术,探讨了大数据集成与挖掘的设计与实现.     

大数据和数据挖掘技术在烟草行业的应用

如今一个大规模生产、分享和应用数据的时代正在开启,在商业、物流、金融等诸多领域大量数据被巧妙地用来激活新型服务,提升行业效率。同样在烟草行业的诸多环节,大量数据和数据挖掘技术的应用前景也十分乐观,文中简要探析了数据挖掘技术的几种方法在烟草商业企业的应用。     

大数据和数据挖掘技术在烟草行业的应用

如今一个大规模生产、分享和应用数据的时代正在开启,在商业、物流、金融等诸多领域大量数据被巧妙地用来激活新型服务,提升行业效率。同样在烟草行业的诸多环节,大量数据和数据挖掘技术的应用前景也十分乐观,文中简要探析了数据挖掘技术的几种方法在烟草商业企业的应用。     

基于大数据时代的数据挖掘及分析

随着互联网、移动互联网和物联网的发展,谁也无法否认,我们已经切实地迎来了一个海量数据的时代,该时代也正处于蓬勃发展的上升时期。科学研究、互联网应用、电子商务等诸多领域无时无刻都在使数据积累,使"大数据"应运而生。我们也都在不经意下和大数据打交道,可以说其已经成为特有含义的专有词汇,因此对这些海量数据的挖掘与分析已经成为一个非常重要且紧迫的需求。     

云计算智能电网大数据驱动的方法研究

针对智能电网数据繁多、用户应用困难的技术问题,提出了智能电网大数据驱动方法,并设计出基于云计算软件平台管理智能电网大数据的系统。通过采用数据挖掘算法对智能电网大数据样本训练、学习,建立多个数据处理模型。根据决策树算法能够实现智能电网数据不同属性数据的分类,使得用户快速从浩瀚的云端数据库中获取目标数据,并将处理后的数据通过区块链系统保存,进而实现数据的永久性存储。不同用户通过签发密钥实现数据的共享,使得数据应用和管理更为便捷有效。本方案为智能电网大数据处理与应用提供了技术参考。     

大数据时代的数据挖掘技术与应用

在大数据时代背景下,数据的价值逐渐凸显出来,而面对种类繁多、数量庞大的数据,传统的数据处理技术已经无法满足需求。数据挖掘技术在此背景下应运而生,并已广泛运用在教育、医疗、电信及科研等领域中。基于此,在介绍数据挖掘技术方法的基础上,对数据挖掘技术的具体应用进行了研究,同时提出了其未来的发展方向。     

大数据时代数据挖掘与分析课程教学改革探究

从理论知识、编程实践、工程实战三个方面对数据挖掘与分析课程进行教学改革.课程采用Python编程语言,围绕贵州省经济文化特色及大数据发展战略,充分运用大数据、数据挖掘、知识图谱等新兴技术来分析贵州省各领域现状,挖掘其内在价值.近三年的教学实践证明了该教学改革的创新性和有效性,培养了学生的大数据思维,为贵州省聚焦大数据战...     

大数据视野下的数据挖掘技术应用分析

大数据技术在当前时代给企事业单位带来的冲击是非常大的,很多企事业单位都在布局大数据,为信息化建设提供了丰富的数据基础,大数据分析成为企事业单位做决策时的一种重要方法。笔者基于大数据分析,探索了大数据技术的核心,即数据挖掘技术,并通过实际应用场景来探索数据挖掘的具体应用方式,希望可以为大数据的应用提供一些参考的意见。     

输变电工程造价大数据平台构建与智能分析管控应用研究

输变电工程项目建设规模不断壮大,相应的电网造价数据量也持续增加,但目前对于造价数据的挖掘处理远远不够,亟待提升造价管理的信息化水平,构建输变电工程造价“大数据”体系。本文基于大数据应用背景下输变电工程造价数据管理运用现状,分析大数据理论在工程造价管理中应用的必要性及意义,探讨了输变电工程造价数据采集、存储技术及关键影响因素技术的应用,系统梳理与总结造价数据来源类型、数据分析与处理流程、数据信息挖掘与应用方向等内容,构建了基于大数据应用的输变电工程造价系统平台,并结合实际应用案例,通过分析找到关键影响因素,采用支持向量机方法、粒子群等方法,建立起科学的造价预测模型,可为电网企业输变电工程造价管控水平的提升提供重要支撑。     

大数据下视频智能分析系统的应用

社会经济、科技高速发展和电子商务、社交网络推广的背景下,互联网应用范围得到进一步拓展,在一定程度上为安防行业带来了诸多发展契机。寻常百姓家中也应用监控设备,尤其是大数据背景下,视频智能分析系统的应用得到不断完善,能够充分发挥其优势。基于此,从不同层面浅析大数据下视频智能分析系统的应用,不断完善视频智能分析系统。     

大数据智能检索与大数据区块元智能分离

文中利用逆P-集合生成∨型大数据结构,给出∨型大数据的新概念,如大数据区块、区块矩阵、区块元、区块元矩阵与数据元概念;利用这些概念给出区块属性推理结构、区块矩阵推理结构、区块元智能分离定理、区块元智能检索定理、区块与区块元等价类定理;给出区块元智能分离准则、区块智能检索准则;给出区块元智能分离-区块智能检索算法与算法过程;给出大数据智能检索-大数据区块元智能分离-获取的应用。∨型大数据满足"属性析取"的逻辑特征。     

大数据技术在社区智能团购系统中的应用前期研究

在网络高速发达的今天,社区团购作为网络团购中的一部分,由于在便捷性、价格、时效方面具有不可比拟的优势,从而得到了迅速的发展,特别是今年特殊时期,社区居民由于出行不便,更加依赖线上购物,使得社区团购的优势更是发挥得淋漓尽致。但随着社区团购的竞争激烈程度日益增强,如何设计功能强大、界面友好及操作方便的社区智能团购系统是赢得市场的关键所在。本文作为大数据技术在社区智能团购系统中的应用前期研究,主要从国内外现状、选题意义、创新之处、技术路线等方面进行论述,通过运用大数据技术,利用数据挖掘技术精准了解社区居民的实际需求,从而提高系统的竞争力。     

大数据下的空间数据挖掘思考

本文从大数据时代下的空间数据挖掘定义及常用手段归纳入手,分析空间数据挖掘的现状及特点,提炼其思想核心内容。以大量文献资料的凝练理论为依托,探讨空间数据挖掘的研究体系及今后的发展趋势。