人事统计中的数据处理和信息挖掘

人事统计工作是人事管理的重要组成部分,是人力资源管理重要的信息来源,也是领导决策的重要依据.人事统计工作质量的高低,直接影响人事政策的调整,甚至人事制度改革的成效.文中就如何搜集、处理人事统计数据,及时挖掘有效信息,充分利用这些信息为决策提供支持,实现人事统计工作的价值,作探讨和思考.     

关注物联网：移动终端丰富物联网应用

工业和信息化部电信研究院发布的《2011物联网白皮书》认为：物联网是通信网和互联网的拓展应用和网络延伸,它利用感知技术与智能装置对物理世界进行感知识别,通过网络传输互联,进行计算、处理和知识挖掘,实现人与物、物与物信息交互和无缝链接,达到对物理世界实时控制、精确管理和科学决策的目的。随着世界各国对物联网技术、标准和应用的不断推进,以及产业和标准的不断完善,未来,物联网在各行业领域中的规模将逐步扩大,并将朝着协同化和智能化方向发展。     

Web文本挖掘在互联网信息统计中的研究与设计

互联网的迅猛发展，越来越迫切地需要全面准确对网上信息进行分类及统计，Web挖掘技术的兴起，尤其是该技术中的文本挖掘，使这种统计成为可能。本文研究了互联网信息统计的现状，介绍了Web挖掘技术并分析了Web文本挖掘的关键技术。继而结合文本挖掘技术设计了网站分类系统的模型，同时对其开发步骤进行了说明。最后展望了此技术方案在相关领域的应用前景。     

基于后缀树词序列核挖掘Web文档

通过将文档表示为一棵后缀树,文章提出一种基于后缀树索引计算文档相似度的词序列核.首先根据文档的词序列构造出后缀树,然后根据后缀树词序列核计算文档间的相似度,最后利用支持向量机对文档进行分类.理论分析表明后缀树词序列核的计算只与比较文档的长度成线性关系,大大减少了序列核的计算时间.在reuters21578文档集上将后缀树词序列核与词序列核、多项式核进行比较,实验结果表明在改善速度的同时,后缀树词序列核可达到与词序列核相当的性能,优于多项式核,更适于Web文档挖掘等应用.     

面向大数据的高维数据挖掘研究

大数据时代的发展与变化实现了较快的传输方向和多样化的数据模式,特别是高维挖掘技术的不断应用,在大数据处理以及分析等方向上为人们的生产与生活提供较大方便。所以本文根据该模式的不断创新和应用,对大数据中的高维数据挖掘技术进行研究,并保证数据在变化与实现方式下的质量发展。     

基于数字孪生技术的变电全要素信息融合方法

针对传统变电管理中存在管理效率低、效果差等问题，提出基于数字孪生技术的变电全要素信息融合方法。构建全要素全状态数字信息全面感知模型，以变电站全要素数字信息分布式存储结构为基础，结合贝叶斯法等数学算法，计算变电站全要素数字化监测过程概率；采用无线传感识别技术采集子系统数据，构建决策树聚类分析模型；采用关键元数据远程调度和融合方法，实现变电站全要素数字信息融合；引入数字孪生技术，实现动态数据融合与共享，完成变电全要素信息融合。实验结果表明：采用该方法融合变电管理信息的效果较好。     

基于车载自组网的动态交通信息的挖掘和利用

动态交通信息系统是智能交通系统中重要的组成部分,作为一种新兴的车辆间无线通信网络技术,车载自组网可有效提高高速行驶车辆间的信息共享能力。文章阐述利用基于车载自组网的交通信息采集和交通事件协同检测算法、大规模海量交通信息的分布式组织和实日寸处理方法、基于位置的交通信息分发协议等技术,构建一个动态交通信息系统,实现改进交通信息系统中的事件检测的准确性和实时性,提高大规模交通信息处理的实时性,改善交通信息分发的针对性。     

面向智慧能源的供需平衡数据可视化挖掘方法

为满足能源数据监测和综合分析领域的业务需要,提出面向智慧能源的供需平衡数据可视化挖掘方法。构造数据迁移与分类视图,确定每个供需平衡数据点位置坐标,并采用正交投影可视化技术将数据挖掘算法核心结构展示在视图中(支持用户对其进行相应调整);引入数据挖掘算法,提取数据可视化挖掘结果参数,实现面向智慧能源供需平衡数据的可视化挖掘。实验结果显示:智慧能源供需数据可视化挖掘结果综合评分数值范围为64.70~82.04分,充分说明该方法具备较好的可视化挖掘性能,可应用在多维典型用能场景中。     

基于云计算的三层架构网络用户访问路长数据智能挖掘系统设计

基于普通计算的智能挖掘系统在对三层架构网络用户访问路长数据进行挖掘时,花费的时间过长。为解决上述问题,基于云计算设计一种新的三层架构网络用户访问路长数据智能挖掘系统。系统硬件结构主要分为上、中、下三层。最底层为云计算层,包括计算云、数据云和存储云;中间层为数据挖掘层,由工作流模块、数据加载模块、并行ETL模块、并行数据挖掘算法模块、并行结果显示模块五部分构成;最顶层为应用程序层,同时管理视图、内容提供器、资源管理器、通知管理器、活动管理器和算法库。软件流程主要分为确定挖掘目标、数据准备、数据挖掘、模式评估和结果显示五步。与基于普通计算的智能挖掘系统进行实验对比,结果表明给出的挖掘系统花费时间短。