基于云概率密度分布估计的大坝监测数据分析

大坝运行监测易受自然环境和监测条件影响，存在时间和空间上的变异性，监测数据具有不确定性。以云理论的随机性和不确定性分析方法为基础，并与空间数据辐射思想相结合，建立了云滴概率密度分布估计模型，然后导出云概率密度分布函数，依据样本监测数据推求母体空间数据的分布特征，并设计了基于逆向云算法云变换的计算程序。分析陆浑水库1979~1999年测压管监测数据和位移变形数据的云概率密度分布特征和云数字特征，得出了20 a来大坝的数据分布特征和运行状态。监测数据分析结果表明，云概率密度分布估计不仅能有效合理地分析大坝的运行状态，而且能够依据云数字特征来判断监测状态和监测环境的异常变化。      

关于大数据时代图书馆现状的一些讨论

大数据时代的到来,对我们的思维、工作方式都产生了重大的影响,图书馆学界也对大数据进行了广泛的研究和讨论,笔者先是概述了大数据的概念、理念、特征、应用,然后结合图书馆现状,指出图书馆在大数据时代面临的挑战,希望借此与同行进行进一步地探讨。     

编者的话

<正>据国家发改委公布数据显示:2014年中国装备制造业出口额达2.1万亿元,占全部产品出口收入的17%,这其中,铁路技术装备是"走出去"战略的领头羊,而核电能源则成为了"新名片"。我国机床行业在"走出去"战略下,2014年的表现也可圈可点。据中国机床工具工业协会的统计,2014年1-11月全行业出口达105亿美元,同比增长22.5%,这在2014年机床行业整体下行的背景下,很有点打破"万马齐喑"的沉闷的意义。中国装备"走出去"不仅是扩大国际投资经贸合作的重要机会,可以形成新的外贸增长点,也是国内产业优化升级的重要抓手。     

处理tibco中间件交互数据的通信系统设计与开发

高强汽车板MES系统采用Tibco中间件通过XML与其它系统通信。按惯例是用后台进程定时读取循环解析XML中的数据。该方式资源占用高,要频繁地读取数据库。为了解决如上问题,在新的通信方式上进行了技术攻关,解决了以往不足。通过触发器触发相应报文的解析存储过程,然后直接把解析后的数据保存到数据库。新的方式免除了频繁扫描数据库对数据库系统的占用,降低了服务器磁盘系统的占用,也减少了数据出错的几率。     

组合降采样极限学习机

设计了一种针对不平衡数据集的学习机,即组合降采样极限学习机(EUS ELMs)。当训练数据集不平衡时,普通分类器对少数样本的分类敏感性较低,而给予多数样本过度关注。针对这种问题,将组合降采样结构与极限学习机(ELM)结合起来,形成一种新的组合学习机。该学习机继承了组合降采样结构对样本选择的依赖性小的优点,和极限学习机分类效率高、耗时短的优势,而且可以通过不同的参数设置控制对少数样本的关注度,根据使用者需求获得不同分类效果。     

基于聚类的数据加权优化在犯罪预测中的应用

近年来，我国传统暴力犯罪与成年人犯罪呈下降态势，但是，犯罪案由层出不穷。为有效提升公安实践工作中犯罪预测能力，打击各类违法犯罪事件,本文针对犯罪数据，提出一种新型犯罪预测模型。利用密度聚类分析方法将犯罪数据分类，然后进行数据降维提取关键属性生成特征数据，继而对特征数据进行加权优化并采用机器学习的方式对特征数据进行学习，从而预测犯罪案由。实验结果表明，与传统方法相比，本文方法具有更好的预测效果，为公安实践工作中类似案件的侦破和预防，提供新的路径支撑。