测控数据实时处理中小波分析方法的应用

针对测控系统实时数据处理中数据抖动问题，提出了基于样条小波分析的实时数据处理方法。通过预先对数据奇异值的剔除，对实时数据进行滤波。该方法结合自适应门限奇异值剔除方法，扩展了小波分析在实时数据处理方面的应用。通过对真实测量数据的处理证实了本方法的有效性。     

基于多种数据筛选的维汉神经机器翻译

为了得到更好的翻译结果，研究者对于利用平行数据生成大量高质量生成数据进行了广泛的研究.为此，针对数据增强和系统训练方法，提出结合知识蒸馏、数据增强和数据筛选的方法得到高质量生成数据.具体为利用知识蒸馏的方法得到鲁棒性更强的汉维翻译模型，在该汉维模型的基础之上通过反向翻译的方法生成质量较好的生成数据，并利用不同的数据筛选方法进一步得到高质量生成数据.之后利用现有的平行数据和生成数据训练得到一个高性能的维吾尔语-汉语神经机器翻译系统.在CCMT2021维汉评测任务中验证上述方法对于维汉翻译质量的影响，对比基线系统、反向翻译和同任务其他系统，该方法训练得到的系统有着更好的翻译结果，并在该翻译任务上获得了第一名.     

XML数据存储方法的研究

分析了当前已有的XML数据存储方法，指出了这些方法存在的不足。对如何存储和查询XML数据等问题做了详细的探讨，提出了一种基于对象一关系数据库的XML数据存储方法。实验结果表明，与传统的方法相比，本方法生成的关系表较少且所需的存储空间小，基于本方法的查询所需的联结较少，因此能有效地存储XML数据并提高查询的效率。     

基于自适应加权的多传感器实时数据特征值提取

为实现监测数据的特征值提取，对传感器数据的预处理、时间维及空间维融合方法开展了研究。建立了实时数据融合模型，提出了基于3σ-grubbs检验的异常数据预处理方法，兼顾了异常数据剔除的速度与精度，能很好地消除疏失误差;对单个传感器数据采用分批估计原理进行融合，得到了特征估计值，实现了数据在时间维上的融合;通过对多个传感器的特征估计值采用自适应加权方法进行赋权，实现了数据在空间上的融合，并提出了考虑传感器精度的算法修正。实例计算表明，数据经3σ-grubbs方法处理后方差减小了20%~54%，与传统的算术平均滤波方法相比，分批估计自适应加权融合算法的数据融合方差明显更小，考虑传感器精度后的融合结果更接近高精度传感器值，特征值提取结果更加准确、可靠。     

城市地理信息多源数据处理研究

本文基于笔者多年从事城市地理信息系统的相关研究经验，以城市地理信息系统多源数据处理为研究对象，深度探讨了多源数据的概念范畴和数据处理方法，论文首先概述了地理信息数据的数据范畴，而后分析了地理数据的多源性机器处理方法，在此基础上，笔者详细探讨了常用的地理数据存储格式，最后笔者以AUTOCAD数据到SHAPEFILE数据格式转换为例，探讨了多源数据的具体处理方法，全文是笔者长期工作实践基础上的理论升华，相信对从事相关工作的同行有着重要的参考价值和借鉴意义。     

智能数据分析中的异常数据管理

数据是信息时代的重要资源，智能数据分析为发掘它自身的价值起到了很大的作用，但异常数据却给智能数据分析带来了新的挑战。本文提出了异常数据的管理方法，包括不同类型异常数据的分类方法、蕴知性异常数据的筛选方法。从源头上减少噪音性异常数据的方法，以及当前对异常数据进行研究所必须采取的措施。     

规则库支持下的CAD数据到GIS数据自动转换方法探讨

论文分析了现有CAD数据与GIS数据转换的研究成果，在分析AutoCAD与ArcGIS数据特点的基础上，提出并设计了基于规则库的CAD数据到GIS数据转换方法，并基于该方法开发应用程序，通过在实际数据生产中的应用分析，该方法的优点是可避免数据转换过程的信息丢失和建立完整要素关系，并可通过规则库实现转换过程及质量的可控制性。     

用于指法估计的音高差数据增强方法

指法估计模型的性能除了与自身的结构有关，数据本身的数量和质量也是其重要影响因素．然而，乐谱指法的标注需要标注者有一定演奏经验，且标注过程费时费力，导致现有乐谱-指法数据集稀少，且增速缓慢．为解决数据集样本数量有限带来的模型表现不佳、参数过拟合等问题，提出了两种针对键盘类乐器乐谱音高差指法数据的数据增强方法．通过分析乐谱-指法数据的统计特征，一方面结合键盘类乐器和指法的映射关系，提出了基于隐马尔可夫模型的数据增强方法，另一方面结合双手手部生理学特性，提出了左右手镜像变换的数据增强方法．将本文提出的两种增强方法生成的数据加入训练集，经过与人工确定指法思路相近的双向长短期记忆网络学习后，一般匹配率提高了2.24%，最高匹配率提升了3.73%．结果表明数据增强有助于模型更好地学习音指特征．将基于隐马尔可夫模型的数据增强方法生成的“再采样数据集”和基于手部生理学特性生成的“左右手镜像变换数据集”分别加入训练，对指法估计结果中单音和复音占比75%以上的乐谱匹配率分别进行统计，结果表明再采样数据可以增强数据集本身的统计特征，左右手镜像变换数据可以弥补一些数据集原先没有的音指规律，说明了两种数据增强方...     

浅论现金流量在部门财务指标考核中的应用

针对目前企业内部各部门财务指标考核中，常以财务账面收入、费用、利润数据作为任务完成情况来进行考核的方法所存在的缺陷，提出了一种新型的以现金流量为基础的部门财务指标考核方法，该方法以各部门的账面现金流入量、流出量为基础，进行相应数据的调整，调整后的现金流量数据即为财务指标考核数据。该方法具有增加企业现金流量，提高考核数据真实性等作用，可在企业中广泛运用。     

一种基于相关分析的数据预处理方法

传统预处理数据的方法没有很好利用数据之间的相互信息，所得到的预处理结果难免会出现失真、不能准确反映数据之间的更多信息，利用相关分析中的相关系数概念以及相关的思想和构造方程的方法，给出了一种相关分析方法及其体算法用于对娄据源中的缺损数据进行修补，并通过大量实例数据演算验证，该方法分利用已有数据给出的因素之间的数据表现，进行数据驱动来填补未知的数据，且可用于解决仅有当期数据，而无历史数据的数据预处理问题。     

面向高校就业的数据仓库中数据析取技术及实现

数据仓库技术在零售、银行、保险等行业得到应用，产生了许多数据析取方法，利用大学生在校学习和生活积累的数据，以高校就业为主题，介绍应用系统建设主题数据仓库过程中采用的数据析取技术及实现方法，为系统的就业分析提供有用的数据。     

Azszp: 一种基于规则的数据清洗方案

数据清洗是提高数据集成质量的一个重要手段. 提出了一种基于动态规则的数据清洗方案AzszpClean，这种方法对各种清洗规则进行动态编译，将数据转换和数据清洗两者结合起来，强化清洗的描述能力. 实际应用表明，AzszpClean方法可以完成硬编码的功能，具有更高的实现效率.     

基于云理论的数据预处理方法

讨论了数据预处理的基本方法，运用这些方法处理了昆明市部分排水管线的GIS数据和管线疏通记录数据，用基于云理论的数据泛化方法对数据库中相关属性进行量到概念的泛化处理．生成目标数据表，从而有效地提高了挖掘效率，并确保了结果更接近自然语言的概念。     

面向多维特性数据的缺失值检测及填补方法对比

针对传统缺失值检测方法缺少对多维特性数据全面立体的分析及难以从众多缺失值填补算法中选择合适方法的问题，通过设计缺失值检测方法，在目前常见的数据点缺失度基础上，首次提出数据总体缺失度和加权数据总体缺失度的概念，实现对数据集缺失程度的全面检测，进而通过实验对比分析不同缺失值填补方法性能。实验结果表明，在不同缺失度的情况下，不同缺失值填补算法的性能不同，所提出的方法可为缺失值填补算法的选择提供有效依据。     

癌症单细胞数据拷贝数变异检测方法

随着单细胞测序数据的异质性优势在癌症研究中的逐渐体现，现有拷贝数变异检测方法在检测单细胞数据时效果差的问题亟待解决。提出一种新的单细胞数据拷贝数变异检测方法（FL-CNV），通过动态窗口划分及数据估算对变异区间进行范围估计和断点确定，以明确拷贝数变异的断点位置和变异类型。所提方法突破了现有检测方法在单细胞数据上的局限性，对其检测效果在模拟数据和真实数据上进行了实验验证。结果表明：与现有方法相比，本文所提方法能显著提高拷贝数变异检测的精度和敏感度，且所得结果与比较基因组杂交（array-based comparative genomic hybridization，aCGH）的拷贝数变异进行了相关性验证，具有更高的可信度。     

伏安法测电阻实验数据处理方法的研究

运用三种数据处理方法对伏安法测电阻实验所得实验数据进行了处理，对比其结果表明，对于同一组实验数据，不同的数据处理方法所得结果明显不同。因此，对实验数据处理方法的选择是实验中应重视的问题。实验者应根据实验目的要求，选择相应的数据处理方法。     

数据开采—数据库应用的新课题

给出了数据开采的一种定义，并了论述了数据开采的主要任务和数据开采的一般方法，提出了将有关数据开采的理论和方法纳入数据库的教学中，以促进数据开采的实用化进程。     

自动批量修改GIS基础图形数据的方法

对于构建GIS数据，通常所用的AutoCAD源图形数据质量存在缺陷。文章列举了6种源图形数据的质量问题，并分别针对这些问题，提出用LISP语言进行自动检查和批量修改的方法。该方法大大提高了数据的标准化效率。     

基于灰色关联分析的多传感器数据融合方法

提出了一种基于灰色关联分析的多传感器数据融合方法，计算多传感器测量数据的灰色关联矩阵，进行灰色优势分析，然后进行数据融合。此方法考虑了各传感器测量数据的精确度，而且删除了测量比较差或测量不到的数据。仿真结果表明，应用该方法可进一步提高多传感器的测量精度和可靠性，适用于多传感器的数据融合。     

类别型缺失数据的聚类半参数logistic学习插补法

缺失数据插补是数据科学中的基本方法之一.本文针对类别型缺失数据提出了一种基于聚类和半参数logisitic学习模型的插补法.该方法首先采用K-近邻法对缺失数据进行预插补，然后用聚类算法将数据分类，提高数据间的相似性，再为每一类数据集建立半参数logistic学习模型，进而完成最后的插补.基于中国家庭金融调查(CHFS)数据集的实证研究表明，该方法优于常用的K-近邻插补法和随机森林插补法.