基于物联网的城镇污水处理监管系统设计与研究

为解决城镇污水治理的运行与监管问题,提出了基于物联网技术进行远程监管的设计方案。利用GPRS技术实现了数据无线远程传输、存储与分析等功能,构建了一套对污水处理设施运行状态进行实时监控以及对信息进行分析、处理的远程网络监管系统,使环境监管部门能及时、准确地掌握城镇污水处理的数据和信息。系统有很好的灵活性和扩展性,通过对污水处理各参数的动态分析,为提高污水处理效率和对污水处理设施运行状态进行实时监控起到了重要作用。系统的案例应用实现了对省级城镇污水处理厂的远程监控和管理。     

数据仓库、数据挖掘在财政系统中的应用

随着技术发展,财政系统信息化建设得到较好发展,各类业务管理系统积累了大量的数据,如何在海量数据中挖掘有用的信息资源,就显得十分迫切。简述了数据仓库、知识发现和数据挖掘的产生、发展及相关技术和应用,研究了聚类算法及聚类分析的度量标准。以聚类算法为例,讲述了针对实际应用中数据挖掘算法的应用改进。提出了应用推广阶段的改进型聚类分析算法,并对某市财政的数据集合进行了实验分析。针对财政决策系统的应用整合问题,选择以某市财政决策管理系统为例,介绍了进行数据挖掘之前要经历的步骤,最后得出了税源户聚类信息。     

高速铁路隧道监控量测方法与分析

通过高铁隧道施工,介绍了隧道监控量测断面及测点布设的方法、监控量测项目及监测的频率,分析了隧道开挖后的地质和支护状况,对监控数据和结果进行了分析。     

多功能车辆总线事件仲裁实时调度算法

针对列车通信采用多功能车辆总线(multifunction vehicle bus,MVB)网络传输数据的实时性要求,提出一种动态优先级时间片轮询算法.该算法根据非周期数据的优先级进行仲裁调度,通过优化算法复杂度、减小数据等待延时和阻塞延时,解决了MVB网络实时性的问题.并对MVB总线非周期数据的实时性、公平性等进行仿真分析,结果表明,该算法能提高MVB总线非周期数据传输的实时性与公平性,可满足列车通信网络标准ICE61375-1对实时性的要求.     

DBSCAN算法在高性能计算中心用户分类的应用研究

为提高集群资源使用效率,管理员需要对用户进行分类,从而对不同用户提出资源使用策略.DBSCAN(Density Based Spatial Clustering of Applications with Noise)聚类算法可对用户进行分类,但对初始参数敏感.为此,提出改进算法,首先将密度进行层次划分,由此得出各层次的密度阈值,在每种阈值下采用DBSCAN算法,解决全局参数问题.在此基础上,创新地使用一个直接可达距离排序队列,将排序信息作为可变参数,减小初始参数对结果的影响.通过高性能计算中心用户数据的实例验证了其可行性.实验结果表明,改进后的算法提高了用户分类的准确性和全面性.     

高技术产业间创新绩效及影响因素差异比较分析——基于面板数据的半参数模型

通过构造基于面板数据的半参数模型,设定研发人员比例、企业规模、引进技术费用、出口比率、RD经费比率和新增固定资产比率等六项指标,分别研究其对高技术产业中五个行业创新绩效所产生的影响,并进行对比分析.结果显示:研发人员比例、引进技术费用和出口比率对行业的创新绩效有促进作用.其中,引进技术费用对航天业和计算机业的影响程度最大,研发人员比例对计算机业影响程度最大,出口比率对每个产业的影响程度均较小.所得结果对提升高技术产业的创新绩效具有借鉴意义.     

《大数据百科全书》术语特点及收录与处理原则

大数据发展日新月异,新的应用需求和实践问题层出不穷,社会各界越来越重视大数据的基础研究。百科全书作为知识门类的概述性著作,是开展和推动基础研究的重要载体。作为大数据知识传播的工具,《大数据百科全书》不仅要有实用与新颖兼备的知识内容,并且还应具备准确严谨与通畅易懂的专业化语言文字表达。其中,术语是《大数据百科全书》不可或缺的有机组成部分,文章总结大数据领域的术语特点,并以此提出《大数据百科全书》术语方面的收录和处理原则。     

大数据科学的认知和数学基础引论

 大数据不仅在科学、工程与计算智能中有着广泛的应用，而且在人类感知、估计、量化、记忆和推理的认知机制中发挥着基础性作用。通过对大数据科学理论的基础研究，提出一组大数据系统的一般原理和分析方法。为了从形式上解释大数据的起源和本质，探讨大数据的认知基础及其数学模型，严格地引出了根植于科学、工程和社会各个领域的大数据的一般模式。研究发现大数据不再是传统实域上的纯数，而是一个前所未有的新型数学结构，称为递归类型化超结构（RTHS）。这一大数据系统的基本拓扑特性揭示了大数据工程的复杂性及其操作与处理的全新认知、理论挑战，以及可选解决方案。     

面向大规模数据的特征趋势推理算法

提出一种面向大规模数据的特征趋势推理算法. 首先, 采用Hash函数抽取大规模数据样本, 使用Pam聚类算法和并行K means聚类算法对大规模数据样本进行聚类, 获取最佳聚类结果后, 提取大规模数据聚类的动态特征； 其次, 采用基于特征趋势规则的推理算法, 构建大规模数据特征的趋势规则推理模型, 并通过累计趋势规则方法设计趋势规则算法, 推理大规模数据特征趋势, 解决了推理结果误差较大的问题. 实验结果表明, 该算法对大规模数据特征趋势推理的准确率均值为98.10%, 推理速度增长率为50%, 推理耗时最大均值仅为114.25 s, 能快速准确地完成数据特征趋势推理.     

基于分层部分核实数据对二项比例的齐性检验

针对分层情况下的疾病流行率问题,考虑了金标准存在时,在各层的敏感度和特异度不同时二项比例(疾病流行率)的齐性检验;提出了基于渐近检验过程的7种统计量和基于Bootstrap重抽样检验过程的4种统计量,并通过蒙特卡罗模拟研究来比较了各种检验的犯第一类错误的概率和检验功效;研究表明:score统计量、似然比统计量和4种基于bootstrap重抽样的检验统计量具有良好的统计性质,推荐用于实际中;最后,实际数据进一步验证了方法的有效性。