基于分层贝叶斯模型的损失准备金估计

传统的准备金模型主要是通过加总个体数据得到聚合损失三角形数据建立的,然而,这种数据的加总对原始个体数据产生不可避免的信息浪费.虽然这种方法简单,但可导致准备金估计的较大偏差.近年来提出的个体数据准备金模型中大都没有考虑保单合同之间的相依性.本文假设相同事故年的保单产生的索赔具有某种共同效应导致的相依情形,通过建立个体数据准备金的分层贝叶斯模型,利用信度理论的思想,得到每个事故年的准备金估计,从而得到总准备金的估计.进而,讨论了发展因子和结构参数的估计及其相应的统计性质.最后,给出数值例子表明本文给出的准备金估计的计算方法,并且比较了个体数据和聚合数据下准备金估计的均方误差.     

基于大数据的重大工程智能群体决策支持系统研究

随着工程建设行业的规模化及国际化发展趋势,重大工程逐渐成为国家发展的重要标志.重大工程的复杂性往往导致决策不确定性并引发管理中的诸多难题.为高效解决重大工程决策主体多元化所带来的信息不对称、决策方案冲突等问题,将智能决策方法融入重大工程群体决策过程中,构建了基于大数据的重大工程智能群体决策支持系统(BD-IGDSS),并通过将BD-IGDSS应用于中泰铁路工程及港珠澳大桥工程,分析该系统在重大工程决策管理中的优势.     

大数据时代计算机网络信息安全加强策略

大数据时代,加强计算机网络信息安全具有非常重要的作用,能够有效维护用户和企业的信息资源与财产安全,这是计算机网络进一步发展必须解决的重点问题。现阶段,计算机网络面临着外部环境、内部软件以及使用者三方面原因造成的网络安全隐患。为了进一步提升计算机网络信息安全性能,人们需要从四个角度入手,即提高账号密码的复杂程度、加强防火墙技术在计算机网络安全中的应用、合理使用杀毒软件和加强计算机的入侵检测。     

分布式污水处理系统在白洋淀流域的应用

白洋淀大部分位于雄安新区,雄安新区是继浦东新区、滨海新区之后的第三个国家级新区,同时也是北京非首都功能疏解的集中承载地。然而,白洋淀水体中的总磷、总氮、悬浮性固体、氨氮、高锰酸盐指数等项目超标,水体富营养化严重。分布式污水处理系统可以实时监测白洋淀水环境,实现精准处理。因此,本文重点研究了分布式污水处理系统的工作流程及特点。     

大数据环境下图书馆文献资源建设模式的改革研究

在"互联网+"时代,现代化信息技术飞速发展,在大数据支持下,图书馆文献资源的建设模式迎来新的发展机遇和挑战。基于此,本文阐述了大数据环境下图书馆资源构建的重要性及功能,并提出图书馆文献资源建设模式改革的创新途径,包括加大网络开发力度,促进信息、文化资源共享等,以期充分发挥图书馆自身的职能,提高服务质量,进一步推动图书馆向现代化方向发展。     

计算机网络安全在大数据系统的应用

现阶段,计算机技术的发展为大数据技术的推广与应用带来了极大便利。但是,由于许多人使用非法收集获得的数据,在很大程度上影响了人民群众的合法权益,因此,采取措施来确保互联网安全就显得尤为重要。本文总结了大数据时代下现存的计算机网络安全问题,分析了大数据时代计算机网络安全防范技术,以期为计算机网络安全防范提供参考。     

大健康产业视野下我国运动康复专业人才培养改革与创新

随着经济快速发展,人们的消费水平逐渐提高,而现代人对健康消费的理念也在不断提升,以生物技术和生命科学为先导,涵盖健康制造、健康服务、健康管理等内容的大健康产业已经发展为21世纪引导全球经济发展和社会进步的重要产业。大健康产业指的是以维护、改善、促进与管理健康,预防疾病为目标,提供产、学、研产品与相关健康服务的行业总称。文章将从高校运动康复专业人才培养现状入手,以大健康产业为背景,探讨做好运动康复专业人才培养改革与创新的策略。     

基于机器学习与大数据技术的地球物理测井系统

地球物理测井数据通常来自数值模拟、岩石物理实验、仪器测试、生产实践、测井数据采集、地层综合评价等,但来源不同的数据之间缺乏共享,难以实时获取和应用。为了实现源于测井研究不同领域的各类海量数据互联互通,高效、优质、低成本地解决现场测井技术问题,指导测井仪器设计、测井资料处理与实时评价,以测井大数据和机器学习技术为基础,采用针对不同模型条件下的快速优化算法,建立一个弥补时空差异、知识差异、能实时高效模拟的智能测井系统,通过实例分析了这种智能一体化测井系统的优势和发展趋势。     

Curvelet域GPR数据噪声压制与高频补偿方法

提出GPR数据Curvelet域随机噪声压制与高频补偿同步处理方法.首先，将GPR数据变换到Curvelet域，结合其多角度、多尺度的稀疏性，给出随尺度和角度变化的自适应阈值函数进行随机噪声的压制;其次，根据电磁波在完全弹性介质中的传播规律，结合Curvelet的多尺度多角度特性，求取时变补偿因子，倒数加权对应的尺度、角度，补偿高频损失;最后，进行Curvelet反变换，获得随机噪声压制与高频补偿以后的GPR数据.该方法属于完全数据驱动，克服了传统方法人为因素的影响.