一种基于窗口函数的公安大数据摸排分析算法

伴随着大数据技术的不断成熟和公安信息化建设的不断深入,公安机关汇聚采集了大量的数据资源,其中感知类、关系型结构化数据发挥着"大数据"的高密度价值,对这部分数据分析研判做到充分透彻,有利于拓展半结构化、非结构化数据的分析研判,意义重大。通过多年的数据实战应用,公安结构化数据的支撑不仅仅是个性化条件查询,集合运算,多表联查,聚合函数,标签库应用等数据操作,伴随着感知类实时性结构化数据的不断递增,对主数据带来某时段内的感知数据分析工作更为复杂,窗口函数作为复杂摸排算法中的一个重要支撑,效果非常明显。好的算法需要不断的实现、改进、总结过程中对比确定,业务模型可以归类,算法的实现方法也可以归类,公安"大数据"研判人员应根据改进和总结的结果,形成一个好的公安算法知识库,在实战的过程中应用算法知识库来发挥更高的效率。     

针对具有稀疏性的流式大数据卸载方法

在保证实时性的前提下提高流式大数据卸载的准确性是一个重要问题。针对具有稀疏性的流式大数据开展2种典型场景下的卸载研究。对普通均匀业务的流式大数据进行空间建模,使用弹性距离对数据间的距离进行放缩,提出基于离心率的卸载方法。对异常检测业务流式大数据应用场景进行特征分析,使用预处理自动机对数据的动态处理过程进行描述,在综合考虑数据和处理行为相似度基础上,提出基于等价类划分的卸载方法。重复试验表明,所提出的卸载方法与传统卸载方法相比能明显提高卸载的有效性。     

三维建模软件3ds Max数据文件3ds的解析

为了实现三维建模数据的快速读取和解析,提出了一种解析保存3ds数据的方法并应用到实际三维漫游软件中。作为专业的三维建模软件,3ds Max提供了强大的快速建模功能。但由于需要占用大量CPU和内存资源,因此其实时交互性较差,很难直接应用到实际工程项目中。充分利用3ds Max的快速建模能力,分析3ds Max的建模文件3ds数据格式,以其内部树状数据结构为基础,按照其存储特点及数据之间的关系有效读取,并采用C++高效编码实现,以自定义的列表类、对象类、材质库类合理的组织和保存,为三维场景重建奠定基础。实际应用表明该解析算法实用有效。     

公安遥感监测应用标准体系研究

编制"公安遥感监测应用标准体系表"是为适应公安信息化背景下公安工作对公安遥感技术的应用需求,指导、规范公安遥感应用系统设计与建设、管理与维护、评估与集成工作。以公安信息化建设总体思路为基础,研究建立一套定义与描述类、数据服务与管理类、应用服务类、公安遥感业务类和管理类5部分构成的公安遥感监测应用标准体系表,以全局化的角度对公安遥感应用的整体工作予以指导,保证公安遥感应用体系的可行性和完整性,为实现全国各省、市、县地方公安遥感监测应用奠定基础。     

遥感监测在公安系统的应用研究

高分辨率遥感数据具有高质量、高清晰度、多层次、高重访周期等特点,利用高分辨率遥感影像,可以提升公安日常业务和应急处突过程中准确判断和快速反应的能力。公安对于高分辨率遥感数据的应用尚处于起步阶段,亟需对利用高分遥感数据进行公安各警种的应用开展研究和实践。在分析公安各警种对高分遥感监测的业务需求的基础上,阐述高分公安重要地区遥感监测系统和数据平台的建设思路,并分析公安遥感监测应用需要研究的关键技术,为公安开展高分遥感应用提供厂方法和思路。     

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。     

基于点云数据的不同曲面特征逆向建模方法研究

针对曲面重构过程中存在曲面建模难度大、曲面质量差、建模效率低等问题,以点云数据为研究对象,首先研究了点云数据的精简、曲线拟合、曲面拟合等算法和原理。其次,基于Geomagic Design X开发应用平台,针对不同曲面特征的三角面片,提出适合于条状类、回转类、平缓曲面类等不同曲面特征的快速逆向建模方法。从而提高了曲面建模质量、效率和精度,为产品开发设计提供较好的逆向建模思路。     

基于CURE聚类优化的数据挖掘算法研究

以海量非结构化数据为研究对象,在已有聚类算法研究基础上,从数据的获取与预处理,到数据聚类,再到数据的个性化管理全过程进行分析,针对数据聚类过程中的计算量庞大和复杂程度高的现状对已有CURE聚类算法进行优化,尽可能的最大程度提高数据聚类效率,进而提高大数据挖掘水平,为大数据应用提供更好的服务.通过以某通信企业不断变化的用户数据为分析对象,证明此次基于CURE聚类算法优化的数据挖掘算法有效性,结果表明CURE聚类算法优化具有一定的可用性和实用性.     

支持智能应用的公安情报知识图谱本体构建

研究公安情报知识图谱本体构建方法,使公安情报系统可完整记录公安情报场景中各类复杂信息,并支持情报智能应用.首先,提出公安情报知识图谱本体构建流程.此后,遵循构建流程,分析本体构建原则,设计以事件类本体为核心的构建方法,并进行本体评估.以事件类本体为核心的知识图谱支持实体属性、事件要素及过程、关联实体等查询及情报智能应用...     

互联网数据在高校大数据平台中的应用研究

互联网数据是高校大数据平台应用的重要数据来源,该文主要阐述了高校大数据平台的技术架构,并在此基础上提出了互联网数据的重要价值,分析了高校大数据应用中专业数据、资讯数据和网络舆情数据三大主要互联网数据构成,并对应用模式和应用场景进行了研究。提出并阐述了学科大数据分析、网络舆情监测、情报大数据分析、校友大数据分析等高校互联网数据大数据应用场景。     

机器学习的基石：聚类任务的现状与挑战

[目的/意义]随着信息技术的快速发展,各个领域积累的数据呈现出规模大、种类多、结构复杂等特点,这些都为已有的无监督聚类算法提出了严峻挑战。[方法/过程]该文对近年来提出的各种聚类算法进行了综述。[结果/结论]根据聚类算法可处理的数据类型不同,聚类算法可分为基于向量表示的聚类算法和基于关系表示的聚类算法;从建模策略的角度,聚类算法可分为基于模型优化的算法以及基于启发式的算法。其中,基于模型优化的算法重点分析了k-means算法以及图割算法的研究现状,并给出了两种算法之间的差别和联系,进而解释了为什么k-means模型只能处理球形数据,而图割模型可以处理非凸数据。基于启发式的算法以密度聚类算法为例展开分析。此外,鉴于无监督聚类算法面临的非凸优化难题,该文还分析讨论了无监督聚类算法的各种优化方法。最后,归纳总结了现有算法与优化方法的主要特点,并指出了现阶段聚类方法存在的问题以及未来的研究方向。     

基于模糊聚类的车辆运动轨迹建模

为提高车辆运动行为模式的学习与分析水平,综合考虑车辆运动轨迹特点及其建模的相关要求,提出了一种车辆运动轨迹建模方法.该方法主要由轨迹模糊聚类和路径建模两部分组成,首先拓展采用改进Hausdorff距离衡量轨迹之间的几何相似性,并基于此构建了改进模糊C均值轨迹聚类算法,用于实现车辆运动轨迹的聚类;在轨迹聚类的基础上,建立了基于离散状态的路径模型,并进而提出了相应的轨迹异常检测算法.最后,在真实场景下的试验结果验证了本文方法的适用性和有效性.     

基于交通事故数据的自动紧急制动系统测试场景构建

为了探究面向汽车主动安全技术功能验证的测试场景的科学构建方法,构建符合真实交通状况的高保真测试场景。以自动紧急制动(autonomous emergency braking, AEB)系统为研究对象,以美国高速公路安全管理局事故数据库中筛选出的AEB系统功能适用的6 639起道路交通事故为研究样本,通过机器学习方法实现了由事故数据到测试场景的科学转换。针对传统聚类算法的缺陷,提出了基于层次聚类和K-means聚类相结合的融合聚类算法,并引入聚类曲线以开展事故数据样本的聚类分析。根据聚类获取的12类典型事故场景,构建了面向AEB系统功能验证的14种测试场景。结果表明：相比于传统的K-means聚类算法,融合聚类算法平均减少了8次迭代次数;聚类结果平均减少3%的波动;实现事故数据样本的科学准确聚类且提升数据聚类效率。所提出的测试场景在实现对现有AEB测试场景有效覆盖的同时,为标准测试场景的进一步扩充提供了有力支撑。     

聚类集成算法在客户细分模型中的应用

营销分析、客户分析和内部运营管理是企业大数据应用最广泛的3个领域。基于某市烟草零售数据,运用聚类集成算法构建客户细分模型,实现烟草零售精准营销。本算法集成了Clara算法和K-means算法,首先采用Clara算法随机生成初始聚类中心,K-means算法进行无监督学习,得到最少代价的聚类中心,然后基于零售客户基本信息进行聚类因子建模,将类别与档位进行维度交叉,对零售客户在档位内二次细分,优化迭代分配,解决烟草零售客户档位内部差异化大的问题。经多种聚类算法比较,本文方法的总误差和误差波动率小于其他单一的聚类算法。将该方法用于烟草营销投放策略,经市场验证,能够提升订足率和需求满足率。     

金融业数据仓库中星型衍生子维度模式

数据仓库建模是构建数据仓库的核心,通常采用维度模型的建模方式.分析了维度模型中星型模式和雪花模式的优缺点,并针对金融业数据仓库特点,以证券业务为例,提出了星型衍生子维度模式概念,阐述了此结构的生成条件、算法和优点,即在典型的星型模式中,对大维度表中基数较小的相对独立的维度属性进行分解,生成子维度表,用代理键将其与父维度表及事实表关联,这有利于数据装入、提高数据仓库综合查询效率及一定程度上减少数据冗余,这对于金融业数据仓库中多主题的数据建模具有实际应用价值.     

基于电力业务时延敏感度和服务可靠性的虚拟网络映射方法

在5G智能电网的应用场景下,针对电力控制类业务对时延、可靠性要求高等问题,文中首先基于时延敏感度和可靠属性参数对业务请求排序,以缩短虚拟网络请求的等待时间;然后,将网络拓扑属性和相邻节点重要性作为排序参数,对节点进行排序,避免了映射后链路负载不均衡的情况;最后,在链路映射层,提出了基于遗传算法的链路映射算法,求得最优映...     

基于面向服务体系架构的公安信息资源整合平台

针对公安各信息系统之间存在信息资源不能大量复用、无法实时共享与协同应用等问题,设计公安信息资源整合平台.该平台基于面向服务体系架构(SOA),采用基于代理的USB-KEY身份认证的单点登录统一认证和基于JAVA消息服务(JMS)的图形化公安业务建模技术,从登录、应用、数据及流程4个方面对公安各信息系统进行整合.测试结果表明:该信息资源整合平台具有较好的实用价值,可在公安情报分析中发挥重要作用.     

复杂场景图像中人员目标检测算法的改进

图像或视频中的人员目标检测,一般采用单个深层神经网络检测器(SSD)算法.但在复杂场景下,SSD算法因场景复杂、物体重叠、遮挡等干扰,检测精度大大降低.在SSD算法中加入反卷积网络反馈用于增加环境感知信息;采用辅助损失函数以促进损失降低,并将复杂场景中的目标检测多分类问题转换为二分类问题.以无人机拍摄的复杂场景下的行人数据集为例进行人员目标检测实验,对比分析多种检测方法的准确率表明,改进后的SSD算法在检测速度和识别精度上均提高明显.     

聚类分析算法概述及其适用性比较

聚类算法作为大数据与人工智能领域重要的分析工具,受到了学术界的高度关注与广泛研究。本文从算法设计思想的角度对现今主要的聚类算法进行了归纳总结。具体来讲,针对中心聚类法、层次聚类法、密度聚类法、谱聚类法以及一些其他聚类算法分析了各自算法及其思想的优缺点与适用性,对算法的实际应用建立指导性作用。     

多平台数据融合系统的航迹关联技术

对于多平台数据融合模式下的航迹关联问题,使用了聚类关联的方法进行解决.采用基于地心坐标系的最小二乘方法对航迹数据进行配准,对航迹间的距离使用Hausdorff距离进行衡量.使用了K-均值算法对各平台侦测的航迹进行关联,并将初始聚类中心设定为相距最远的航迹,有效降低了经典K-均值算法过于依赖初始聚类点带来的错误.仿真数据证实,能在目标密度大且航迹存在交错的场景下保持较高的关联正确率,具有较好的可用性.