毁伤效能大数据生态系统与知识推理模型设计

针对弹药毁伤效能评估需求,该文对毁伤效能大数据资源体系建设的关键环节和相关流程进行了研究,提出了毁伤效能数据生态的概念,设计了毁伤效能大数据生态系统架构。提出结合一阶逻辑推理与知识嵌入表示的知识推理模型,解决知识库构建问题。基于该模型设计了毁伤规则挖掘算法。在FB15k和FB15k-237数据集上的实验结果表明,该文的知识推理模型的平均倒数排名(MRR)分数分别以2.0和1.5高于图查询嵌入(GQE)、Beta嵌入(BetaE)、Q2B模型中表现最好的模型。     

基于大数据的智库知识服务研究

本文探讨了智库知识服务的流程,并研究了大数据环境下,智库知识服务所呈现的新特点以及大数据在智库知识服务中的作用。研究认为大数据的使用可以使智库知识服务更加开放、客观、准确、科学。最后论述了智库推进大数据知识服务的条件。     

大数据背景下图书馆知识服务体系创新发展策略

基于大数据的概念、技术特征以及未来的挑战性特点,分析大数据时代数字图书馆知识服务体系的特点,提出大数据时代数字图书馆知识服务体系发展的七个战略方向和五大战略原则,在此基础上提出构建数字图书馆知识服务体系的软件架构和硬件架构协同设计的创新思路,为数字图书馆知识服务体系协同于未来发展战略提供理论指导.     

大数据知识发现

随着信息技术的快速发展,人类面临的数据呈爆炸式增长,大数据的时代已经来临.大数据研究成为当今科学和经济社会发展的重大战略方向和必然趋势.大数据的巨大价值在于依据数据间关联性而建立的复杂结构关系网络中所蕴含的知识.大数据知识发现是一个非常重要和亟待解决的问题.本文总结了以燕山大学为核心的大数据研究团队部分最新工作,重点给出了大数据偏序结构理论及其相关工作的简要介绍,为快速、准确了解该团队的研究现状提供参考.     

大数据要注意的一些问题

大数据越来越引起人们的重视,但人们对它褒贬不一。本文从信息科学、知识科学和系统科学几个角度对大数据进行了分析,并提出研究大数据一些要注意的问题。     

大数据时代知识管理的作用和方法创新

大数据时代的来临给社会各行业、各领域均带来了机遇与挑战,为使大数据能够得到充分的利用,知识管理的作用日渐凸显.分析了知识管理在大数据时代的作用,探讨了大数据时代知识管理的方法,结合实际提出了知识管理在特定时期内的发展方向.     

大数据的知识化及其对科技创新的作用路径与影响

文章通过对大数据知识演化、组织形式和大数据对科技创新的影响进行文献综述,提出研究问题。基于大数据的基本分析,研究了大数据知识演化及其路径、大数据知识化的组织模式与作用机理,研究了大数据对科技创新的具体作用路径,深入分析了大数据对科技创新知识、科技创新行为和科技创新模式的影响,并进一步探讨了大数据对科技创新的过程和科技创新模式产生根本性影响的原因,以期对我国科技创新和科技管理的转型提供一些新的思路和参考。     

大数据初探

随着移动互联网、电子商务、物联网以及社交媒体的快速发展,大数据时代已经来临,本文从大数据的基本概念出发,尝试探讨大数据的概念、特点和主要应用.     

基于信息资源共享的大数据管理与利用探究

简要介绍了大数据的概念和特征,从图书馆的角度出发,讨论了基于信息资源共享的大数据管理和利用(包括数据的提供、分析和推广),探讨了保障大数据共享的法律法规体系.     

大数据开启情报服务机构科技创新知识服务的新时代

从"信息服务"到"知识服务"已成为情报信息机构功能定位的重要发展趋势,通过对大数据时代情报服务机构学科发展方向转型的分析思考,探讨了基于大数据的科技创新知识服务不但是科技创新活动中科技基础条件应用服务的重要协助支撑,也是情报服务机构服务工作的增长点,能够满足企业知识智慧应用和技术创新需求的信息服务。     

论大数据代数（BDA）：大数据科学与工程的分析方法

 大数据科学和系统的基础研究推动了大数据数学理论的产生。本文引出大数据科学和工程的一种严格分析方法：大数据代数（BDA）从提取各种大数据系统的共同模式中形式地导出大数据科学的数学模型。BDA揭示了任何大数据系统是一种超越传统纯数字的新型递归类型化超结构（RTHS）。基于大数据的递归超结构，创建了一组严格的代数算子，用于对大数据系统的建模、分析、综合和认知学习。这一基础研究建立了一个大数据科学的理论架构，其为解释大数据的原理和性质及其在大数据工程中的形式推理提供了一个方法论基础。     

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。     

大数据产业及管理问题的一些初步思考

大数据时代的到来对已有的管理科学与工程方法提出了严峻的挑战,西安交通大学依托管理科学与工程学科优势,在国内较早开展了大数据相关研究。结合平台建设、国际交流、基金项目等经验,以＂顶天立地＂为目标,对大数据未来研究提出了三个主要方向：数据质量、首席数据官的兴起、以及大数据产业发展,并对三方面的研究重点和内容提出了建议。旨在促进我国学界对大数据的认识,激发更多学者投入大数据相关研究领域。     

大数据技术进展与发展趋势

 随着IT 技术的高速发展,世界范围内各行各业都在进行信息化变革,几乎每个行业都在努力发现和利用大数据的价值。为了充分利用大数据带来的机遇,同时有效应对大数据带来的挑战,国内外产业界、科学界和政府部门都在积极布局、制定战略规划。本文介绍大数据背景与动态,描述各国大数据政策实践及中国大数据发展的政策环境和产业界生态发展状况;阐述大数据技术的进展,梳理其生态体系和创新特点;提出大数据可视化、多学科融合、安全与隐私、深度分析等发展趋势和相关建议。     

大数据分析中基于 MapReduce 的空间权重创建方法研究

大数据空间分析是 Cyber-GIS 的重要方面。如何利用现有的网络基础设施（比如大规模计算集群）对大数据进行并行分布式空间分析仍然是一大难题。为此,提出一种基于 MapReduce 的空间权重创建方法。该方法依托Hadoop 框架组织计算资源,基于 MapReduce 模式从大规模空间数据集中高效创建出空间权重：大空间数据被分为多个数据块,将映射器分布给计算集群中的不同节点,以便在数据中寻找出空间对象的相邻对象,由约简器从不同节点处收集相关结果并生成权重文件。利用 Amazon 公司弹性 MapReduce 的 Hadoop 框架,从人工空间数据中创建基于邻近概念的权重矩阵进行仿真。实验结果表明,该方法的性能优于传统方法,解决了大数据的空间权重创建问题。     

大数据质量管理:问题与研究进展

 当前大数据在多个领域广泛存在,大数据的质量对其有效应用起着至关重要的作用,因而需要对大数据进行质量管理.尽管数据质量管理方面已经有一些研究成果,但由于大数据具有规模大、速度快和多样性高的特点,现有的方法难以适用于大数据质量管理.本文针对错误发现、错误修复和劣质数据查询处理,综述了大数据质量管理的问题与挑战,认为大数据质量管理的挑战主要有计算困难、错误混杂和缺少知识3 个方面.本文依据这3 个方面的解决方法,对大数据质量管理目前的研究进展进行了综述,并展望了大数据质量管理未来的研究方向.     

新工科背景下大数据技术基础课程教学方法

[目的]大数据技术基础课程体现了多学科融合、多行业辐射、实践性强等特点,是数据科学与大数据专业的一门具有标,探讨传统教学方法存在的典型问题。[方法]针对大数据技术基础课程的跨学科性,立足于“新工科”下的工科人才培养目标,提出教学资源库的建设和优化方法,将教学资源库里的内容进行科学的分类,将教学咨询库的知识点内容进行分级标穿于课前、课中和课后３个教学阶段,充分结合学生实际,科学构建混合式多元评价指标。[结果]优化的教学内容和方法提注;进一步围绕线上线下﹑项目案例﹑分层教学﹑创新能力﹑课程思政等要素给出具体的优化的教学方法;将过程性评价贯交叉性、实践性、前沿性的核心课程。为了弥补已有教学内容和教学方法的不足,根据大数据技术基础课程的特点和教学目升了学生解决大数据领域复杂工程问题的能力。[结论]教学实践表明,所提的优化方法较好地提升了教学效果     

数据虚拟化研究综述

大数据系统中数据源多,数据规模大,且数据具有异构异质的特点,为满足各种数据集成需求,如何快速高效地整合数据就显得越来越重要且具有挑战性。数据虚拟化能够灵活地实现各种数据集成需求,介绍数据虚拟化的概念、优势及应用需求,给出一种数据虚拟化系统架构,并对其中的数据虚拟化平面与管理平面以及各层的功能进行了阐述。重点针对数据虚拟化系统中存在的一些关键问题与挑战进行了详细分析,给出了需要进一步研究的课题与方向。