DGPS各种误差因素分析

讨论了差分全球定位系统(Differential Global Positioning System,DGPS)的系统构成及各种数据通信链路情况,系统分析了DGPS的各种误差因素影响的程度,采用计算机实验数据处理方法比较了2D定位模式和3D定位模式的定位结果,表明了在用户不经历任何大于±5m的垂直运动的场合下,采用高度约束的2D定位模式定位,其定位误差和3D定位模式的水平位置定位误差具有同等趋势和量级.     

云计算环境中面向大数据的改进密度峰值聚类算法

对密度峰值聚类算法进行有效改进,计算各样本点之间的距离和各样本点局部密度,选择两者中较大的样本点作为聚类中心点,根据其余样本点与各中心点的距离设定样本点所属类别;引入K近邻算法对密度峰值聚类算法进行优化,求解各样本点的距离时只需要考虑其周围由邻近值决定的若干样本点,实现距离阈值的自动选取;根据距离矩阵计算样本点的密度,绘制决策图并选择簇内中心点,将剩余点根据密度值分配给离中心点距离最近的类;最后将K近邻-密度峰值聚类算法部署至Hadoop云计算平台,用于解决大规模数据聚类的问题。仿真结果表明,通过合理设置K近邻算法的近邻值k,K近邻-密度峰值聚类算法具有较好的大数据样本聚类性能,与常用聚类算法相比,该算法具有更高的聚类准确率和聚类效率,适用于大数据样本聚类。     

基于数据增强和字词融合特征的实体槽位识别

针对传统的基于字级表示的实体槽位识别模型无法很好利用词语信息,以及信息技术(IT)运维领域缺少足够数量公开数据集的问题,提出一种基于BERT＿Word2vec＿BiLSTM＿CRF模型的实体槽位识别方法,并通过数据增强对模型的训练数据集进行扩展．该模型将基于转换器的双向编码表征(BERT)模型得到的字向量表示和Word2vec得到的词向量表示进行融合,通过双向长短时记忆(BiLSTM)网络进行上下文编码,通过条件随机场(CRF)进行解码,得到最终的序列标注结果．通过在某企业提供的数据集上进行实验,结果表明：融合词级特征可以在BERT预训练模型的基础上进一步提升识别性能,F1值达到了92.33%.     

基于移动边缘计算的超密集异构网络数据存储

针对目前超密集异构网络数据存储方法存储速率过慢,导致存储量较小,难以满足人们的要求,提出了基于移动边缘计算的超密集异构网络数据存储方法。构建基于移动边缘的网络结构模式,采用网络结构层次分析法,对超密集异构网络建立相应的选择层次模型,并根据网络数据收集和处理将其分类为数据收集网络和数据处理网络,最后,利用移动边缘计算技术,将写入的网络数据下沉到网络边缘,实现超密集异构网络数据的持久存储。实验结果表明,基于移动边缘计算的超密集异构网络数据存储方法能有效提高存储速率,扩大存储量。     

具有部分缺失数据混合几何分布总体的参数估计

在部分数据缺失情形下,研究混合几何分布总体参数的矩估计,证明了此估计量的强相合性及其渐近正态性质.通过随机模拟,给出不同样本容量下总体参数估计的均方误差,模拟结果显示均方误差较小,说明此方法具有可行性.     

基于大数据挖掘分析的人力资源效能分析模型设计

该文针对电信运营商长期以来用工总量大、人力资源效能低的问题,积极探索和开展人力资源领域数字化转型实践。依托数据中台的集约化能力,整合拉通全域数据,基于大数据挖掘分析结果,建系统上手段,全生产场景嵌入赋能,聚焦不在岗和低产能人员,严格考核退出,提高用工效率,提升员工产能,关注一线群体产能与薪酬分配一致性,推动奖优罚劣和按劳分配,激发员工活力,最终实现用工配置—产能—薪酬的“三透明”。     

基于大数据的高校图书馆知识创新服务研究

随着科技技术的迅猛发展,大数据技术也得到越来越广泛的应用和普及。针对高校图书馆而言,在知识创新服务方面需要进一步有效强化,需要充分利用信息化技术和大数据技术,在相关技术和信息资源的运用和挖掘过程中使高校图书馆在知识创新方面能够得到显著增强。基于此,该文有针对性地探究基于大数据的高校图书馆知识创新服务策略等相关内容,希望该文的分析能够为高校图书馆实现创新发展提供一定的启示。     

工业智能化背景下大数据的应用研究

中国拥有强大的制造业,制造业的发展是中国经济快速增长的主要原因之一。随着科学技术的日益发展和互联网的广泛使用,工业大数据的使用已经成为智能制造业转型和现代化的一个非常重要的技术工具。现在有必要利用工业大数据技术进一步改革和现代化工业制造业,以大数据为主导的产业革命已提上日程,大数据将是未来产业体系形成的关键。     

顾及地形复杂度因子权重的多波束点云抽稀算法

多波束测深数据具有海量性与冗余性的特点,在实际应用中有必要进行简化处理。现有抽稀算法大多基于单一特征参数实现,其结果往往存在地形细节丢失、地形真实性欠佳等问题,为此提出一种顾及地形复杂度因子权重的多波束点云抽稀算法。该算法首先筛选地形起伏度、坡度和粗糙度作为评价因子,然后采用改进CRITIC综合评价法构建地形复杂度指标,基于该指标实现了点云的初步抽稀;最后通过自适应格网保留局部特征点,进一步改善抽稀质量。实验表明：与传统算法相比,该算法的抽稀结果在多级简化率条件下均具有更低的均方根误差(RMSE),有效提升了简化后的地形精度,能够保留更多的地形细节特征。