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。     

大数据背景下内部审计现状以及大数据的影响分析

在互联网的普及下,大数据的应用对每一个行业都产生了深远影响,在适应大数据时代变革的同时,企业要优化内部各职能,以促进企业的蓬勃发展。大数据的应用使得会计行业发生着前所未有的变化,而在内部审计这一方面,主要体现在流程和思维方式上。该文将从大数据背景下内部审计这一职能进行分析,明确内部审计的问题以及如何进行改进。     

大数据视角下跨境电子商务企业管理模式研究

近年来,随着信息技术的不断进步和完善,互联网技术被广泛地应用到众多生产领域中,从而产生海量的大数据信息资料。而大数据信息是随着科学技术的不断进步和发展应运而生的一种新型科技产物,通过运用特殊的分析和处理方法技术,智慧快捷地得到各个企业内部生产要素的质量以及服务信息,有助于企业的综合全面发展。而大数据给跨境电子商务企业运营和管理带来巨大的机遇和挑战,不仅使得跨境电子商务企业的发展得到有效的创新和优化,还有助于跨境电子商务企业的可持续发展。因此,该文将主要讲述在大数据技术给跨境电子商务企业的发展带来的一系列创新优化以及困难阻碍,从而有效地提出科学合理的应用策略。     

大数据环境下计算机技术在信息安全中的应用

当前计算机技术正在飞速发展,我国社会也步入了大数据时代,计算机和互联网得到了大大普及,人们的生活和工作离不开计算机技术的辅助和应用,逐渐对各种计算机设备和计算机技术产生了一定的依赖性。人们的信息安全也因为数据量的庞大和互联网的开放性而受到了一定的威胁,相关部门对于利用计算机技术加强网络信息安全的防护的工作也开始着手研究,确保公众的信息安全能够在信息泛滥的大数据环境下得到有效的保护。     

大数据驱动的极端气象灾害态势要素提取模型与优化

大数据驱动的灾害精准监测与预警是新时代提升公共服务质量、实现精准防灾减灾的重要手段。针对目前关于灾害态势要素提取缺乏可操作性的方法,以极端气象灾害中的台风灾害为例,基于“致灾体-承灾体-救灾体”理论设计了灾害态势要素提取框架模型,采用大数据分析中常用的主成分分析法对影响极端气象灾害态势的诸多要素进行降维处理并提取关键态势要素;引入博弈论的思想,构建基于合作博弈的灾害态势要素权重优化模型,并通过案例分析验证了该方法的合理性和可行性。通过推动自然灾害类突发事件监测与预警理论的创新,推动应急管理由注重灾后救助向注重灾前预防转变,更好地从根本上减轻灾害风险。     

灰色分析在火灾统计中的应用

本文首先对当前火灾趋势进行分析,其次对火灾起数、火灾损失的时间序列进行灰色分析,得出火灾发展趋势,为掌握火灾发生规律及进行火灾预防等提供了依据。     

无监督和弱监督视频异常检测方法回顾与前瞻

随着监控技术的不断发展,监控摄像头已经被广泛部署到各种场景中。手动检测视频异常情况已经变得不可能。因此,作为智能监控系统核心的视频异常检测技术正在受到广泛关注和研究。随着深度学习的发展,视频异常检测领域取得了显著的成就,并涌现出许多新的异常检测方法。本文将梳理了应用在不同数据类型上的无监督和弱监督视频异常检测学习方法,分析现有方法的贡献,并比较不同模型的性能。此外,还整理了一些常用的和新发布的数据集,并总结了未来工作要面临的挑战和发展趋势。