摘要：由于供应链终端高维特征和稀疏数据使得特征筛选准确率较低、筛选能力较差,为此,提出了改进遗传算法的供应链终端高维数据特征筛选方法。预处理供应链终端高维数据特征,去除超出边缘范围的特征数据。针对数据的特征进行排序和编码,采用改进遗传算法进行评估和演进,并将数据分布组中被选择的单个数据继续演进。在离散型随机变量中设置筛选条件,根据改进遗传算法,减少数据分布组的组数,获取种族内和种族外已完成特征编码的数据,从而形成新的个体,实现供应链终端高维数据特征筛选。实验结果表明,改进遗传算法的供应链终端高维数据特征筛选方法的准确率可以达到99%,具有很好的高维数据特征筛选能力。

摘要：深度学习通过提取和学习剪力墙结构数据高维特征掌握智能设计技术,有效推动了建筑结构智能化设计的发展。数据驱动的结构智能设计通常受训练数据的数量和分布特征影响,但鲜有研究开展数据特征相关分析。该文通过收集设计习惯相似且地域相近的剪力墙建筑-结构设计图纸数据,开展了数据分布和数量特征与设计结果的相关性分析;提出混合数据训练联合特征分组训练的两阶段改进训练方法,有效提升了智能设计质量;采用与训练数据高度非同源的其他地区数据对研究结果进行了测试与检验。分析表明:数据低维特征的回归分析难以有效指导设计生成,而基于深度学习的高维特征学习则能有效掌握结构设计的潜在规律;随着训练数据量增加,智能设计效果也将得到平均20%以上的提升。通过典型案例研究证明:智能设计与工程师设计的平面设计相似性及整体结构力学性能相似性均较高,最大层间位移角的平均差异仅约8%。但是,当测试数据与训练数据特征差异过于显著时,智能设计质量将会受限。该研究通过对数据分布和数量特征与智能设计结果的相关性分析,为下一步开展基于深度学习的智能化结构设计研究提供了数据特征影响方面的参考。

摘要：当前电力系统网络运行安全态势感知模型的感知效率较慢,边界值较高,为此文章提出了考虑数据特征聚类的电力系统网络运行安全态势感知方法。针对实际的感知需求及标准,预处理电力系统网络运行标定数据,提取聚类安全态势感知特征,部署关联网络感知节点,构建数据特征聚类安全态势感知模型。测试结果表明,文章设计的感知方法测试组得出的感知边界值相对较低,证明该方法感知速度快,边界偏差可控,具有实际的应用价值。

摘要：高维小样本数据特征分类易受到奇异性问题的影响,导致数据特征分类精准度较低。为了解决该问题,提出基于模糊数学理论的高维小样本数据特征分类系统。采用人机交互端、逻辑处理端和数据分类端,分别为系统提供交互端口、数据特征处理端口和分类端口。利用模糊数学理论方法构建类内协方差矩阵、类间协方差矩阵、总体协方差矩阵,分析高维小样本数据特征,解决高维小样本数据特征奇异性问题。引入分明函数约简高维小样本数据特征,为分类降低数据集维数。统计约简后数据,结合模糊数学理论设计分类流程,最后根据确定的数据标号构建分类模型。根据实验结果可知,该系统对5类高维数据特征的分类精准度均在85%以上,证明其具有高精准分类效果。

摘要：随着信息爆炸式地增长,以高效、合理使用存储资源为目的的数据分级存储管理已然成为存储领域的研究热点.但是,数据分级存储管理过程中存在热点数据定位不准确的问题,主要原因是对基于块级的数据特征研究不够充分.针对上述问题,提出一种基于扩展块的数据特征模型***在基于扩展块级粒度的基础上建立分级数据管理的特征模型,通过对被管理数据对象的特征进行统计分析,自动进行数据管理决策,将冷/热数据迁移至对应层级以便能够高效合理地使用存储资源.最后,设计实现了基于EDM模型的原型系统,通过对原型系统的测试表明EDM模型具备可行性,能够有效管理存储资源.

摘要：为了完善与丰富OPAC,提升检索体验,需要对检索词与书目数据的特征及其隐含的关联规则进行知识分析。在此基础上设计简单的检索入口,弱化检索规则,在检索失败时给出相关搜索、在结果中找、中文分词等检索建议。

摘要：在众多提高数据挖掘效率的方法中,并行数据挖掘是一个从根本上解决该问题的有效途径。首先指出在数据挖掘过程中,不论采用顺序挖掘还是并行挖掘,都必须以数据挖掘的最终目的为前提,即尽可能多地发现数据中所含有的有用的知识,然后在此基础上提高数据挖掘的较率。在该想法基础上,提出了面向数据特征的数据划分过程,并进一步提出了加权式的并行数据挖掘基本方法。在这种数据挖掘过程中,可以得到相对于部分数据的知识,在很大程度上提高了数据挖掘的动态性能。

摘要：在对电能量数据异常进行预警时,由于电能量数据异常的类型复杂,导致预警的灵敏度低,为此,提出基于数据挖掘的电能量数据异常自动预警方法研究。在电能量数据异常特征提取过程中,引入了数据挖掘算法,借助聚类算法对异常电能量数据进行聚类处理,并差异化设置了不同样本数据和聚类的权值参数,根据聚类数据与聚类中心的距离,设置具体的模糊隶属度后,以聚类中心为导向计算对应的电能量数据异常特征,并按照具体的分布情况对各个异常特征的密度指标加以分析。在电能量数据异常自动预警阶段,利用小波变换的方式过滤原始电能量数据中的噪声后,结合数据特征与提取电能量数据异常特征之间的关系作出预警。在测试结果中,当电能量数据异常程度为0.1%时,设计方法可以实现准确预警,具有较高的灵敏度。

摘要：目的对我国药品不良反应/事件报告表数据特征进行分析,从数据角度对我国建立信号检测及预警系统提出建议。方法收集美国、澳大利亚、加拿大的药品不良反应/事件报告表并与我国的报告表进行对比,再对我国报告表的关键数据项进行描述性分析。结果我国的药品不良反应/事件报告表数据项能够全面反映药品不良反应/事件;报告表数据项的设计固有缺陷导致部分数据需要排除和修正;报表数据项可组成多种信号检测指标。结论必须建立信号检测和预警系统的有效数据库;报表数据信息丰富,可设计多种检测和预警功能。

摘要：随着计算机数据采集技术的不断发展,计算机的预测性维护成为了学术界重点讨论的问题,传统的方法通常不考虑数据间的延迟关联问题,导致计算机无法直接运用该方法有效的实现更高价值密度的数据特征提取。基于此,提出一种基于传感数据特征提取的计算机预测性维护方法,对传感器数据特征提取方法进行设计,建立基于传感数据特征提取的计算机预测性维护模型,并进行对比实验。