基于信息抽取的电网缺陷文本挖掘系统设计

由于电网中存在大量的缺陷文本,传统方法无法精准区分缺陷类型,导致文本挖掘精准度较低,为此提出了基于信息抽取的电网缺陷文本挖掘系统设计.使用数据存储模块直接访问系统内存,通过负载均衡服务器执行请求响应.设计多进程浏览器架构,负责浏览多进程应用程序.构建文本挖掘模型,将大量信息元素整理成电网缺陷术语表形式,输入电网缺陷文本...     

虚拟社区网络低维冗余数据快速挖掘系统设计

虚拟社区网络低维冗余数据本体结构属性难以确定,导致不能挖掘出全部的低维冗余数据,为此设计了虚拟社区网络低维冗余数据快速挖掘系统。利用基于ARM72TDI芯片的数据采集器获取原始数据,选取适当的方式进行数据读取与传送。采用自适应特征调度方法构建低维冗余数据聚类相似性函数,通过用四阶累积量切片压缩处理数据。引入权重因素,计算虚拟社区网络节点间相似度,分析虚拟社区网络用户之间多重关系。采用邻域空间交叉融合方法提取数据本体结构属性,以此实现低维冗余数据挖掘。测试结果表明,该系统能够挖掘出全部低维冗余数据,数据挖掘总耗时为21.3 s,说明该系统能够全面、快速挖掘出低维冗余数据。     

基于深度学习的动态数据增量式挖掘方法

为了降低数据挖掘时间,提升数据挖掘精度,提出基于深度学习的动态数据增量式挖掘方法.利用简单处理单元组合构成并行分布式处理器,采用栈式稀疏降噪自编码网络作为动态数据特征提取的深度学习模型,通过逐层贪婪无监督策略完成预训练,使用随机梯度下降优化网络权值,获得动态数据规律.利用粗糙集求解近似动态约简容错偏差与置信区间,对动态...     

基于低阶近似的多维数据流相关性分析

目前存在的多数据流相关性分析方法大多只针对于单属性维数据流,无法体现多变量组成的场与场之间真实的相关性.为了在资源受限的环境下快速检测多维数据流之间的相关性,本文提出一种新颖的基于典型相关性分析(CCA)的多维数据流相关性分析算法StreamCCA,针对传统的CCA计算中的性能瓶颈,提出为样本方差阵与协差阵组成的乘积阵降维的高效低价近似方法,在保持分析精度的前提下显著地提高了计算效率.经理论分析和实验证明,StreamCCA能够在线精确地识别两条多维数据流的相关关系,可以作为通用的预报和诊断分析工具广泛应用于数据流挖掘领域.     

助力中国无线通信业务TI不断挖掘无线业巨大商机

用手机上网已经不是一个梦想,相信许多朋友都有用手机上网的经历.中国是手机使用大国,调研公司In-Stat指出,中国是全球最大的手机市场,用户达4亿人,预计到2008年,手机用户将增至6亿人.日前在TI无线通信高峰会议上,德州仪器(TI)总裁兼首席执行官理查德谭普顿(Rich Templeton)对手机制造商与移动服务运营商发表讲话时指出,在协助中国提供无线通信服务给偏远地区和全国各地用户的过程中,"我们都将发挥重要作用".     

基于知识图谱的智能电网多维数据关联挖掘方法

为提高智能电网多维数据关联挖掘方法的准确性,提出了基于知识图谱的智能电网多维数据关联挖掘方法。按照动态图谱的框架结构,抽取关键电网数据,再根据数据的清洗与转换原理,完成基于知识图谱的电网数据关联性预测。在此基础上,划分关联区间,根据知识图谱结构,建立多维关联规则,得到挖掘置信度的具体计算数值,完成智能电网多维数据关联挖掘方法的设计与应用。实验结果表明,在知识图谱作用下,电网数据关联规则挖掘准确度在低维度、中维度、高维度三种传输环境下,实验组的关联规则挖掘准确度在0.910以上,而对照组的关联规则挖掘精度均低于0.900,该文具有较高的准确性,更符合实际应用需求。     

基于集成深度学习的培养评估大数据分析与跟踪算法

针对传统就业情况问卷调查方法无法分析诸多变量间的复杂关系且严重依赖人工的问题,建立了一种基于集成深度学习ATE与APC的联合学习模型LCF-ATEPC。该模型集成了文本情感分析中局部上下文聚焦及BERT机制,同时通过文本方面项提取和情感极性分类两个子任务的交互,克服了常规模型中方面项提取任务精度不足的问题。数值实验结果表明,通过LCF-ATEPC算法挖掘社交媒体数据,并进行多方面话题情感分析,可有效提升分析结果的准确度,且相较传统人工评估与深度学习算法分别提升了约3.58%和1.12%,既提高了工作效率又降低了人力成本。     

基于改进DTW算法的高维时空数据关联挖掘方法

电网数据体系较为庞大,挖掘其中的高维时空数据之间的关联性有助于提高电网运行质量。为此,利用改进后的DTW算法关联挖掘高维时空数据。采用改进DTW算法计算高维时空采样数据之间的距离矩阵,明确距离矩阵累积结果,完成数据预处理。按照降序循环项头表中的频繁项,计算空间数据和时间数据的支持度并与设定的阈值对比。以此为依据挖掘高维时空数据的关联性。实验结果证明,该方法挖掘结果较完整,平均误差为1.6%,可以为电网运行提供可靠依据。     

社交媒体中开源网络威胁情报挖掘技术分析

威胁情报是网络安全防御的重要信息资源,其准确性、时效性直接决定了系统对于外来未知威胁的感知发现能力。目前,除威胁情报自生产及商业购买外,从社交媒体(如网络安全博客、技术论坛、安全报告发布平台等)中直接提取挖掘开源情报的方式因具有高时效、低成本等特点,受到了业界的广泛关注。文章结合近年来代表性研究梳理归纳了从社交媒体中采集及提取挖掘开源网络威胁情报的主要技术,并分析了相应的优缺点及适用场景,可为情报提取模型选择及优化设计提供参考。     

海量小差异图像高精度挖掘算法设计

针对传统的图像挖掘算法对小差异性图像特征挖掘精度不高的难题,提出一种基于不变矩特征提取的海量小差异图像高精度挖掘算法,通过构建图像的边缘检测和种子点分割模型,再采用小波降噪进行抗干扰处理,通过曲面约束进行相似图像的解释散点特征提取,根据海量小差异图像的旋转平移和尺度的不变性,实现对小差异图像的特征分辨和高精度挖掘。实验测试结果表明该算法能提高海量小差异图像挖掘的精度。