智能物联网时序数据分析关键技术研究综述

智能物联网是人工智能和物联网的结合,通过人工智能技术处理物联网产生的海量数据,提供智慧化的分析和决策,从而提升数据的实用价值。智能物联网被广泛应用于智慧城市、智慧医疗、智能家居、无人驾驶等多个领域。时间序列数据是智能物联网中最重要的数据类型之一。时序数据泛指一切随时间有序变化的数据集合。智能物联网各种应用场景产生的海量监测数据多以时序数据的形式存在。智能化的时序数据分析技术,包括时间序列分类、聚类和异常检测等,是支撑智能物联网应用的重要基础。本文对智能物联网时序数据分析中重要程度高、需求迫切的关键技术问题进行总结和分析,并进一步探讨未来的研究方向。     

打造精品网络共构和谐社会

畅通网络是电信业永久的责任,诚信服务是电信业永恒的主题。当前,政府、企业及社会各界必须携起手来共同努力,按照构建诚信友爱、安定有序的社会主义和谐社会的要求,进一步深化电信服务工作和政府监管、企业自律、社会监督的机制,切实保障广大电信用户合法权益。     

实验室的质量监督(下)

(接上一期) 13.实验室监督的种类 13.1监督分为: 常规监督,特殊监督,静态监督,动态监督等.(质量监督记录见附表)     

基于无监督自适应模糊聚类的多家族恶意域名细粒度检测

针对现有恶意域名检测方法检测时间开销大、对新出现或新变种的恶意域名检测精度不高的问题,提出一种基于无监督自适应模糊聚类的多家族恶意域名细粒度检测方法。该方法首先利用词向量映射网络(Bidirectional Encoder Representation from Transformers, BERT)将域名字符串映射为词向量矩阵;然后,利用深度自编码网络的编解码模块实现域名字符串向量矩阵的特征提取;最后,引入一种自适应模糊聚类算法实现多家族恶意域名和合法域名在隐空间中的特征聚类。通过在多个家族恶意域名和常见域名数据集上进行测试,实验结果表明所提出算法可以在二分类任务中实现97.71%的准确率,在8个家族的细粒度多分类任务上可以实现96.25%的准确率。综合检测性能优于当前主流的恶意域名检测算法。同时,所提出域名具有较低的时间开销,这为实时过滤恶意域名、预防恶意域名的入侵攻击提供了一种新的手段。     

基于贝叶斯网络的船舶港口国监督检查滞留风险研究

针对港口国监督(Port State Control, PSC)检查的复杂性和不确定性, 基于贝叶斯网络理论构建船舶PSC检查滞留风险分析模型. 以东京备忘录(Tokyo MOU)中2014~2017年船舶PSC检查样本数据为基础, 运用R语言bnlearn包进行贝叶斯网络的结构及参数学习. 同时分别执行贝叶斯网络的正向、逆向推理, 定量表示各风险因素与滞留结果之间的相互作用关系, 找出导致船舶滞留的高风险因素, 实现不确定环境下船舶PSC检查滞留风险的全面动态分析. 实证表明, 模型具有较高的精确度, 可为检查人员的滞留决策及航运公司的安全风险管理提供有效依据.     

UPLC—MS联合鉴定食品中毒副作用添加物残留物取得成效

不久前,由北京市食品安全监控中心和北京市海淀区产品质量监督检验所共同承担的市委、市政府重点工作及区县政府应急项目“食品中毒副作用添加物残留物鉴别技术研究”通过验收。项目针对五大类食品即豆制品、调味品、饮料、肉及肉制品、乳及乳制品,利用超高效液相色谱串联质谱技术,     

液晶等离子"盲测"难分伯仲消除行业偏见厂商仍需更多时间

对等离子电视厂商而青,2007年4月9日是他们扬眉吐气的日子. 当日,中国电子视像行业协会等离子专业委员会和信产部旗下电器评介实验室,在信产部数字电视标准工作组的现场监督下对液晶电视和等离子电视进行了"盲测"(在不告知被测试设备种类条件下作出评价).     

用自适应谐振网络进行图像纹理的分类与识别

分析了自适应谐振（ＡＲＴ２）神经网络模型的模式分类能力，并利用该网络来进行图像纹理的分类和识别，对６类自然景物的纹理图片分类和识别的结果验证了方法的有效性，对心脏超声图片的分类也取得一些初步成果．     

软件产品工程化与质量监督

随着微电子技术、计算机技术、网络技术和多媒体技术的迅速发展和广泛应用,软件产品的作用发生了根本性变化,软件产品质量日益重要.软件产品的质量监督成为普遍关注的一项重大课题.从软件产品工程化、软件产品的质量监督以及关于软件产品建设等几方面进行了探讨,重在阐述如何进行软件的质量监督.     

基于非负矩阵分解的半监督动态社团检测

如何有效融合不同时刻的网络结构信息,是影响复杂网络中动态社团检测算法检测性能的关键和难点。基于此,提出了一种基于非负矩阵分解的半监督动态社团检测方法SDCD-NMF,该方法首先有效提取了历史时刻所包含的稳定结构单元,然后将其作为正则化监督项,指导当前时刻的网络社团检测。在真实网络数据集上的实验表明,所提方法与已有方法相比具备更高的社团划分质量,更有利于探索网络的演变与发展规律。