检索结果-南通市图书馆

高速飞行器多站红外辐射测量数据不一致性分析及解决方案

在线全文

学校读者我要写书评

暂无评论

红外技术 2015年第5期37卷 435-440页

作者：禄晓飞谌廷政酒泉卫星发射中心甘肃酒泉732750

高速飞行器在大气层内长时间飞行,与空气摩擦生成几千度高温,研究其红外辐射及热防护效果是当前的热点。然而用多台地基红外辐射测量设备测量飞行目标时,各红外辐射测量设备多波段的结果有着较大差异。首先分析了高速飞行目标红外辐射... 详细信息

高速飞行器在大气层内长时间飞行,与空气摩擦生成几千度高温,研究其红外辐射及热防护效果是当前的热点。然而用多台地基红外辐射测量设备测量飞行目标时,各红外辐射测量设备多波段的结果有着较大差异。首先分析了高速飞行目标红外辐射成像的特点,指出测量结果存在不一致性的原因,主要有飞行目标的方向效应、红外设备本身的滤波效应。然后提出了解决同设备不同波段处理结果不一致的方案,包括标定数据处理、坏像元剔除、杂散能量和反射的星体辐射能量抵消。最后又提出了多站红外辐射测量设备处理结果不一致性分析方案,以及外场试验方案。

关键词：红外测量数据不一致性高速飞行器

基于MAP-REDUCE的大数据不一致性解决算法

在线全文

学校读者我要写书评

暂无评论

微型机与应用 2015年第15期34卷 18-21,25页

作者：范令中国海洋大学信息科学与工程学院山东青岛266100

大数据时代悄然而至,数据质量也引起人们的关注。在提高数据质量方面,很重要的一部分是解决数据不一致性问题。针对大数据情况下的数据不一致问题,本文提出了在MAP-REDUCE框架下的聚类算法。本文在MAP-REDUCE框架下对K-MEDOIDS聚类算法... 详细信息

大数据时代悄然而至,数据质量也引起人们的关注。在提高数据质量方面,很重要的一部分是解决数据不一致性问题。针对大数据情况下的数据不一致问题,本文提出了在MAP-REDUCE框架下的聚类算法。本文在MAP-REDUCE框架下对K-MEDOIDS聚类算法进行了改进,增强了算法的适用性和精确性,并通过仿真实验验证了在大数据环境下该算法的并行性和有效性。

关键词：大数据数据质量数据不一致性 MAP-REDUCE 聚类算法

在线全文

学校读者我要写书评

暂无评论

阀门生产质量追溯问题研究探讨

阀门 2024年第5期 628-633页

作者：王冠常维陈靖江苏盐电阀门有限公司江苏盐城224006 南京粒聚智能科技有限公司江苏南京211100

探讨了阀门生产质量追溯的重要性,分析了当前阀门行业在质量追溯方面所面临的挑战,包括生产过程复杂性、行业标准不统一、数据采集困难、数据不一致性、追溯系统建设等问题。文章提出了政府或行业出台相关政策、制定统一标准和规范、提... 详细信息

探讨了阀门生产质量追溯的重要性,分析了当前阀门行业在质量追溯方面所面临的挑战,包括生产过程复杂性、行业标准不统一、数据采集困难、数据不一致性、追溯系统建设等问题。文章提出了政府或行业出台相关政策、制定统一标准和规范、提升整个行业的质量控制水平以及企业应如何加强生产质量追溯管理的对策建议。同时,文章还强调了企业应根据国家关于质量强国建设和制造业高质量发展的要求,结合自身信息化建设现状,分阶段实施质量追溯体系的建设,加强内部培训,提升员工的质量意识和追溯体系操作能力,确保追溯体系的有效运行。

关键词：阀门生产质量追溯生产过程复杂性数据采集数据不一致性政策支持行业标准质量控制

在线全文

学校读者我要写书评

暂无评论

面向地表覆盖数据更新的众包任务推荐方法

面向地表覆盖数据更新的众包任务推荐方法

作者：陈倩岚中南大学

学位级别：硕士

国家“一带一路”倡议迫切需要全球范围内高质量的地表覆盖数据支撑,而目前地表覆盖数据产品面临着更新滞后和一致性不足的更新难题。众包模式在大规模数据及时更新的应用场景下展现出独特优势,但志愿者参与率低下和众包覆盖率有限等问... 详细信息

国家“一带一路”倡议迫切需要全球范围内高质量的地表覆盖数据支撑,而目前地表覆盖数据产品面临着更新滞后和一致性不足的更新难题。众包模式在大规模数据及时更新的应用场景下展现出独特优势,但志愿者参与率低下和众包覆盖率有限等问题日益凸显,严重制约了地表覆盖众包模式的实施效率。有鉴于此,本研究提出了一种面向地表覆盖更新的众包任务推荐方法。该方法致力于充分调动志愿者的贡献积极性,以及提升现有全球地表覆盖数据集之间的不一致区域的众包更新效率。本文的主要工作和创新点如下:(1)提出了基于用户多元兴趣画像的初始任务推荐方法。该方法通过三角核函数构建用户的地理偏好模型,然后基于时间兴趣衰减和贡献活跃度变化两种方式对模型进行动态更新,计算顾及活跃度的用户时空偏好分数。顾及到覆盖类型对用户标报习惯的影响,对“用户-类型”矩阵进行分解预测,获得顾及覆盖类型的用户隐语义偏好分数,并通过融合两个分数获得初始个性化任务推荐列表。(2)提出了地表覆盖不一致性驱动的众包任务重排序方法。该方法以现有地表覆盖数据产品的全要素一致性分析为研究基础,映射统计每个任务区的不一致性系数,根据不一致性系数对初始兴趣列表做重排序推荐,并针对一致性在平均水平以下的难分区域,分析了重排序策略对推荐覆盖率的提升效果,实现了对一致性差、数据质量低、更新需求迫切的重点区域的精准优先推荐。(3)构建了以Open Street Map真实数据为基础的地表覆盖众包评测数据集,验证了本文推荐方法的有效性。基于Python语言开发了地表覆盖更新众包任务推荐平台,实现了针对地表覆盖更新需求的任务推荐功能,能够顾及用户个性化贡献兴趣,并且精准优先推荐不一致性高的众包任务。图38幅,表16个,参考文献70篇

关键词：地表覆盖众包任务推荐数据不一致性用户偏好

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数据驱动的船舶航速稳健预测方法研究

基于数据驱动的船舶航速稳健预测方法研究

作者：张文竞大连海事大学

学位级别：硕士

航速是船舶运营中的一个重要属性。它不仅和经济效益、节能减排等需求直接相关,也会对运营者在避台、航路规划等问题上的决策产生影响。因此,有必要在一个航次的初始阶段就对全程的实际对地航速具有整体的把握。但是,风、浪等气象条件... 详细信息

航速是船舶运营中的一个重要属性。它不仅和经济效益、节能减排等需求直接相关,也会对运营者在避台、航路规划等问题上的决策产生影响。因此,有必要在一个航次的初始阶段就对全程的实际对地航速具有整体的把握。但是,风、浪等气象条件会造成船舶失速。这意味着船舶即使保持恒定功率,在面临不同气象状况时,她表现出的实际对地航速仍会不同。因此,本文在已知船舶功率相对稳定的情景下,对船舶在不同气象条件下的航速进行预测。通过对现有航速预测方法的分析,本文选择使用机器学习算法,为文中案例船舶建立航速预测模型。考虑到机器学习算法需要训练集与测试集满足独立同分布的条件,而在开放环境中,以一个未来航次为测试集时,很难找到与之分布相同的历史数据作为它的训练集。因此,本文将先为案例船舶找出在同分布条件下最为合适的机器学习算法,再针对开放环境中的船舶航速预测问题,提出一种稳健的预测算法,以弥补不同航次间的数据分布差异。具体地,本文首先收集了案例船舶的船舶航行动态记录及航行路径上的气象预报信息,并对这个初始数据集从特征、异常值等方面进行预处理,以便于为案例船舶建立基于机器学习的航速预测模型。其次,本文在同分布的条件下测试了多个常用的机器学习算法在案例船舶上的性能,并通过详细的比较确定了随机森林算法为最适合本文案例船舶航速预测问题的机器学习算法。最后,针对不同航次间数据的分布差异造成机器学习模型失效的情况,本文提出了一种基于半监督领域自适应的航速稳健预测方法。这种方法可以为测试集构建出分布接近的训练集,从而满足机器学习模型训练的需求。根据此训练集训练出的机器学习模型具有更高的预测准确性及鲁棒性。

关键词： Valemax型矿砂船航速预测数据驱动算法领域自适应数据不一致性

面向地表覆盖更新的时空目标不一致性探测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

测绘学报 2020年第8期49卷 1067-1067页

作者：康顺陈军(指导) 湖北理工学院光谷北斗国际学院湖北黄石435003 不详

地表覆盖是地表各种生物与物理覆盖综合体,其空间分布及随时间的变化是气候模拟、生态评估、地理国情监测等不可或缺的重要基础地理信息。随着对地观测技术发展,利用遥感影像提取地表覆盖信息已成为当前的一种主要技术手段。但因地物光... 详细信息

地表覆盖是地表各种生物与物理覆盖综合体,其空间分布及随时间的变化是气候模拟、生态评估、地理国情监测等不可或缺的重要基础地理信息。随着对地观测技术发展,利用遥感影像提取地表覆盖信息已成为当前的一种主要技术手段。但因地物光谱、纹理、时相等特征复杂多样,加上时相适宜、质量优良的影像数据难以全面覆盖,往往导致地表覆盖更新前后多期产品数据不一致。工程生产实践中,地表覆盖数据质检主要以人工检核为主、部分自动化为辅,耗时、费力,迫切需要一种面向地表覆盖更新的数据不一致性自动化探测方法。为此,研究面向栅格地表覆盖更新的数据不一致性探测是当前工业界和学术界的一项重要任务。

关键词：地理国情监测气候模拟基础地理信息地表覆盖数据不一致性对地观测技术地物光谱生态评估

在线全文

学校读者我要写书评

暂无评论

大数据环境下数据质量关键问题研究

大数据环境下数据质量关键问题研究

作者：范令中国海洋大学

学位级别：硕士

大数据时代悄然而至,数据质量也引起人们的关注。在提高数据质量方面,很重要的一部分是解决数据不一致性问题。当分布在多个节点的数据集成时,若提供的数据出现重叠,容易引起数据不一致性的问题。如何从若干个不一致的数据中获得理想的... 详细信息

大数据时代悄然而至,数据质量也引起人们的关注。在提高数据质量方面,很重要的一部分是解决数据不一致性问题。当分布在多个节点的数据集成时,若提供的数据出现重叠,容易引起数据不一致性的问题。如何从若干个不一致的数据中获得理想的数据答案在数据清洗中就显得至关重要。本文给出了多种聚类分析的“样本差异性”和“类簇差异性”指标,系统分析了现有聚类算法：基于联通性的,基于质心的,基于密度的等聚类算法,并把聚类算法应用于解决数据的不一致性问题。随着信息时代的快速发展,数据呈现规模性、多样性、高速性和价值性等多种特性。面对这些海量数据,常常陷入“数据丰富,信息贫乏”的尴尬境地。本文研究了Map-Reduce算法框架和Hadoop这一开源的分布式项目,结合现有的基于Map-Reduce的算法在不同领域的应用,提出了基于Map-Reduce的聚类算法,有效解决大数据环境下的数据不一致性问题。本文重点分析了K-means和K-medoids聚类算法,针对算法的不足,提出了E-medoids聚类算法,改进了聚类算法在解决字符型数据不一致性问题上的适用性,并提高了算法的运行效率。同时,又提出了EW-medoids聚类算法,引入了权重值的概念,控制聚类中心点的偏移,提高了算法的精确性。本文在对大数据条件下的数据质量问题进行分析的基础上,设计并实现了在Map-Reduce编程框架下EW-medoids聚类算法的并行化,较好地解决大数据环境中数据不一致性问题。最后,通过仿真实验验证了在大数据环境下该算法的并行性和有效性。本文的贡献：1)提出基于Map-Reduce的聚类算法解决大数据环境下数据不一致性问题。2) 改进K-medoids聚类算法,提高算法的适用性和精确性。

关键词：大数据数据质量数据不一致性 Map-Reduce K-medoids 聚类算法

数据集成技术及其在石油运输系统中的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

数据集成技术及其在石油运输系统中的应用研究

作者：肖喆武汉理工大学

学位级别：硕士

随着我国经济水平和科研能力的不断提高,信息及电子计算机技术得到了快速发展和广泛应用,各行各业的生产力水平也有了显著的提升。与此同时,快速的信息化造成广泛的“信息孤岛”及数据冗余问题,数据集成是目前解决这些问题的重要途径。... 详细信息

随着我国经济水平和科研能力的不断提高,信息及电子计算机技术得到了快速发展和广泛应用,各行各业的生产力水平也有了显著的提升。与此同时,快速的信息化造成广泛的“信息孤岛”及数据冗余问题,数据集成是目前解决这些问题的重要途径。数据集成通过消除数据间的物理差异和逻辑差异,以统一的存储和表示方式为用户提供优质可信的集成数据服务。然而,随着数据集成技术的发展,数据质量问题日益突出,严重影响集成效果,其中,数据集成中的数据不一致问题是目前亟待解决的数据质量问题之一。不一致数据问题表现在数据集成中的方方面面,主要体现在模式层和实例层两个层面。论文主要针对实例层的数据不一致问题进行研究,从数据质量的角度对不一致数据进行评价分析,并通过对模糊集理论、神经网络理论和决策论的综合应用,提出解决方案,实现了数据的高质量集成并解决了数据的不一致问题。同时,论文结合中国石油运输公司实际业务需求,研究设计了石油运输系统数据集成平台,并采用上述数据不一致解决方法,构建一个合理、标准、灵活的数据集成系统,为上层决策应用提供科学、可靠的数据支撑,有效提升了中石油运输公司的业务竞争力。论文以中石油运输公司数据集成平台项目为契机,对数据集成中的数据不一致问题展开如下研究:1)分析了不一致数据产生的原因,并对其解决办法予以分类,给出了数据不一致性的一般数学模型。2)提出了基于模糊多属性决策及数据依赖关系的数据不一致性解决方案,创新性的增加了函数依赖质量属性,弥补了原方案忽视数据内在联系的不足,并通过实验证明此方案具有更好的不一致数据处理效果。3)提出了基于模糊神经网络的多属性决策方案,新方案在基于模糊多属性决策及数据依赖关系方案的基础之上,对不一致数据进行二次清洗,实现了模糊神经网络理论在处理不一致数据上的应用,提升了不一致数据的整体处理效果。4)设计了石油运输系统数据集成平台方案,并融入了论文数据不一致性研究成果,构建了高效率、可扩展的数据集成系统。

关键词：数据集成数据不一致性数据质量石油运输系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

大数据一致性质量分析算法研究

大数据一致性质量分析算法研究

作者：王重然哈尔滨工业大学

学位级别：硕士

数据质量管理与分析一直是大数据领域的一个重要研究方向,数据的质量决定着能否充分利用和挖掘数据的价值。条件函数依赖(CFD)是最近被提出的一个有效的基于数据一致性约束处理数据质量问题的工具,在近几年受到了学术界的广泛关注。目... 详细信息

数据质量管理与分析一直是大数据领域的一个重要研究方向,数据的质量决定着能否充分利用和挖掘数据的价值。条件函数依赖(CFD)是最近被提出的一个有效的基于数据一致性约束处理数据质量问题的工具,在近几年受到了学术界的广泛关注。目前学术界关于CFD已经有较多的研究工作,然而无论是利用CFD进行数据质量检测,还是从现有数据集中进行CFD发现,已有的研究工作中都较少对算法的性能进行细致系统的分析优化,使得已有的算法往往不能被应用于实际生产中的海量数据分析过程中。本文面向实际生产生活中的庞大数据级别,提出了一种利用CFD进行数据不一致性检测的流式工作框架,并提出了两种对算法性能进行进一步优化的结构。此外,对于已有的CFD规则发现的方法,本文针对算法高时间复杂度的特点,结合已有工作,对CFD发现算法进行亚线性加速,使其可以被应用到大数据情景上。最后本文通过对比实验,对本文所以出的优化算法及框架的性能进行了测试。实验结果表明,本文提出的流式检测框架对CFD检测任务的性能有着较为明显的提升;同时,对发现算法的亚线性加速方法也对CFD发现任务的响应时间有着显著积极的影响。

关键词：条件函数依赖数据不一致性数据质量