基于时序集层的区间流数据分类及应用研究

来源 :山西大学 | 被引量 : 0次 | 上传用户:maailin
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
大数据时代,实际应用领域搜集到的数据往往呈现出更多复杂特性,作为一种较多见的数据形式,区间型数据在金融、气象、农业等诸多领域广泛存在。尽管对于区间型数据的表示、分析、挖掘已有一些研究,但大多数研究都是针对静态区间型数据,对于实际应用中随时间不断更新的动态区间流数据,目前的研究还相对较少。由于区间流数据所具有的时序特征,传统静态区间型数据的分析挖掘方法往往不能直接使用。针对这个问题,本文提出一种基于时序集层的区间流数据分类方法,有效融合区间流数据的时序特征和属性特征来构建分类模型,从而得到较好的泛化性能。具体研究内容如下:1.针对传统区间型数据处理方法不能有效处理区间流数据的问题,本文提出一种基于时序集层的区间流数据分类方法,在对区间流数据进行时序集层操作的基础上,构建基于时序集层的分层区间分类模型。该方法首先结合区间数概念及时序运算定义区间流数据的并运算,通过并运算实现对区间流数据的时序集层,构造包含不同时序概念层次的数据空间;其次,在构建区间流数据纵向时序结构基础上,进行分层区间分类模型的设计;最后,融合数据纵向的时序特征以及横向的属性特征,对区间流数据进行时序空间和属性空间上的跨层次叠加分类。该方法充分考虑区间流数据的时序特征,衡量其对样本相似性度量的影响,以提高实现区间流数据分类的性能。2.将本文提出的区间流数据分类模型应用于气象流数据,构建了基于时序集层的气象流数据分析系统。该系统包括用户管理、地区选择、时序集层以及数据分析四个模块,其中用户管理模块主要实现常规的用户管理相关功能;地区选择模块主要负责精准化响应用户调取的相关国家、城市气象信息;时序集层模块主要由方法组件以及功能组件构成,其中方法组件内封装了本文的时序集层方法,实现对数据的集层化,功能组件包括数据的搜索、更新以及合并功能服务;数据分析模块通过可视化技术对气象流数据分析模型要素选择以及评估结果进行展示。利用本文所设计的基于时序集层的气象流数据分析系统,可对气象流数据进行智能化管理、分析及挖掘。
其他文献
随着互联网技术的飞速发展,网络上的新闻数据呈指数级增长,对新闻语料进行关键词提取有助于终端用户快速了解新闻内容,有助于新闻媒体机构对新闻进行快速分类和检索,更有助于高效编辑和管理。传统关键词主要是通过手工标注方式,数据量大、维度高,同时需要大量昂贵人力和时间资源,已经远远不能满足系统高效实时可用等需求。本文基于新闻领域设计和实现了一个智能关键词提取系统,该系统利用深度学习模型自动进行特征学习,采用
作为数据挖掘的一项重要技术,聚类分析已经逐渐成为一种跨学科、跨领域的数据分析方法。传统的聚类是一种无监督的分析方法。半监督聚类主要是将少量先验知识融入到聚类过程中以获得更好的聚类结果。本文以半监督聚类为主题,就聚类的有效性进行了评估分析,主要研究内容如下:(1)大量的不同类型的半监督聚类算法已被提出,评估其算法的有效性已成为半监督学习的重要研究内容之一。然而,已有评估方法主要以无监督聚类结果为基准
在当前社会中,智能安防越来越凸显其价值,是维护社会长治久安的重要手段。自动视频分析系统是智能安防系统的一个子系统,主要是从监控视频内容中提取关键的行人信息。行人重识别正是自动视频分析系统的核心技术之一,目前已成为了深度学习领域的研究热点。近年来,基于深度学习行人重识别方法在开源数据集上已经表现出优越的性能,但是在跨域行人重识别问题上性能明显下降。本文深入分析了跨域行人重识别存在的问题,并利用深度学
近年来,面向智慧司法服务的法律判决预测已成为自然语言处理领域的研究热点。判决要素抽取是法律判决预测研究的重要子任务之一,其旨在从法律文书的事实描述中自动识别出不同的判决特征,现有研究主要是从法律文书的事实描述部分抽取出判决要素词汇或句子。法律判决要素抽取是判决预测研究的重要依据,为判决预测的结果提供可解释性。本文基于2019中国“法研杯”司法人工智能挑战赛“要素识别”任务,重点研究面向法律文书事实
聚类集成能够产生高质量和鲁棒的划分结果,解决了单一聚类算法只能解决特定问题的缺陷。聚类集成主要包括了两个步骤:(1)生成基划分;(2)信息矩阵的表示及生成一致性聚类结果。加权聚类集成和聚类集成选择是从不同的角度进一步提高聚类集成方法性能的两种方法。聚类集成选择生成基划分后采用不同的准则选出高质量的基划分结果,目前鲜有工作从基划分结果中簇之间的关系出发设计衡量基划分质量的标准。现有的加权聚类集成方法
中西方绘画是世界历史文明发展史上重要的文化作品形式之一。在历史进程中出现了许多优秀的绘画作品,这些优秀作品是研究历史、文化、艺术和科技的重要载体。随着互联网技术数字化的日益普及,越来越多的绘画艺术作品被录入电子图书馆,艺术爱好者欣赏优秀的绘画作品变得更加容易。逐渐增加的数字绘画图像为学者们带来丰富的研究资源,同时,如何将大规模的数字绘画图像进行有效分类,是目前亟需解决的热点问题之一。绘画作品与普通
近年来,机器阅读理解研究受到国内外自然语言处理领域学者的广泛关注,已成为评价基于自然语言理解的智能系统的核心任务之一。2015年,国家科技部启动“语言问题求解和答案生成关键技术及系统”项目,其主要目标是研制出能够参加我国高考的智能答题机器人,并提升机器对自然语言的理解能力。在该项目的推动下,面向真实高考阅读理解试题的自动答题研究成为近年来机器阅读理解任务中的又一挑战。深度学习方法已被证明是机器阅读
机器阅读理解是近年来自然语言处理一个热门研究领域,本文聚焦高考语文文意理解多选题,该题型考查的是对文章局部信息、主旨、作者意图和态度的把握,文意理解的选项复杂多变,主要测试机器对文章语义关系、散文结构、写作技巧、篇章主题和作者情感等内容的理解能力以及对文章整体的把握能力,挑战极大。本文首先分析选择题与选项特点,其次将选择题答题技术分为两种,一种是基于两段式的阅读理解答题技术,一种是基于联合训练的端
2018年教育部新课标方案提出人工智能进课堂,将编程技术纳入高考范围,编程地位直线上升。在国家的号召下,现在很多中小学都非常重视学生编程能力的培养,所以开发一个编程教学管理与资源推荐系统对学校高效的开展编程课程是非常有必要的。目前中小学程序设计等课程存在的主要问题有:学生上机练习机会较少,缺少便捷高效的编译环境;教师与学生之间课堂沟通不足;学生自学时,面对种类繁多、数量庞大的学习资源,难以选择。编
随着智慧司法服务的快速发展和广泛应用,对司法文书的分析与挖掘已引起越来越多的关注,命名实体识别(NER)作为司法领域研究中的一项基础性任务,它能为司法知识图谱构建、法律判决预测和机器阅读理解等一系列的研究工作提供重要的知识。命名实体识别旨在识别出文书数据中的实体指称项,并标明其实体类别。近年来,许多命名实体识别的研究工作均基于深度学习、神经网络模型等,但专门针对司法领域实体识别的研究还相对较少。目