ISBN: (纸本)9787569063899

关键词： 大数据时代   医院信息管理系统   数据采集   数据存储   数据处理   数据应用  

摘要： 随着大数据时代的到来,医院信息管理系统建设已成为医疗服务领域的必然趋势。医院信息管理系统建设的路径和构架需要考虑到医疗服务的特殊性和数据安全的保障。本文从数据采集、存储、处理和应用等方面进行了探讨和分析,提出了医院信息管理系统建设的具体措施和建议。在数据收集方面,医院需要建立完善的数据收集过程,既保证数据的准确性和完整性,又保证数据的安全和隐私。医院为保障数据应用的效果和价值,应定期对数据应用进行评价和调整。为了保护数据安全和个人资料安全,医院需要采取一系列的措施,如加强系统安全性、加强数据隐私保护、加强用户权限管理等。医院还需要建立完善的数据共享机制,推广移动医疗服务,引入人工智能技术等,提高医院的信息化水平和服务质量,为患者提供更好的医疗服务。本文的分析和建议可以为医院信息管理系统建设提供参考和借鉴。

关键词： 5G通信   智能变电站   在线监测   数据处理   数据降维  

摘要： 以提升电力系统设备数据管理技术水平,提出基于5G通信的智能变电站设备在线监测数据处理方法。该方法利用感知层内的控制执行组件、传感器等采集变电站设备在线监测数据,使用通信传输装置将该在线监测数据传输到文献传输层内;通信传输层利用光纤有线网络与部署连接,再经由5G无线传感网络将变电站设备在线监测数据传输到数据处理层内;对变电站设备在线监测数据实施去噪、降维等操作后,使用基于自编码器的深度神经网络模型诊断变电站设备在线监测数据异常诊断,并将诊断结果发送到用户层内呈现给用户。实验结果表明:该方法具备较好的变电站设备在线监测数据去噪能力、降维能力,可以有效诊断变电站设备在线监测的异常数据。

关键词： 农田灌区   节水灌溉   水利信息化技术   智能感知   数据处理   智能控制  

摘要： 本文主要研究农田灌区节水灌溉工程中水利信息化技术的应用。首先介绍了农田灌区和节水灌溉工程的概念和分类,并指出了现有的灌溉方法存在的问题。然后,对水利信息化技术进行了概述,包括定义、特点、应用领域和发展趋势。接着,重点探讨了水利信息化技术在农田灌区节水灌溉工程中的应用,包括智能感知与监测技术、数据处理与分析技术以及智能控制与决策技术。在此基础上,对水利信息化技术应用效果进行了评价,并提出了面临的挑战和对策。

关键词： 流式数据处理系统   目标数据   特征描述   查询扩展   查询技术  

摘要： 受到流式数据特征的限制,在应用流式数据处理系统时如何准确、快速、全面地查询操作成为一大难题。为此,研究一种面向流式数据处理系统的目标数据自动化查询技术。针对流式数据提取flag值、类别以及属性作为描述特征并以此构建索引;处理查询词汇并进行扩展,以此扩大查询范围;通过扩展后的查询词汇从流式数据中检索目标数据,完成自动化查询。实验结果表明:所研究查询技术的查询平均时长低于600 ms、查全指数达到8以上以及NDGG数值高于0.7,吞吐量最高为182条,由此说明该技术能够以更少的时间查询到更为全面、更为准确的结果。

关键词： 分布式   云计算   中心监测   数据处理   可视化运维  

摘要： 当前的中心监测数据可视化运维矩阵多为单向,运维处理受限制,导致可视化运维单元响应时间增加。对此,提出分布式云计算中心监测数据可视化运维技术。根据测定要求采集初始运维数据,以多目标交叉的方式打破运维处理的限制,设计多目标交叉分布运维矩阵,基于此,构建高阶特征数据可视化运维模型,采用聚类反位处理实现数据可视化运维。测试结果表明,多维云计算监测数据可视化运维测试组的可视化运维单元响应时间被较好地控制在0.25 s以下,说明该技术应用效果更佳,针对性更强。

关键词： 机器学习   工程教学   特征工程   数据处理  

摘要： 结合高校工程训练课程对机器学习实践的教学情况和企业实施机器学习项目的流程,用贴合学生知识背景的实际案例设计项目式教学流程,引导学生认识应用机器学习解决实际问题的过程,并通过实践数据整理和特征工程两个环节,使学生积累了机器学习项目的实际经验,取得了较好的教学效果。

关键词： 大数据采集   数据处理   热搜榜单   传播反馈  

摘要： 当前,综艺传播呈现多屏化、多样化的发展趋势,仅依靠大屏端收视率数据,不能全面地展示综艺传播情况。为此,基于播后数据反馈系统,针对大数据采集、数据处理及分析、各视频平台全网正片播放数据、互动指数、热搜情况、二次传播等多维度数据,分析全媒体时代下综艺节目播后数据系统建设方案,以浙江卫视综艺节目为主要应用对象,探究系统如何为节目的传播效果提供有效的反馈和评估。

关键词： 光伏发电   预测   神经网络   数据处理   时间序列  

摘要： 研究一种基于Spearman相关系数和改进时间卷积网络(TCN)的超短期多步光伏功率预测方法。首先,采用Spearman相关系数方法对输入的天气特征量进行筛选;然后,构建合适的时间卷积网络使其适配光伏功率预测问题。经过实际的光伏电站数据测试,单步预测模型拟合度为99.41%,预测平均绝对误差为61.04,均优于传统的长短期记忆神经网络(LSTM)。