教学课程资源库 更多>>

关键词： 螺栓连接   拧紧曲线   卷积神经网络   大数据技术   Web应用  

摘要： 螺栓连接结构在轨道车辆中应用非常广泛,其质量及可靠性直接影响着车辆行车安全。轨道车辆制造企业设计出优良的工艺来保障螺栓连接质量,但现有工艺仅通过装配结果值来评判螺栓连接是否合格,生产装配过程中出现的问题难以发现,这为螺栓连接的正常服役埋下了隐患。拧紧曲线是螺栓连接装配过程信息,随着拧紧设备水平的提高,借助拧紧曲线对螺栓连接质量进行深度分析成为可能,但传统数据分析软件架构难以处理海量生产数据。针对上述问题,本文设计并实现了一种螺栓连接质量的大数据分析系统,该系统融合了深度学习技术、大数据技术、Web技术、数据库技术等,主要内容如下: 首先,从研究现状、业务现状入手,明确系统设计目标、设计原则,细化需求架构与关键问题,从功能解耦、网络通信、软件开发的角度出发,对系统进行总体架构设计,并对开发技术进行选型。其次,针对拧紧曲线特征难以人工提取的问题,开发基于卷积神经网络的螺栓连接质量分析方法,利用回归决策树算法将长度不均的输入拧紧曲线对齐,采用小尺寸的二维与一维卷积核提取曲线高频特征,调参训练之后,在试验数据测试集上达到了99%的准确率。然后,对系统各个功能层级进行详细设计,前端展示层采用Vue框架设计用户页面;业务逻辑层基于Flask框架搭建Web应用,对数据展示、统计分析、SPC分析等功能进行分模块设计;数据分析层采用Spark大数据计算引擎,运用数据并行与参数服务器架构模式,对大数据条件下质量分析模型的实现过程进行了重新设计;数据存储层使用HDFS分布式文件系统存储海量生产过程拧紧数据,采用My SQL数据库存储结构化数据;数据接口层实现拧紧数据的实时采集。最后,在虚拟机内搭建大数据集群环境,完成系统集成部署,并编写测试用例完成系统功能测试。 系统测试结果表明,系统各项功能皆可正常运行,满足完备性、系统性原则,运行结果符合预期。将大数据技术、深度学习技术应用于螺栓连接质量分析,使海量生产过程数据得到有效利用,实现了螺栓连接质量的智能判别,此外对于提升螺栓连接质量水平、推动基于知识的螺栓连接业务升级、促进企业智能化发展都有参考意义。

关键词： 大数据   服装企业   财务管理  

摘要： 随着信息技术的飞速发展,大数据已经成为当今时代的热门话题。各行各业都在积极探索如何利用大数据技术提高效率、优化资源配置。服装企业作为传统行业,面对激烈的市场竞争和快速变化的市场环境,大数据的应用同样具有巨大的潜力和价值。财务管理作为企业管理的重要一环,如何将大数据分析与服装企业财务管理应用相结合,提高企业的财务管理水平和决策能力,已成为业界关注的焦点。文章首先分析大数据对服装企业财务管理应用的影响,然后介绍大数据分析在服装企业财务管理中的应用现状,并在此基础上提出相应的改进建议。研究以期为相关企业的财务管理发展提供借鉴和参考。

关键词： 经济统计   命名实体识别   BERT-BiLSTM-CRF   大数据分析岗位   能力要求  

摘要： 随着大数据技术的快速发展,大数据技术与实体产业深度融合,出现了越来越多的以大数据分析为代表的新兴岗位,对适合大数据相关岗位的人才提出了迫切的需求。中国工业和信息化部发布《大数据产业人才岗位能力要求》(2021),提出了大数据分析等大数据相关岗位人才能力要求标准。基于此标准,对大数据分析岗位能力要求进行深入挖掘,有利于掌握当下招聘市场对于大数据分析岗位人才的需求,对大数据产业人才培养和大数据产业发展具有重要意义。 本文基于命名实体识别研究大数据分析岗位能力要求。依据《大数据产业人才岗位能力要求》(2021),定义了综合能力、专业知识、技术技能、工程实践四种实体类型。采集了前程无忧网、猎聘网站上有关大数据分析岗位的网络招聘数据,并对数据进行预处理。按照实体类型和标注规范对语料数据集进行了标注,构建了大数据分析岗位能力要求语料库。在此基础上,将标注好的语料数据输入到命名实体识别模型中进行训练。模型采用具有较好识别性能的BERT-Bi LSTM-CRF模型,并与Bi LSTM-CRF模型及Bi LSTM模型进行比较。结果表明,BERT-Bi LSTM-CRF模型的实体识别效果最佳,优于其他两种模型。 采用BERT-Bi LSTM-CRF模型,从综合能力、专业知识、技术技能、工程实践四个方面对大数据分析岗位人才所需具备的能力进行了总结,并比较了数据算法、数据分析、数据挖掘、数据可视化四类大数据分析岗位的能力要求差异,提出相关建议与研究展望。结果显示,大数据分析岗位要求人才具备计算机、数学等专业领域的基础以及机器学习、算法等知识;具备一定的计算机技能,具备使用大数据分析工具的能力;具备数据分析、数据挖掘等实践经验,具备一定的沟通能力和学习能力,对数据敏感。而数据算法、数据分析、数据挖掘、数据可视化四类大数据分析岗位的能力要求各有侧重。 本文依据《大数据产业人才岗位能力要求》(2021),量化当下招聘市场对大数据分析岗位人才提出的能力要求,为大数据产业人才培养和大数据产业发展提供实际数据和经验证据。

关键词： 政府审计   养老保险基金   社会保障   大数据分析  

摘要： 党的二十大报告中提到：“我国已建成世界上最大的社会保障体系，基本养老保险覆盖十亿四千万人。”我国的养老保险制度通过为老龄人群提供养老保障，从长远上促进了我国的长治久安以及经济社会的稳定发展。养老保险基金作为养老保险制度运行的物质基础，为维护和发展我国养老保障事业提供经济来源和财力支持，在养老保险体系运转中发挥着不可或缺的作用。但是，随着我国老龄化程度不断加剧，加之劳动人口供给的相对短缺，人口红利逐渐减弱，养老保险基金支付压力与日俱增。部分地区已出现养老保险基金收不抵支、基金结余穿底、基金收支失衡等诸多问题。养老保险基金的安全性、效益性、可持续性以及养老保险相关政策的执行效果受到社会公众的广泛关注。　　政府审计作为党和国家监督体系的重要组成部分，应当充分发挥其监督和预防作用，对养老保险基金安全完整性、可持续性以及养老保险制度的执行情况开展强力审计监督。本文首先大量查阅了养老保险基金审计相关的文献，从养老保险基金审计的目标、内容及重点、技术与方法三方面整理分析了国内外相关研究现状，发现目前关于养老保险基金审计的研究大多还是停留在宏观层面的整体研究，针对具体某个审计实务案例进行深入研究的非常少;其次，阐述本文的相关概念、理论基础，相关概念从养老保险基金、养老保险基金审计两点展开介绍，同时本文以公共受托经济责任理论、社会保障理论、国家治理理论作为研究依据。此外，汇总整理了审计机关官网的公开审计结果公告，分析了近几年审计署及地方审计机关开展养老保险基金审计的工作概况以及审计中主要发现的问题。并从现实层面分析了开展养老保险基金审计的必要性;再次，通过案例研究和访谈的方法，对C市养老保险基金审计的案例进行深入研究，从审计准备、实施、报告三个阶段对C市养老保险基金审计工作过程进行了详细介绍，总结了审计工作尚存的不足之处，具体包括审计数据采集效率低、审计数据分析不深入且手段单一、审计延伸取证方式落后、审计建议缺乏建设性作用、审计结果融合运用不充分等。接着从养老保险基金审计工作机制、人才队伍体系保障、审计数据共享平台、审计组与相关部门的联动机制等方面深入分析了问题的成因。最后针对当前养老保险基金审计工作存在的问题及原因，结合其他审计机关的先进经验做法，从优化工作机制、深化大数据分析技术应用、加强复合型审计人才队伍建设、强化审计质量控制、加强后续审计五个大方向有针对性地提出了完善C市养老保险基金审计的对策和建议。以期为其他审计机关未来的养老保险基金审计实务工作提供微薄的借鉴和贡献。

关键词： 国家文化传播   中国美食视频   食物旅程叙事   大数据分析  

摘要： 近年来，在国际社交媒体上发布的大量中国美食视频获得一定关注，为国家文化传播提供了观察窗口。前人研究虽定性说明一国的美食能够成为该国文化传播的载体，但并无数据支持，也鲜见实证研究如何利用美食进行国家文化传播。如何选取视觉和听觉符号，通过独具特色的符号表征打造鲜明的文化特质，也是政府和个人面临的挑战。论文应用食物旅程叙事理论，建构食物旅程叙事策略分析框架。以YouTube平台上3434个中国美食视频的3382995条评论为研究对象，采用大数据分析技术与方法，验证食物旅程叙事承载国家文化传播的可行性，发现引发受众对食物本身、食物烹饪相关人物和食物来源背景国关注的食物旅程叙事策略及其组合。论文不仅基于食物旅程叙事的路径深化了国家文化传播，而且将食物旅程叙事理论拓展到非商业应用领域。通过精准设计食物旅程叙事的策略组合，展现美食视频中的视觉和听觉符号，用文化符号提升国际受众对视频中的食物、民众和国家文化的关注。研究结论既可以满足国家“文化传播”的诉求，又能实实在在解决当前美食视频制作中，凭借经验主义“摸石头过河”的营销传播的痛点。

关键词： 大数据分析   联邦学习   特征提取   隐私保护  

摘要： 联邦学习已成为协作式机器学习分布式数据资源的一种有前途的方法。在医疗保健领域，联邦学习提供了潜力，可以利用跨机构生成的大量多模式医学数据，同时保护数据隐私和安全性。本文研究了联邦学习在多模式医学数据上的应用，重点是基于深度学习提出以提高模型的分类性能技术，同时保护隐私。主要研究工作和贡献有:　　1.论文提出了一种多模式咳嗽分类方法，该方法将连续小波变换通过咳嗽信号派生的标度图像与来自COUGHVID数据集的临床信息相结合。标度图像是使用连续小波变换对咳嗽信号进行分解所得，提供信号频谱内容的视觉表示。与专家分析相比，结果表明该方法提高了精度，展示了结合多个数据模态以提高分类性能的潜力。　　2.论文提出了一种技术:使用联邦学习在保护受试者隐私的同时，通过融合皮损图像和相应的临床数据，训练模型进行黑色素瘤疾病分析。将全局联邦模型的性能与集中式学习情况进行比较，集中式情况下数据在模型在中心训练被汇集。结果表明，联邦模型在F1-Score和准确度方面与集中模型不相上下，集中模型仅略高于联邦模型。联邦模型也更加敏感，能正确分类更多的阳性结果。　　3.论文提出了一种方法:利用联邦学习训练数学模型，通过从乳腺组织病理学图像(BHI)数据集中分区局部IC-NST图像来检测无特殊类型浸润性癌(IC-NST)。使用残差神经网络进行特征提取，并使用Gabor核进行附加特征提取，将结果特征融合并通过自定义分类器。在联邦和集中式学习场景下进行实验，结果表明，联邦模型具有竞争力的性能，表明联邦学习在IC-NST检测方面具有潜力。模型还在另一个领域数据集——乳腺癌组织学(BreakHis)图像数据集上表现较好，显示出较优的泛化能力。　　4.论文提出了将经过残差网络提取的特征通过自注意力层进行融合，以获得组织学图像的不同放大倍数的融合图像。实验使用联邦学习以分散的方式进行的，并使用BreakHis数据集进行了验证。本研究探索了四种特征级融合策略。将联邦学习的结果与集中式学习场景进行比较。全局模型和集中式模型的性能均优于相关文献中的方法。　　5.最后论文探讨了针对两种不同疾病进行本地和全局模型训练的问题。分别收集并处理了肺癌和结肠癌组织以获得组织学图像，并使用研究中的两个亚类别进行实验。每种疾病分配给一个机构，VGG16被用作联邦学习的全局和本地深度学习网络。同样进行了集中式学习，以作为比较的基准。FL和CL模型都取得了高精度的结果。与相关文献相比，我们的方法表现非常出色。　　总体来看，这五项研究的结果表明，联邦学习在多模态医学数据分析中具有潜在的应用前景，同时也保了受试者的隐私，确保其数据不会在参与方之间共享。所提出的方法表现比文献中的某些方法有所改进，并有潜力广泛应用于的医学应用中。

关键词： 属性议程设置   对日认知   群体极化   大数据分析  

摘要： 近年来,中日关系历经风雨,既留下“山川异域,风月同天”的佳话,也面临人员交往停滞、两国国民对双边关系感知趋向负面等挑战。国民立场是影响中日关系的基本要素,在社交媒体深入改变国际舆论生态和国际关系的背景下,中国网民的对日认知亟需得到更多基于传播学视角的解读。日本侵华历史是影响中日关系以及中国网民对日认知的关键因素。作为侵华日军对中国人进行大规模灭绝的残忍例证,南京大屠杀事件有强烈的当下性和代表性,是考察中国网民对日认知的重要切入点。本文以考察媒介对受众认知影响的经典理论——属性议程设置理论为基础,综合运用隐含狄利克雷分布(Latent Dirichlet Allocation)主题模型和基于词典标注的情感分析方法,从新浪微博平台话题标签“#南京大屠杀#”自2014年1月1日至2022年12月31日的博文中提取出用户讨论南京大屠杀议题时的实质性属性议程和情感性属性议程,并通过时间序列分析探究了官方媒体、非官方媒体、意见领袖和普通网民四类传播主体的属性议程互动关系,揭示了南京大屠杀事件背景下中国网民对日认知的建构过程、现状及问题,是社交媒体语境下属性议程设置理论的又一项本土化实证研究。研究发现,中国网民的对日认知建构是一个媒介议程与公众议程相互引导的动态互动过程,中国网民形成了要求日本承认历史罪责并道歉的“雪耻型民族主义”叙事,发表了大量针对日本的极端负面言论,展现出脸谱化和极化的对日认知。我国媒体,尤其是官方媒体通过强调网络公祭、史料证据等属性议程激发了网民的爱国主义激情和基于民族主义的“雪耻焦虑”,强化了网民的国家认同。然而,官方媒体过分注重历史记忆的强化,没有为解决中日间历史问题提供明晰有力的观点和解决问题的方法论,未能有效疏导“国耻”叙事下的对日负面情感,甚至在网民对日负面情感极化的过程中起到推波助澜的作用,使发表对日极端负面意见成为一种共识,其应当为网民脸谱化与极化的对日认知现状负一定责任。研究认为,面对这种极端化的网络舆论环境,中国媒体应当扮演“平和引导者”的角色,尽可能全面地呈现日本的国家面貌,在大国崛起背景下寻找中日两国理性共识与良性互动的舆论支点,减少“复读机”式同质化意见,让涉日议题舆论场回归开放与互动的本质,培养公众“重返理性”的对日认知,防止公众在面对日本时出现自豪和屈辱混杂的小民心态,帮助其树立融入世界文明的良好姿态。

关键词： 视线检测   运动视线   大数据分析   视线算法   形式化方法  

摘要： 近年来,视线分析模块的研究越来越热,在体育计算、人机交互、运动心理学等众多领域都有着广泛的应用。眼睛是心灵的窗户,人类有许多意图可以通过视线来表达,视线经过或停留在某处,都能在一定程度上表示某种信息。并且经过初步实验证实,视线行为与人类行为具有相关性。此外,人们在做同一件事情时,产生的视线信息是可以进行模式化的。本文针对运动视线与运动效果相关性的问题,实现视线判别算法和关联分析统计算法来检测并分析视线大数据,从而得出与其相关的视线行为表达的信息和产生的效应。通过代数式形式化表达视线模式,并总结出在应用案例中的视线模式范式。本文将运动分为有视线运动和无视线运动,通过定义视线算子、代数表达式来表示视线范式。首先,本文设计了帧率检测算法,将视频按照合适帧率截取成图片。其次,针对视线大数据分析中的数据提取需求,本文提出了相应的视线判别算法,分别为:视线左转算法、判断眨眼算法、视线驻留时间算法和视线范式算法。本文使用人脸识别模型识别出人脸68个关键点,并提取眼睛周围的12个关键点的坐标。视线左转算法通过识别瞳孔和眼角坐标,计算出视线方向及视线落点,比较前后两张图片中的视线方向,并确定左转阈值,根据阈值判断是否发生左转。判断眨眼算法根据眼睛周围坐标计算出上下眼睑的坐标,根据上下眼睑之间的距离判断是否发生眨眼。视线驻留时间算法对图片流进行识别,计算连续图片中视线未发生变化的图片数量,将其按照帧率和图片数转化成时间单位,计算出每次视线出现的驻留时间。视线范式算法通过定义的视线算子将视线模式进行形式化表达,通过形式化语言及公式表达视线模式,并分析在应用案例中产生的视线范式。基于统计的数据分析模型也是目前还需要继续研究的领域。通过实现统计类算法来分析影响因子在实验中的显著性进而直观的判断有视线运动和无视线运动的区别,为进一步决策分析奠定基础。为此,本文研究视线模式与行为相关性分析模型的实现算法。首先实现了线性回归算法,用来判断各视线属性产生的效果。然后实现了方差分析,能够将视线对运动的利弊关系可视化。最后,本文实现了视线行为检测与相关性分析系统,将本文实现的视线判别算法和相关性分析算法整合到系统中,实现可视化界面,并将其应用到视线大数据算法分析幼儿运动量和视线大数据算法分析乒乓球技战术案例中。本文在方法、技术以及领域应用这三个方面展开研究,实现了视线模式的形式化表达。经过实验,本文提出的视线检测算法可以准确识别出视频中人物的视线行为,并通过相关性算法分析证实了视线行为与运动效果具有强烈的相关性,并将此结论应用于运动视线分析中。

关键词： 大数据分析   公立医院   内部审计   应用策略  

摘要： 以物联网、大数据以及人工智能技术作为基础的智慧医疗，在持续创新及融合实践过程中，为实现医疗能力智慧化提供重要基础，不仅提升医疗效率，同时使患者服务体验得到较大改善。本文将内部审计基本含义作为出发点，分析公立医院大数据质量安全平台基本架构，并针对大数据分析技术在公立医院内部审计中的应用策略进行讨论，为公立医院医疗改革及审计监督提供一定参考。

关键词： 即席查询   大数据分析   OLAP   在线异常检测   缺失数据生成  

摘要： 即席查询是一种非定制化查询任务,查询指标由用户灵活设定,经分析引擎处理后得到可视化结果,广泛运用于企业的数据分析挖掘。进入大数据时代,为快速挖掘数据潜在价值,企业大都通过数字化转型搭建了大数据分析平台完成即席查询任务。但现有大数据分析平台,主要采用关系型分析(ROLAP)技术或多维分析(MOLAP)技术对源数据进行基本查询分析,功能单一,无法满足灵活多变的即席查询需求。在查询性能、数据表达、数据准备三个方面,分别存在以下问题和挑战:1)传统方案使用的单一分析技术无法兼具高灵活度和低响应时间。ROLAP技术基于表的关联关系,灵活进行多表关联查询,但查询效率不稳定。MOALP技术基于数据模型预计算数据,聚合查询延迟低,但存在查询失败风险,并且数据模型配置依赖数据专家,手动配置难度较高;2)传统大数据分析平台主要聚焦明细和聚合查询,缺乏时序数据在线异常检测功能,数据表达能力有限。进一步面对大数据量、聚合、实时等场景产生的时序数据时,存在异常值检测响应慢和灵活性差等问题;3)传统大数据分析平台仅能对源数据进行简单处理,无法生成缺失数据,数据准备能力欠缺。在数据表系统性缺失时,查询分析误差大,只能通过人工采集恢复缺失数据,费时费力。 针对上述问题和挑战,本文研究了大数据技术、OLAP分析、在线异常检测、缺失数据生成等内容,设计和实现一个大数据分析平台,具体研究内容如下: (1)针对单一分析技术存在的查询效率不稳定甚至查询失败等问题,提出一种数据分层存储和数据模型自动装配方法,整合现有ROLAP技术和MOLAP技术,实现一个混合分析(HOLAP)引擎。将数据分为热点数据、聚合数据、明细数据三层,总体采用HDFS和Click House两级存储设计,制定合理的查询路由方案,以最快速度执行查询并返回结果,为用户提供海量数据下稳定快速的即席查询体验。 (2)针对大数据量、聚合、实时等场景产生的时序数据在线异常检测效率低和不灵活问题,提出一个基于自适应共振理论的时序数据在线异常检测算法。设计一种滑动窗口特征提取方法提取数据特征,经特征提取后的数据再输入自适应共振算法实时训练和学习并给出每条数据的异常评分,实现在线异常检测。为丰富大数据分析平台数据表达能力,将算法集成到平台分析引擎中,实现一个自定义SQL窗口聚合函数,辅助分析人员快速进行在线异常检测。 (3)针对原始数据表系统性缺失问题,提出一个基于自回归模型的缺失数据生成算法。依据数据表完整情况和表之间的关联关系,将完整表和缺失表连接后得到的所有元组作为训练数据,经过数据解析和处理后,使用改进的MADE自回归模型训练获取数据分布得到生成模型,最后以参与连接的完整表中所有数据作为输入,采样生成缺失数据。生成数据和原始数据一起作用于后续查询,减少数据缺失带来的误差。 最后,结合上述研究内容设计和实现面向即席查询的大数据分析平台,平台已在某钢铁企业内部上线,目前运行稳定,能够满足企业业务分析需求,验证了本文方法和平台的实用性和可靠性。