特征数据

摘要： 基于企业的基础燃气数据,进行多样化数据采集,进行深度数据挖掘,搭建算法模型,得到用户的相关特征数据,建立完整的用户画像。通过周期性的模型训练和矫正,提高模型的分析准确率。以基于用户画像燃气用户用气欺诈辅助决策为例,进行应用分析。

摘要： 以广东省高精度DSM更新项目为例,浅析了广东省机载LiDAR高精度DSM生产方法,重点阐述了基于机载LiDAR点云数据生产高精度DSM的整个生产流程各个步骤的关键技术与数据处理的技巧,为同类型DSM更新项目提供借鉴。

摘要： 当代社会,自由开放并附有吸引力的便捷社交网络拥有着庞大的使用人群,同时,也为在线兴趣推荐算法提供了良好的发展平台。近几年,针对短视频、电商直播等精准广告投放已成为新的宠儿。其中,最具影响的当属以产品质量为基础,客户行为数据分析为导向的平台自主推荐营销模式。我们对其进行研究,将会有重大的现实意义,也会发现价值更高的营销模式。

摘要： 发电厂设备众多,受制于空间、时间等因素的影响,设备隐蔽部位缺陷、早期缺陷的管理一直是缺陷管理的薄弱环节。近年来大数据分析方法得到飞速发展,为发电厂的缺陷管理提供了新的思路。通过对发电厂设备特征运行数据运用大数据分析的思维,可以发现以往不易管理的设备隐蔽缺陷、早期缺陷,并在某电厂的缺陷管理中取得了重要成绩。

摘要： 当前海量数据挖掘过程中特征数据无法精准选择、特征数据分类效率等问题显著,导致数据挖掘误差大,为此提出改进的支持向量机特征数据挖掘方法.首先明确支持向量机选择和约简特征空间的原理;其次构建模糊支持向量机算法,基于样本不平衡特征与样本重要程度确定差异性权值,使用遗传算法确定最优的支持向量机惩罚参数与核参数;最终将特征挖掘结果传递至数据挖掘算法作为分类输入样本,实现海量应用数据的智能挖掘.测试结果表明:遗传算法进化到15次开始收敛至最优解,可减少支持向量机挖掘特征数据的时间开销;该方法挖掘数据的平均F-measure值最高,在特征数据挖掘方面具有优越性.

摘要： 采用全流量分析方法,通过分布式流量探针部署,收集网络全流量数据,与后台特征库进行比对发现网络异常,同时可通过机器学习不断更新后台特征数据,以提高数据监测的有效性,可实现对网络安全的有效监控,对提高网络安全防护和处置能力具有重要意义。

摘要： 5G网络为人们提供了更加快捷的网络环境,其容量自适应效果对5G网络的进一步发展具有重要作用,因此研究基于大数据技术的5G网络容量自适应算法。首先,提取5G网络容量自适应时空特征数据,分析网络离散周期特性;其次,基于大数据技术处理网络容量空间数据,增强网络空间数据的相关性;再次,构建5G网络自适应信道模型,提高网络对数据的适应性;最后,优化网络容量自适应函数,提高网络吞吐量,进而实现5G网络容量的弹性建设。实验结果表明,该算法的网络吞吐量更高,自适应效果更佳,具有较高的推广价值。

摘要： 【美国霍尔台克国际公司网站2022年7月13日报道】美国核管会(NRC)2022年7月13日发布霍尔台克国际公司(HoltecInternational)新墨西哥州乏燃料集中式中间贮存设施的最终环境影响声明。该声明称,不存在影响核管会颁发许可证的环境问题。霍尔台克和埃迪-利能源联盟(ELEA)2015年宣布将合作在新墨西哥州建设一座集中式乏燃料中间贮存设施:该设施将使用霍尔台克的HI-STORMUMAX干法贮存系统;能源联盟将提供土地、物流支持和环境特征数据。

摘要： 俄罗斯:拟建数字档案库日前,俄罗斯内务部表示,将建立一个包含外国公民数字档案库,这一拟建的数字档案库将由俄罗斯数字发展、通信和大众传媒部数字事务部和俄罗斯内务部共同建立,包含来俄外国公民的合法在留资格、生物特征数据、居住地以及工作信息。外国公民既可以通过数字档案与雇主缔结雇佣关系、接受培训、缴纳强制性税款和其他款项,也可以使用便利的信息服务,其中包括许可证即将失效,在俄在留资格即将到期,或在某个规定时间内必须出境等信息。

摘要： 阐述通过Python调用OpenCV实现Haar级联分类器算法,用以检测人脸并定位人眼,再根据PERCLOS原理,对眼部特征数据进行计算判断检测对象当前的疲劳状态。

摘要： 本文借助基于.NET二次开发AutoCAD技术，严格按照生产设计范围，充分考虑了地形图中多种特征数据，利用特征点线进行了不规则三角网的构建，实现了更加贴合真实地形的建模，同时也进一步验证了利用.NET二次开发AutoCAD技术的优越性。

摘要： 介绍了一种基于系统特征数据的控制器设计算法。该算法仅根据被控对象的输入、输出采样数据，按照卷积定理计算出被控对象的单位脉冲响应作为系统的特征数据；在控制量约束条件下，根据特征数据以最速响应为控制目标规划出输出参考数据和最速控制律;然后根据控制目标和最速控制律的要求计算出理想控制器的特征数据；最后，根据控制器的特征数据辨识出线性控制器参数。仿真结果表明，控制结果具有最速参考控制的特征。

摘要： 本文简要介绍了基于健康样本的水电机组状态评估方法,提出完整的健康模型分为特征数据、影响因素和健康样本三部分,然后针对特征数据的统计特性展开了分析与研究.首先对能反映机组运行状态的传感器和信号参数进行分类,再根据参数关系的复杂程度,将其分为基本特征数据和组合特征数据,并分别给出了其计算方法和特征值的选择.最后,文章通过选取电站长期运行的实际状态数据,对两种类型的特征数据进行统计分析,得到其数据特性和影响因素并给出相关结论.

摘要： 弧焊机器人示教获取的离散焊缝特征数据无法直接用于控制机器人焊接,需要拟合一条连续曲线来描述空间焊缝位置.利用基于内插节点的3次参数样条法拟合空间三维焊缝,通过对焊缝特征数据探察来估计局部焊缝段的线性度。采用二次函数拟合方法估算非线性焊缝段中的内插节点值。实验结果表明,即使焊缝特征点分布稀疏,内插节点样条方法拟合得到的曲线仍能准确经过各个特征点,且特征点之间不存在扰动。

摘要： 借鉴组合优化算法思想，对于LS-SVM(Least squares supportvector machine)算法，提出了基于组合最优化算法的最小二乘支持向量机算法COLS-SVM(Combimtorial optimization leastsquares support vector machine)。基于COLS-SVM算法分析，将COLS-SVM算法应用于金融计算中的个人信用评估，并与LSVM(Lagrange support Vector machine)算法、KNN(K-Nearest Neighbor)分类方法比较。实验结果表明：ODLS-SVM算法具有StY-的分类预测能力。

摘要： 借鉴组合优化算法思想，对于LS-SVM(Least squares supportvector machine)算法，提出了基于组合最优化算法的最小二乘支持向量机算法COLS-SVM(Combimtorial optimization leastsquares support vector machine)。基于COLS-SVM算法分析，将COLS-SVM算法应用于金融计算中的个人信用评估，并与LSVM(Lagrange support Vector machine)算法、KNN(K-Nearest Neighbor)分类方法比较。实验结果表明：ODLS-SVM算法具有StY-的分类预测能力。

摘要： 借鉴组合优化算法思想，对于LS-SVM(Least squares supportvector machine)算法，提出了基于组合最优化算法的最小二乘支持向量机算法COLS-SVM(Combimtorial optimization leastsquares support vector machine)。基于COLS-SVM算法分析，将COLS-SVM算法应用于金融计算中的个人信用评估，并与LSVM(Lagrange support Vector machine)算法、KNN(K-Nearest Neighbor)分类方法比较。实验结果表明：ODLS-SVM算法具有StY-的分类预测能力。

摘要： 借鉴组合优化算法思想，对于LS-SVM(Least squares supportvector machine)算法，提出了基于组合最优化算法的最小二乘支持向量机算法COLS-SVM(Combimtorial optimization leastsquares support vector machine)。基于COLS-SVM算法分析，将COLS-SVM算法应用于金融计算中的个人信用评估，并与LSVM(Lagrange support Vector machine)算法、KNN(K-Nearest Neighbor)分类方法比较。实验结果表明：ODLS-SVM算法具有StY-的分类预测能力。

摘要： 借鉴组合优化算法思想，对于LS-SVM(Least squares supportvector machine)算法，提出了基于组合最优化算法的最小二乘支持向量机算法COLS-SVM(Combimtorial optimization leastsquares support vector machine)。基于COLS-SVM算法分析，将COLS-SVM算法应用于金融计算中的个人信用评估，并与LSVM(Lagrange support Vector machine)算法、KNN(K-Nearest Neighbor)分类方法比较。实验结果表明：ODLS-SVM算法具有StY-的分类预测能力。

摘要： 借鉴组合优化算法思想，对于LS-SVM(Least squares supportvector machine)算法，提出了基于组合最优化算法的最小二乘支持向量机算法COLS-SVM(Combimtorial optimization leastsquares support vector machine)。基于COLS-SVM算法分析，将COLS-SVM算法应用于金融计算中的个人信用评估，并与LSVM(Lagrange support Vector machine)算法、KNN(K-Nearest Neighbor)分类方法比较。实验结果表明：ODLS-SVM算法具有StY-的分类预测能力。

摘要： 本发明提供的数据特征处理方法及数据特征处理装置，首先对多组业务数据进行排序得到业务数据排序序列并确定出跨时间验证集以及建模样本数据以采用预设分类器建立识别模型。其次根据识别模型及其增益指标计算业务数据的数据特征的特征重要性数值并以建模样本数据为基准计算相关性系数矩阵。然后根据相关性系数矩阵确定模型待选特征。最后将模型待选特征分批次导入预设分类器以确定模型基准性能数据。如此，能够依据特征重要性数值排序剔除高相关特征，能够减少模型建立过程中的运算时间和内存需求，降低模型复杂度以方便模型的实际运用与后期维护，结合特征重要性与模型性能两个维度在保证模型性能的情况下极大降低模型运算的资源消耗。

摘要： 立体视差计算单元(40)计算立体视差的预测值。线提取单元(50)在图像中执行线提取。线分类单元(60)将提取的线分类为不同的线类型，作为特征的内部屋顶线、特征的外部轮廓线、阴影区域的轮廓线等。无意义线消除单元(70)通过下面的处理来消除不存在于真实世界中的线。立体视差校正单元(90)基于由线对确定单元(80)确定的线对来校正视差的预测值。线对聚类单元(110)将属于相同特征的所有线对聚类为一个群集。平面组合单元(130)找出由平面提取单元(120)提取的每一个特征的所有平面在三维空间中的位置关系，并且产生描述每一个特征的整体结构的三维模型。

摘要： 时间序列数据特征量提取装置具备：数据加工部，基于受理的输入时间序列数据长度和受理的观测最小间隔来将受理的不等间隔时间序列数据组加工为包括缺损的等间隔时间序列数据组和表示缺损的有无的缺损信息组；模型学习部，针对模型，将所述包括缺损的等间隔时间序列数据组的矩阵的未缺损的要素与所述模型的输出层的输出结果的要素的差异作为误差，学习所述模型的各层的权重向量，将所述权重向量作为模型参数保存在存储部中；以及特征量提取部，受理特征量提取对象的时间序列数据，向所述模型输入所述受理的特征量提取对象的时间序列数据，由此，使用在所述存储部中保存的所述模型参数来计算所述模型的中间层的值，将所述计算出的中间层的值作为表示数据的随时间变化的特征量输出。

摘要： 立体视差计算单元(40)计算立体视差的预测值。线提取单元(50)在图像中执行线提取。线分类单元(60)将提取的线分类为不同的线类型，作为特征的内部屋顶线、特征的外部轮廓线、阴影区域的轮廓线等。无意义线消除单元(70)通过下面的处理来消除不存在于真实世界中的线。立体视差校正单元(90)基于由线对确定单元(80)确定的线对来校正视差的预测值。线对聚类单元(110)将属于相同特征的所有线对聚类为一个群集。平面组合单元(130)找出由平面提取单元(120)提取的每一个特征的所有平面在三维空间中的位置关系，并且产生描述每一个特征的整体结构的三维模型。

摘要： 本发明属于计算机科学的机器学习领域，尤其涉及一种基于特征形态和数据关系的数据特征构建系统和方法。本发明充分考虑了数据之间的关联性，根据数据之间的关联性构建DAG执行聚合图，并根据数据特征的统计值构建衍生的数据特征，然后根据DAG执行聚合图对数据特征进行聚合操作，对聚合后特征集进行过滤处理和降维处理。本发明通过DAG执行聚合图充分考虑了数据特征之间的关联性，通过构建衍生的数据特征满足了对业务多样性的适应，本发明的数据特征构建方法提高了特征的信息浓度，提升了数据特征构建的效率。

摘要： 一种用于捕获人的身体部位(4)的图像数据的生物特征成像设备(10)，该生物特征成像设备(10)包括用于在可见光谱中捕获身体部位的图像数据的可见光传感器(101)和用于在近红外光谱中捕获身体部位的图像数据的近红外光传感器(102)中的至少一个。生物特征成像设备(10)包括飞行时间摄像机(103)，该飞行时间摄像机(103)配置为捕获人的身体部位(4)的三维图像数据。生物特征成像设备(10)配置为执行成像程序，该成像程序包括步骤：捕获当前的身体部位姿势的三维图像数据；基于三维图像数据确定期望的身体部位姿势和当前的身体部位姿势之间的差异；基于确定的差异向人提供用户指导，使人能够朝期望姿势的方向调整身体姿势；以及捕获可见光谱中的图像数据和红外光谱中的图像数据中的至少一种。

摘要： 本发明提供的数据特征处理方法及数据特征处理装置，首先对多组业务数据进行排序得到业务数据排序序列并确定出跨时间验证集以及建模样本数据以采用预设分类器建立识别模型。其次根据识别模型及其增益指标计算业务数据的数据特征的特征重要性数值并以建模样本数据为基准计算相关性系数矩阵。然后根据相关性系数矩阵确定模型待选特征。最后将模型待选特征分批次导入预设分类器以确定模型基准性能数据。如此，能够依据特征重要性数值排序剔除高相关特征，能够减少模型建立过程中的运算时间和内存需求，降低模型复杂度以方便模型的实际运用与后期维护，结合特征重要性与模型性能两个维度在保证模型性能的情况下极大降低模型运算的资源消耗。

摘要： 本发明涉及计算机技术领域，公开了一种行为特征数据的获取方法与系统。所述行为特征数据的获取方法包括：采集用户在使用目标应用时的多个预设维度上的行为特征数据；将所述多个预设维度上的行为特征数据与多个行为特征模式进行匹配，其中，所述行为特征模式由所述多个预设维度中的至少两个预设维度上的行为特征数据各自所属的范围组成；以及在所述多个预设维度上的行为特征数据与所述多个行为特征模式中的特定行为特征模式相匹配的情况下，将所述行为特征数据上传至所述目标应用的服务器。本发明可在很大程度上降低要上传至服务器上的数据量，从而不仅可以大量节省用户流量、服务器资源及电力资源，还能更精准地识别具有潜在购买意愿的用户。

摘要： 本说明书提供一种特征数据库的更新、数据特征的确定方法、装置及设备，针对待存储的目标数据特征，能够基于哈希值的一致性，与特征数据库中已存储的数据特征进行比对，进而根据对比结果确定是否利用所述目标数据特征更新所述特征数据库。本实施例中，数据特征通过哈希值进行区分，能够保证数据特征的唯一性，使得特征数据库能够存储精确的数据特征。另外，在编写拦截条件时，利用本说明实施例方案可以快速地查询到待拦截的业务数据的目标数据特征是否是唯一区别于其他业务数据的特征。

摘要： 本发明公开了一种会员特征数据统计方法，包括：(1)提取反映会员属性特征的基础数据信息，并构建至少包括该些基础数据信息作为字段的会员基础数据表和若干扩展信息表；(2)将会员基础数据表和该些扩展信息表之间进行组合建模；(3)从数据源中将每日会员处理情况清洗成日汇总表，利用日汇总表定期更新会员基础数据表的记录和扩展信息表中的记录；(4)接收到请求人将一个业务特征点或多个业务特征点任意组合设定的统计条件后，从会员基础数据表中或对应的扩展信息表中聚合其满足条件的记录，完成其数据统计操作。通过上述方式，可最大限度地减少技术人员参与统计操作，节约了人力成本，提高了系统的运行效率。