41个项目!2023年度“CCF科技成果奖”公布—新闻—科学网

2023年度“CCF科技成果奖”评选结果公告

本年度共收到推荐/申报项目95个,经过评选,CCF奖励委员会决定授予“面向推荐系统的数据挖掘基础理论与方法”项目、“面向复杂装备保障的虚实融合空间计算关键技术及应用”项目、“OpenHarmony智能终端操作系统基座”项目等41个项目2023年度CCF科技成果奖。

特此公告。

中国计算机学会

2023年9月27日

==============================

附:2023年度“CCF科技成果奖”获奖项目名单

自然科学一等奖(1个)

项目名称:面向推荐系统的数据挖掘基础理论与方法

完成单位:中国科学技术大学、微软亚洲研究院

主要完成人:陈恩红、连德富、谢幸、练建勋

自然科学二等奖(5个)

项目名称:云环境下大规模图迭代计算的理论与系统

完成单位:东北大学

主要完成人:于戈、张岩峰、谷峪、王志刚、巩树凤、王千阁

项目名称:异构无线网络共存与融合理论和方法

完成单位:清华大学、北京邮电大学

主要完成人:何源、郭秀珍、郑霄龙、刘云浩、王继良

项目名称:大图数据凝聚子图挖掘基础理论与方法

完成单位:北京理工大学、香港中文大学、深圳大学

主要完成人:李荣华、于旭、袁野、毛睿、王国仁

本项目建立了一套大图数据凝聚子图挖掘基础理论与方法,包括凝聚子图的影响建模方法、渐近计算理论、增量维护理论,实现了大图数据凝聚子图挖掘从“难计算”到“可计算”再到“秒级响应”的技术突破,成果获ICDE的最佳论文奖和最佳学生论文奖,在中船重工、字节跳动等单位得到成功应用,取得了良好的社会经济效益。

项目名称:软件定义云数据中心的网络架构与资源管理理论与方法

完成单位:国防科技大学、军事科学院

主要完成人:郭得科、朱晓敏、罗来龙、任棒棒、王吉、谢俊杰

本项目针对软件定义云数据中心的基础性难题,提出了软件定义云数据中心的可扩展网络架构设计、多维资源协同管理以及云计算任务协同和容错调度等理论和方法,提高了云数据中心资源利用效率与任务服务质量,成果在阿里云、Hadoop等互联网企业和开源平台中得到应用。

项目名称:自然现象多通道模拟理论与方法

完成单位:天津大学、浙江大学

主要完成人:刘世光、王章野、彭群生

技术发明一等奖(3个)

项目名称:面向复杂装备保障的虚实融合空间计算关键技术及应用

完成单位:北京航空航天大学、北京津发科技股份有限公司

主要完成人:王莉莉、周栋、周彬、赵起超、雷小永、赵沁平

本项目聚焦面向复杂装备保障的虚实空间呈现、交互以及维修性评价等需求,突破了一系列虚实融合空间计算的关键技术,构建了复杂装备保障的虚实融合支撑平台,为在轨空间站、大型民航客机C919和C929、某型涡轴航空发动机、大型无人机长鹰等航空航天领域国产战略装备研制了虚实融合保障应用系统,取得了显著的社会和经济效益。

项目名称:面向互联网服务的云原生运行时系统关键技术及其应用

完成单位:上海交通大学、阿里云计算有限公司、联想(北京)有限公司

主要完成人:陈全、过敏意、马涛、宋卓、张文杰、杨勇

针对互联网服务对云原生的需求,该项目突破了数据流驱动的工作流高效调度、多层级共享的容器运行时及启动优化、混合部署容器的性能冲突消除、动态微服务图的QoS快速恢复等关键技术,构建了云原生运行时系统“逍遥”,集成于AlibabaCloudLinux、联想xCloud云原生容器云平台,服务了一批行业领军客户。成果开源软件6项。

项目名称:面向分布式AI应用的服务协同计算关键技术及应用

完成单位:北京邮电大学、浪潮(北京)电子信息产业有限公司

主要完成人:王尚广、周傲、王彦伟、桑新柱、鄂海红、杜军平

本项目在快速高效的服务协同、绿色可靠的计算资源调度、异构芯片全互连的计算加速等方面取得系列的技术发明和创新,缓解了计算能力受限、资源调度失衡、服务供应不足导致的分布式AI应用面临的运行效率低下问题,成果应用于三大运营商、大型互联网公司等单位,取得了良好的经济和社会效益。

技术发明二等奖(3个)

项目名称:数智融合的一体化大规模云网络运维关键技术及系统

完成单位:清华大学、阿里云计算有限公司、中关村实验室

主要完成人:杨家海、祝顺民、董恩焕、吕彪、王之梁、张世泽

本项目针对云网络运维面临的成本、效率、实时性等挑战,突破了高性能运维数据管理、无人值守网络变更、高精度网络监控、全链路异常自愈等关键技术,研制了数智融合的一体化大规模云网络运维系统,提升了云网络系统的可靠性,支撑了阿里云全球300多万客户。

项目名称:信息物理融合系统一体化建模与定制化服务技术及应用

完成单位:西北工业大学

主要完成人:杨刚、董云卫、姚远、沈博、周兴社

本项目针对信息物理融合系统(CPS)亟需解决的“融合模型一体构建、系统特性综合验证、运行平台广谱适应”的技术挑战,提出了场景驱动的一体化建模方法、关键特性形式化验证方法、能力互补的自适应运行服务技术和基于软件定义的领域优化技术等,成果在国家重点型号研制、关键基础设施运维和多家重点企业转型升级中取得显著应用效果。

项目名称:基于数据闭环引擎的高级别自动驾驶预测决策技术

完成单位:上海滴滴沃芽科技有限公司、北京嘀嘀无限发展有限公司

主要完成人:张博、盛克华、孟醒、刘春阳、吴国斌、李群

本项目结合深度神经网络和驾驶数据,提出了准确、高效的行为预测和安全、智能的车辆决策算法,为滴滴自动驾驶公开道路测试提供了重要支撑,目前已应用于滴滴在北京、上海、广州等多个城市部署的近200辆高级别自动驾驶汽车上。

科技进步特等奖(1个)

项目名称:OpenHarmony智能终端操作系统基座

完成单位:华为技术有限公司、上海交通大学、中国科学院软件研究所

主要完成人:陈海波、柳晓见、贾宁、任革林、武延军、任旭东

本项目围绕存储、内存、调度和分布式基础机制等智能终端操作系统核心领域进行架构级创新,多项关键指标实现业界领先。成果广泛应用于华为公司3.3亿台终端产品和国家关键行业终端(金融、交通、教育、安平、能源、航天等),部分技术成为业界标准,并为我国操作系统开源社区和人才培养做出贡献。

科技进步一等奖(5个)

项目名称:基于神龙软硬协同虚拟化的超大规模云计算关键技术与系统

完成单位:阿里云计算有限公司、上海交通大学

主要完成人:张献涛、蒋林泉、姚建国、张建锋、杨航、蒋江伟

本项目围绕超大规模云计算关键技术,提出了面向大规模公共云的“云原生虚拟化”技术体系与结构,在计算与I/O分离的高隔离与低损耗虚拟化、软硬协同I/O虚拟化加速、软硬协同设计虚拟化的RAS和负载率提升等方面取得技术突破,降低了云计算虚拟化成本,提升了云服务的性能和效率,项目成果应用于阿里云,服务全球四百多万用户。

项目名称:《科幻电影中的科学:科学家奶爸的<流浪地球2>手绘》

完成单位:中国科学院计算技术研究所、中国科学技术出版社有限公司、南方科技大学

主要完成人:王元卓、崔原豪、陆源、郑洪炜、沈英汉、江旭晖

本项目围绕科幻电影和科技知识的普及与传播,创造性融合影视制作与科学传播,出版科普图书《科幻电影中的科学:科学家奶爸的<流浪地球2>手绘》,探索了一种计算科学普及的新模式。图书受到了社会各界的充分肯定,被央视、人民日报等大量持续报道,实现科普内容一次传播6.6亿,引发二次传播超60亿,产生巨大的社会影响。

项目名称:国产高端服务器整机系统设计技术研究

完成单位:浪潮(山东)计算机科技有限公司、浪潮电子信息产业股份有限公司、苏州浪潮智能科技有限公司

主要完成人:贡维、李岩、吕东波、许泗强、李文方、王勇

本项目针对国产高端服务器的关键技术瓶颈,提出了一种基于国产处理器的动态可重构服务器系统架构和自主可控故障诊断系统,填补了国产供电电源方案空白,改善了系统稳定性和可靠性,提高了我国服务器产业链整体自主能力,成果在党政、通信、金融、能源、互联网等关键领域得到广泛应用。

项目名称:面向多元化智能产业应用的端云协同关键技术与系统平台

完成单位:淘宝(中国)软件有限公司、上海交通大学、浙江大学

主要完成人:吕承飞、牛超越、张圣宇、陈志文、吴帆、吴飞

本项目针对移动端多元化智能产业应用重要场景的挑战,研制了端云协同学习通用系统平台洛犀-瓦力(Walle),构建了以端云协同计算架构为核心的个性化信息流推荐、多模态内容理解、三维重建和实时渲染技术新体系,在阿里巴巴集团典型应用场景取得了显著的经济效益,开源了高性能轻量级深度学习引擎MNN。

项目名称:数实融合精准导学关键技术与应用

完成单位:联想研究院、西安交通大学

主要完成人:王茜莺、田锋、武亚强、张玲玲、王璐妍、张晓平

本项目围绕数实融合的精准导学关键技术,提出了知识体系融合构建与自动标注、虚实融合互动与智能问答、纸笔错题检测与自适应试题生成等一系列新技术,研发的联想智慧教育平板、教育大屏与联想精准导学平台为全国的中小学智能化教学提供技术支持。成果在全国31省市自治区的10000余所学校大规模应用,取得良好的社会经济效益。

科技进步二等奖(10个)

项目名称:高端柴油发动机故障诊断与智慧服务关键技术及应用

完成单位:潍柴动力股份有限公司

主要完成人:唐波、宋业栋、殷利航、王鹤霖、王永来、张海伟

本项目面向高端柴油发动机故障诊断与智慧服务,在发动机故障诊断的数据采集、计算与应用验证体系、智能维保提醒技术、发动机性能监控指标预警技术、智能引导式自学习故障诊断技术等方面取得重要进展,产品成功应用于中国重汽、一汽、山推等主流企业,故障诊断工具与技术推广至7000余家服务站,大幅度提升客户满意度。

项目名称:基于空天地智能感知的城市综合风险监测预警系统

完成单位:航天宏图信息技术股份有限公司

主要完成人:杨广平、廖通逵、陈圆圆、王涛、朱丽雅、范磊

本项目针对城市自然灾害特点和业务需求,在基于空天地多源数据智能感知、基于轨迹挖掘的预警推送、基于知识图谱的辅助决策、灾害综合风险监测研判和预警决策等方面取得了重要进展,显著增强了城市灾害监测预警、防灾减灾和应急指挥救援的能力,提升了重大灾害预警信息服务和发布时效,在应急管理自然灾害领域得到规模化应用。

项目名称:分布式知识图谱数据管理关键技术与系统

完成单位:天津大学、中国人民大学、天津南大通用数据技术股份有限公司

主要完成人:王鑫、柴云鹏、赵伟

本项目针对数据库管理系统的这一重要领域,突破知识图谱数据的统一模型和分布式管理等关键技术,研制的系统支持了3亿顶点和10亿边以上的知识图谱高效管理,成果应用于国产数据库南大通用GBaseUP,在金融、政务等重点行业领域取得规模化市场应用,取得显著的经济和社会效益。

项目名称:云网边融合架构下大规模在线服务智能部署与加速关键技术及应用

完成单位:复旦大学、网宿科技股份有限公司

主要完成人:吕智慧、王新、吴杰、赵进、蔡龙师、曹建加

本项目围绕自主产权算力网络建设,提出了云网边融合架构下资源智能部署技术、任务调度技术、网络更新优化技术和面向全球异构服务系统的加速方案,建设了云网边融合架构的大规模在线服务平台,为200多家客户的互联网门户平台以及工业互联网应用提供云网边融合服务,取得了良好的经济和社会效益。

项目名称:超大规模金融智能决策系统研发与规模化应用

完成单位:浙江大学、蚂蚁集团

主要完成人:郑小林、周俊、陈超超、卢星宇、朱梦莹、吴华

本项目针对普惠金融中金融智能决策建模问题,提出了复杂异构金融数据洞察分析技术、超大规模高性能运筹优化决策技术以及工业级全链路金融决策智能服务技术,研制了支持百亿参数规模的超大规模金融智能决策平台,并且在智能风控、智能营销、财富管理等金融核心场景进行了成果应用。

项目名称:基于云原生及智能内生的5G专网研发与行业规模应用

完成单位:亚信科技(中国)有限公司、清华大学、国电电力双维内蒙古上海庙能源有限公司

主要完成人:欧阳晔、张亚勤、朱多智、叶晓舟、刘云新、彭志彬

本项目研发了基于云原生及内生智能的5G专网,突破了开放与性能兼顾的专网全栈云化、虚拟化及端到端切片等核心技术,基于智能网元实现了5G无线接入网与核心网的外挂智能向智能内生的转变,为软硬件封闭的通信设备研发提供了软件化产业开放的有效途径,在核电、火电、风电等重点能源行业得到大规模应用。

项目名称:“AI+安全”智能安全融合关键技术研究和规模化应用

完成单位:绿盟科技集团股份有限公司、南京航空航天大学、深圳大学

主要完成人:顾杜娟、薛明富、王星凯、江魁、刘文懋、李文瑾

本项目针对“AI+安全”智能安全融合体系中的技术难点,在融合安全图谱的高级持续威胁全天候全方位监测、面向AI模型的对抗攻击检测和防御等方面取得重要进展,并基于XOps构建一站式全流程智能安全分析服务,研发的产品在政府、运营商和金融等行业得到规模化应用,取得突出的经济和社会效益。

项目名称:时空数据预测关键技术及其在交通和物流领域的应用

完成单位:北京交通大学、招商新智科技有限公司

主要完成人:万怀宇、郭晟楠、滕志伟、张硕、王振华、林友芳

本项目面向智能交通和智慧物流领域的时空数据预测需求,分别针对时空图数据、时空网格数据和时空轨迹数据等不同类型的时空数据提出了一系列有效的预测模型,构建了时空数据预测的技术体系,并在公路、民航和物流领域得到广泛的应用,提升了交通和物流系统的运行效率和服务质量,取得了显著的社会经济效益。

项目名称:安心赔-基于多模态人工智能的2日快赔技术与应用

完成单位:蚂蚁集团

主要完成人:陈景东、王洪彬、韩冬、李亚东、黄祖明、谢乐乐

本项目针对保险行业理赔难、理赔慢的痛点,突破了复杂医疗凭证信息高精度识别、保险领域知识约束的理赔决策、隐私计算案件精准调查、智能文档相机等关键技术,研制了申请快、审核快、调查快的“2日”快赔系统,大幅提升了健康险理赔的效率,在17家保险公司93款产品中取得成功应用,取得了显著的社会经济效益。

项目名称:SMTXOS:全链路I/O性能优化的超融合系统

完成单位:北京志凌海纳科技有限公司

主要完成人:张凯、周于添、柯杰伟、冯力、王赛、徐文豪

本项目针对云计算平台基础架构软件方面的挑战,在基于非易失性内存的I/O性能优化、基于RDMA的网络通信优化、以及虚拟硬盘数据零拷贝等方面,取得重要进展。项目研发的SMTXOS5.0系列超融合系统,已经在金融,医疗,先进制造等行业广泛部署和应用,取得显著的经济和会效益。

科技进步三等奖(13个)

项目名称:数据安全智能防护关键技术及应用

完成单位:北京亿赛通科技发展有限责任公司、北京信息科技大学

主要完成人:朱贺军、易军凯、崔培升、梁金千、宋春岭、夏昆

本项目重点突破了端点数据自适应防护、海量数据内容审计、重要数据深度感知、敏感数据智能防护等关键技术,成果应用于金融、制造等行业,用户超过万家,部署终端超过800万台,保护了国家的数据资产安全,取得了显著的社会效益。

项目名称:电力营销客户服务业务中台及其关键技术应用

完成单位:北京中电普华有限公司

主要完成人:欧阳红、朱平飞、江再玉、熊根鑫、刘俊艳、方红旺

本项目应用统一客户模型、领域驱动设计、微服务架构、云计算等先进方法和技术,研制了电力营销客户服务业务中台系统,支撑了国家电网公司面向4.7亿电力客户的数字化服务业务开展,取得了突出的社会和经济效益。

项目名称:电信级边缘缓存存储关键技术及产业应用

完成单位:中兴通讯股份有限公司、中国科学院计算技术研究所、天津理工大学

主要完成人:杨洪章、陈世敏、蒋德钧、屠趁锋、徐光平、郭斌

本项目突破了边缘缓存存储高性能、高可靠、易运维等关键技术,研发了具有自主知识产权的中兴分布式缓存DCACHE,广泛应用于电信、金融、政务、教育等领域,服务于30多国家的百余家单位,取得了显著的经济和社会效益。

项目名称:基于AI销量预测的自动补货系统

完成单位:多点生活(中国)网络科技有限公司

主要完成人:许彬、吴燕迪、李路莹、郭杰、罗世利、江熙悦

本项目围绕零售供应链数字化这一难题,基于先进的AI销量预测技术,研制了智能适配多业态术,构建了场景的自动补货系统-多点DMALL,并在多个商家得到成功应用。该项目能够从经营层面和管理层面赋能零售商家,取得明显的经济和社会效益。

项目名称:基于人工智能的全栈式自主可控企业资源计划与生产运营系统(电网管理平台)

完成单位:中国南方电网有限责任公司、南方电网数字平台科技(广东)有限公司

主要完成人:赵铭、陈彬、吴争荣、林克全、李亚松、王忠军

项目名称:一种基于算力网络的5G网元全链路持续交付与节能关键技术研究及应用

完成单位:中兴通讯股份有限公司

主要完成人:鞠炜刚、王佳、胡继东、张云龙、王翔宇、张佑文

本项目围绕5G网元持续交付问题和节能降耗的挑战,提出了基于算力网络的全链路持续交付和节能关键技术,实现了环境资源分层编排、并行自动部署和测试、灰度验收发布和智能节能,在设备商和运营商间完成持续交付贯通。该成果为5G建设提供有力支撑,在数字化转型提效降本和双碳节能方面取得了显著社会经济效益。

项目名称:基于5G+MEC的AI视觉质检平台关键技术及应用

完成单位:中国石油大学(华东)、卡奥斯工业智能研究院(青岛)有限公司、卡奥斯物联科技股份有限公司

主要完成人:刘伟锋、鲁效平、盛国军、刘宝弟、秦承刚

本项目针对制造业质检难题,通过边缘计算和5G技术的融合,搭建算网融合的架构,设计视觉算法模型和边缘视觉检测算法,研制了基于5G+MEC的AI视觉质检平台,成果应用于家电、汽车、电子等行业,取得突出的经济和社会效益。

项目名称:AI驱动的云原生智能调度技术及应用

完成单位:腾讯云计算(北京)有限责任公司、中山大学、腾讯科技(深圳)有限公司

主要完成人:邹辉、陈鹏飞、于广游、孟凡杰、黄涛、方睿

项目名称:基于地理多模态与因果推断的物流AI系统

完成单位:浙江菜鸟供应链管理有限公司

主要完成人:吴黎霞、胡浩源、栗鹏、付磊、楼俊鸿、邓旻辉

本项目针对物流复杂巨系统的运转决策这一难题,研发了基于地理多模态与因果学习的物流AI系统,提出了物流领域知识图谱+预训练模型的多模态双系统技术,设计了因果结构学习及推断的决策框架,构建了物流AI开源生态。成果在在菜鸟内外场景中应用,取得了显著经济和社会效益。

项目名称:广域位置服务关键技术及应用

完成单位:同济大学、千寻位置网络有限公司、中移智行网络科技有限公司

主要完成人:刘儿兀、陈金培、冯绍军、蒋鑫、饶卫雄、瞿昕宇

本项目围绕广域位置服务系统建设这一难题,提出“云端一体”跨网络融合服务架构,突破了蜂窝定位的小样本学习和轨迹恢复技术、以及室内外同制式的室内北斗定位技术,建成全球规模最大的5G+北斗高精定位系统和位置服务平台,在智能驾驶、大众消费、公共服务、智慧城市等领域得到规模应用,产生显著的经济和社会效益。

项目名称:基于时空视觉感知和多源信息融合的高效视频浓缩关键技术及应用

完成单位:石家庄铁道大学、中国电子科技集团公司第五十四研究所、厦门瞳景智能科技有限公司

主要完成人:张云佐、董彦磊、王正友、霍磊、高金飘

项目名称:大模型轻量化技术及其在生活服务互联网平台应用

完成单位:北京三快在线科技有限公司(美团)

主要完成人:王金刚、唐弘胤、杨扬、刘家豪、李如寐、蔡勋梁

项目名称:面向政府行业多云管理模式下的云原生服务平台关键技术与应用

完成单位:浪潮软件科技有限公司

主要完成人:李存冰、陈焕新、吴镝、刘金革、杨建、吕鹤

本项目围绕云原生服务,提出基于多云/异构云资源的统一适配、调度与分级运维运营管理技术、多形态行业应用的资源协同和上云支撑技术,自主研发了面向政府行业多云管理模式下的云原生服务平台关键技术,应用于浪潮行业数字平台、浪潮行业云服务管理平台等产品中,取得显著的经济和社会效益。

THE END
1.数据挖掘的分析方法可以划分为关联分析序列模式分析分类分析和数据挖掘是从大量数据中提取有用信息的方法,主要分为四种分析方式:关联分析、序列模式分析、分类分析和聚类分析。在本指南中,我们将详细介绍这四种方法的实现过程,并提供相应的代码示例。 数据挖掘流程 首先,我们需要明确数据挖掘的基本流程,如下表所示: 流程图 https://blog.51cto.com/u_16213297/12863680
2.机器学习面临的三个关键数据挑战尤其是研究数据生态系统已经变得高度复杂,组织内部和外部的合作者需要快速访问数据以及简化数据管理的方法。机器学习的挑战很多。第一步是使用正确的数据和基础结构启动项目。https://www.528045.com/article/7f423917e5.html
3.机器学习找不到创新点?三种特征选择的方法包你拿下顶会!文章介绍了两种新的决策树框架LDATree和FoLDTree,它们结合了不相关线性判别分析(ULDA)和前向ULDA。这些方法能够高效地进行斜切分,处理缺失值,支持特征选择,并提供类标签和概率作为模型输出。通过在模拟和真实数据集上的评估,LDATree和FoLDTree在准确率上与随机森林相当,显示出作为传统单树方法的稳健替代方案的潜力。 https://www.bilibili.com/read/cv40067807
4.大数据分析与挖掘第2篇洞察研究大数据分析与挖掘-第2篇-洞察研究 下载积分: 1388 内容提示: 大数据分析与挖掘 第一部分 数据预处理:清洗、整合和规约 2 第二部分 数据探索性分析:可视化和统计检验 4 第三部分 关联规则挖掘:频繁项集和关联规则生成 https://www.doc88.com/p-90990192352266.html
5.数据挖掘的挑战与解决方案:如何克服数据挖掘中的难题数据挖掘是一种利用统计学、机器学习、数据库、优化等方法从大量数据中发现新的、有价值的信息和知识的过程。在今天的大数据时代,数据挖掘已经成为企业和组织中不可或缺的工具,帮助他们发现隐藏的趋势、规律和关系,从而提高业务效率、优化决策和提高竞争力。然而,数据挖掘也面临着许多挑战,如数据质量、数据量、算法复杂https://blog.csdn.net/universsky2015/article/details/137303519
6.数据挖掘七种常用的方法汇总腾讯云开发者社区聚类分群效果可以用向量数据之间的相似度来衡量,向量数据之间的相似度定义为两个向量之间的距离(实时向量数据与聚类中心向量数据),距离越近则相似度越大,即该实时向量数据归为某个聚类。 数据挖掘方法 利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖掘等, 它https://cloud.tencent.com/developer/article/1892597
7.数据挖掘技术方法(精选十篇)数据挖掘技术方法 篇4 关键词:大数据,审计,数据分析 0引 言 审计是保障国家经济社会健康运行的“免疫系统”,在数据信息爆炸的今天,大数据的浪潮促使着审计思维模式的变革。面对已经到来的大数据时代和由此带来的数据量、数据类型、数据处理方式的转变,意味着在大数据环境下进行审计数据分析将面临更大的技术挑战。2012年https://www.360wenmi.com/f/cnkeyg31vygx.html
8.数据挖掘过程中可能遇到的挑战和难题有哪些?比如文本数据、图像数据、时间序列数据等,都需要特殊的处理方法和算法。 模型选择:在数据挖掘过程中,选择合适的模型对于结果的准确性和可解释性至关重要。但是不同的模型适用于不同类型的数据和问题,如何选择合适的模型也是一个挑战。 解释和应用:数据挖掘得到的模型可能很复杂,难以解释和理解,而且如何将挖掘结果应用https://www.mbalib.com/ask/question-4287fe162960fd7c73a171c2f700c56f.html
9.数据挖掘VS机器学习,你了解多少?如今,获取数据比以往任何时候都更容易,但从数据中生成见解和信息正变得更具挑战性。企业经常发现自己处于一种情况,他们拥有的数据远远超过他们所知道的数据,这可能会适得其反,导致无所作为。 数据挖掘和机器学习是企业将这些庞大的数据库转化为有用信息的两种主要方法。 https://www.fromgeek.com/telecom/509859.html
10.大数据在高等教育领域中的应用及面临的挑战国家政策法规由于大数据在高等教育领域的应用十分广泛,本研究主要讨论两种教育大数据分析方法,即教育数据挖掘和学习分析在高等教育的教与学领域中的应用情况,以及大数据在高等教育领域应用面临的一些两难挑战。 三、教育数据挖掘与学习分析方法及其应用 在高等教育领域,教育大数据分析主要采用两种技术,即教育数据挖掘和学习分析。对这两者https://manager.hkxy.edu.cn/s.php/pgztw/item-view-id-54267.html
11.BdRace数睿思“数睿思”数据挖掘竞赛平台(BdRace),专注高校数据挖掘竞技,致力于打造完整大数据生态系统。依托大型的全国性的数据挖掘赛事,汇聚政府、企业、机构、高校、风投等多方资源,为企业提供最优的大数据解决方案,解决企业实际项目需求,选拔高校优秀人才;为高校提供最优的https://www.tipdm.org/
12.数据挖掘主要挖掘些什么呢帆软数字化转型知识库文本挖掘的过程包括数据采集、文本预处理、特征提取和模型训练。首先,需要从各种来源采集文本数据,如社交媒体、新闻文章等。接下来,对文本数据进行预处理,包括分词、去除停用词、词干提取等。然后,使用特征提取方法,如TF-IDF、词向量等,将文本数据转化为数值特征。最后,选择合适的模型进行训练,如情感分析模型、主题模型https://www.fanruan.com/blog/article/571465/
13.干货▏面向大数据的时空数据挖掘基于地图模型的算法时间复杂度通常比较大,对时空数据的存储管理和索引技术要求比较高。另一方面,MapReduce 计算模型的组织形式和数据处理方法不适合处理时空数据模型;Hadoop 技术也无法有效支持数据挖掘中监督学习所用的迭代式计算方法,因而无法完全满足时空数据分析的需要。这些对学术界和工业界来数都是一项巨大的挑战。https://czj.guiyang.gov.cn/new_site/zwgk_5908373/zszc_5908415/202205/t20220531_74514473.html
14.8种Python异常检测算法总结python异常检测是通过数据挖掘方法发现与数据集分布不一致的异常数据,也被称为离群点、异常值检测等等。本文为大家整理了8个常见的Python异常检测算法,希望对大家有所帮助 + 目录 一、异常检测简介 异常检测是通过数据挖掘方法发现与数据集分布不一致的异常数据,也被称为离群点、异常值检测等等。 https://www.jb51.net/article/274424.htm
15.一文解析:生成技术在时空数据挖掘中的应用澎湃号·湃客生成技术如大规模语言模型(LLMs)、扩散模型(Diffusion)、自监督学习(SSL)、序列到序列(Seq2Seq)模型和扩散模型的出现,为进一步增强时空数据挖掘开辟了新的可能性。本文详尽地介绍了生成技术在时空数据挖掘中的应用,提出了一个标准的时空数据挖掘框架,并探讨了未来的研究方向。通过结合生成技术和时空数据挖掘方法,我们能https://www.thepaper.cn/newsDetail_forward_27622047
16.泰迪杯数据挖掘挑战赛张颖峰.ppt泰迪杯数据挖掘挑战赛-张颖峰.ppt,问题及解读 问题四:按照数据中给出的时间、冷却负载、室外温度和湿度,试给出所有可控变量的最优控制策略,以及相应的系统总耗电量和系统效率。 约束条件:时间、室外温度和湿度、冷却负载 优化变量:设备状态和可控设备参数 * 中央空调高https://max.book118.com/html/2017/1229/146354588.shtm
17.大数据分析的常用方法,挖掘隐藏机遇与应对挑战大数据时代的到来,给企业带来了巨大的机遇和挑战。如何利用大数据分析方法,挖掘隐藏在海量数据中的商机,并应对日益复杂的市场环境,成为企业争夺竞争优势的关键。本文将介绍一些在大数据分析中常用的方法,通过多个案例和调查报告,展示这些方法如何帮助企业实现商业增长。 https://www.guandata.com/gy/post/22455.html
18.TKDE2023方面级情感分析(ABSA)最新综述:任务方法与挑战简介:TKDE 2023 | 方面级情感分析(ABSA)最新综述:任务、方法与挑战 Aspect-Based Sentiment Analysis (ABSA),属于情感分析 Sentiment Analysis 以及观点挖掘 Opinion Mining 方向的一个子领域,从名字也可以直观看出是在 aspect (常译为方面或属性) 级别开展情感和观点的分析。 https://developer.aliyun.com/article/1227402
19.目前数据分析和数据挖掘面临的挑战性问题不包括()。目前数据分析和数据挖掘面临的挑战性问题不包括()。 A.数据类型的多样化B.高维度数据C.离群点数据D.分析与挖掘结果可视化 点击查看答案进入小程序搜题 你可能喜欢 1. What is the origin of Qixi festival? It originated from a folk tale . A、 about Niulang and Zhinv B、 about Xu Xian and the whihttps://m.ppkao.com/wangke/daan/6917a49255034683a9baeadd12198771
20.大数据中数据挖掘技术的挑战大数据中数据挖掘技术的挑战首先,数据挖掘简单的来说就是从一堆数据里面找有价值的东西。现在数据也是资产,将来会有一个经营数据的公司。所以数据是新的石油,我们要从这里采矿,练成各种各样有用的东西。所以谁拥有数据,谁就拥有未来,数据是企业未来的核 https://www.cda.cn/view/19358.html
21.时空大数据数据挖掘时空大数据数据挖掘是当前信息技术领域的一项重要任务,它通过对海量、多源、高维、动态时空数据的分析和挖掘,帮助人们发现数据背后的价值和潜力。这项技术不仅在学术界受到广泛关注,也在众多行业中得到了应用。本文将介绍时空大数据数据挖掘的概念、应用和挑战。 http://chatgpt.cmpy.cn/article/4680450.html
22.代理IP如何助力社交媒体数据挖掘一、 社交媒体数据挖掘的挑战 在社交媒体的海洋中,数据挖掘是一项充满挑战的任务。尽管社交媒体平台如微博、抖音、小红书等为我们提供了丰富的信息资源,但要从中提取有价值的数据并非易事。以下是我们在社交媒体数据挖掘过程中可能遇到的一些主要问题: 1、访问限制 https://maimai.cn/article/detail?fid=1842599412&efid=66_C_X4VT7K7UqztO24TKQ
23.与挖掘少量数据(如几百个元组的数据集合)相比,挖掘海量数据(如数数据挖掘在性能方面的一个挑战就是数据挖掘算法的高效性和可扩展性。这是为了在可预测和可接受的运行时间内从数据库大规模的数据当中有效地提取信息。另一个挑战就是数据挖掘算法的并行性、分布式以及增量处理。并行性和分布式的提出主要是因为一些数据库的超大数据规模、广泛分布的数据以及一些数据挖掘方法的计算复杂度https://easylearn.baidu.com/edu-page/tiangong/questiondetail?id=1721384469050622711&fr=search