隨機(jī)遮掩等數(shù)據(jù)預(yù)處理，將獲取的5 932張水稻害蟲(chóng)圖像擴(kuò)展到21 340張，在ConvNeXt-T神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，來(lái)識(shí)別水稻種植中最常見(jiàn)的4種病害（白葉枯病、水稻細(xì)菌性條斑病、褐斑病、水稻東格魯病毒?。Ｓ?xùn)練結(jié)果表明，在相同的實(shí)驗(yàn)環(huán)境下，與經(jīng)典的AlexNet、GoogLeNet、ResNet34及VGG16網(wǎng)絡(luò)相比，ConvNeXt-T神經(jīng)網(wǎng)絡(luò)性能最佳，病害識(shí)別準(zhǔn)確率最高（99.86%）。其優(yōu)秀的識(shí)別精度能夠?yàn)榇笈锼静∠x(chóng)害的預(yù)防提供有力的幫助。

文主要針對(duì)數(shù)據(jù)預(yù)處理中存在的核心問(wèn)題，著重介紹了幾種在數(shù)據(jù)采集以及數(shù)據(jù)清洗中運(yùn)用的方法，從而更好地應(yīng)對(duì)日益復(fù)雜的數(shù)字化治理挑戰(zhàn)，實(shí)現(xiàn)政府?dāng)?shù)據(jù)管理的現(xiàn)代化轉(zhuǎn)型。關(guān)鍵詞：數(shù)字政府一體化；數(shù)據(jù)預(yù)處理；數(shù)據(jù)采集；數(shù)據(jù)清洗引言在當(dāng)今數(shù)字化時(shí)代，隨著數(shù)字政府一體化建設(shè)進(jìn)程的不斷深入，數(shù)據(jù)預(yù)處理的重要性愈發(fā)顯著。其中，數(shù)據(jù)采集作為獲取原始信息的過(guò)程，在數(shù)據(jù)生命周期中扮演著關(guān)鍵角色；數(shù)據(jù)清洗則起到了過(guò)濾器的作用，是篩選、消除、修改冗余和錯(cuò)誤數(shù)據(jù)的重要步驟。本文將從數(shù)據(jù)采集

數(shù)據(jù)集進(jìn)行數(shù)據(jù)預(yù)處理，然后使用網(wǎng)格搜索法，采取五折交叉驗(yàn)證來(lái)對(duì)模型進(jìn)行超參數(shù)優(yōu)化并構(gòu)建預(yù)測(cè)模型，最后選擇ROC曲線和AUC值作為預(yù)測(cè)模型的評(píng)價(jià)指標(biāo)對(duì)模型的泛化能力進(jìn)行性能評(píng)估，結(jié)果表明XGBoost算法具有最好的預(yù)測(cè)效果。關(guān)鍵詞：XGBoost算法；數(shù)據(jù)預(yù)處理；網(wǎng)格搜索；模型評(píng)估；ROC曲線中圖分類號(hào)：TP391? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：2096-4706（2023）06-0031-04Research on Application of X

tGBM；數(shù)據(jù)預(yù)處理；特征優(yōu)化早產(chǎn)兒視網(wǎng)膜病變（retinopathy of prematurity，ROP） 是一種視網(wǎng)膜血管增殖性眼底疾病，占全世界兒童視力損傷和失明的因素的11%～45.8%[1]。由于ROP的病因和發(fā)病機(jī)制復(fù)雜，有效治療的時(shí)間窗很短，因此需要盡快找到ROP相關(guān)高危因素。影響ROP發(fā)生的因素很多，目前學(xué)術(shù)界公認(rèn)的三大高危因素是胎齡、出生體重與氧療[2]，分析ROP相關(guān)高危因素主要的方法是傾向評(píng)分匹配[3～5]、Logistic回歸分析

文本分類;數(shù)據(jù)預(yù)處理中圖分類號(hào)：TP391.1 ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2022）05-0005-06A Review of Offensive Language Detection Methods Based on Deep LearningGUO Bolu， XIONG Xuhui（College of Computer and Information Engineering， Hubei Normal Univers

排放預(yù)測(cè);數(shù)據(jù)預(yù)處理中圖分類號(hào)：TP302;X321文獻(xiàn)標(biāo)志碼：A隨著碳排放與日俱增導(dǎo)致全球氣候變暖從而對(duì)人們生活發(fā)展產(chǎn)生了直接而恒久的負(fù)面影響。因此，站在國(guó)家層面而言，科學(xué)地預(yù)測(cè)碳排放量走勢(shì)并積極制定相關(guān)政策，進(jìn)而實(shí)現(xiàn)綠色可持續(xù)性發(fā)展開(kāi)始變得至關(guān)重要[1-2]。能源消耗碳排放影響因素研究是預(yù)測(cè)未來(lái)能源消耗碳排放量的一個(gè)重要基礎(chǔ)。能源消耗碳排放影響因素研究主要是為了探討能源消耗碳排放與其影響因素之間的關(guān)系，主要包括人口規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)產(chǎn)出、能源結(jié)構(gòu)、運(yùn)

爾曼濾波;數(shù)據(jù)預(yù)處理中圖分類號(hào)：U416.1+630 引言滑坡是常見(jiàn)的地質(zhì)災(zāi)害，在我國(guó)山區(qū)，每年都有滑坡災(zāi)害發(fā)生，造成巨大的生命財(cái)產(chǎn)損失。為減少滑坡災(zāi)害影響，實(shí)現(xiàn)提前感知與防范，可對(duì)滑坡進(jìn)行實(shí)時(shí)自動(dòng)化變形監(jiān)測(cè)。但在實(shí)際監(jiān)測(cè)過(guò)程中，有許多客觀環(huán)境和人為因素導(dǎo)致測(cè)量數(shù)據(jù)有各類誤差因而使得預(yù)測(cè)結(jié)果出現(xiàn)偏差。因此，為了保證滑坡災(zāi)害預(yù)測(cè)的準(zhǔn)確性，應(yīng)該先對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)處理，從而達(dá)到更為理想的數(shù)據(jù)曲線，提高預(yù)警的準(zhǔn)確率。本文針對(duì)滑坡自動(dòng)化監(jiān)測(cè)中的位移數(shù)據(jù)，采用拉依達(dá)準(zhǔn)

數(shù)據(jù)采集和數(shù)據(jù)預(yù)處理為支撐，以受群眾歡迎為目的對(duì)每一種數(shù)據(jù)來(lái)源都進(jìn)行了詳細(xì)的數(shù)據(jù)現(xiàn)狀分析和數(shù)據(jù)處理策略分析，并對(duì)紅旗渠智慧化建設(shè)提出了相應(yīng)的建設(shè)意見(jiàn)。關(guān)鍵詞：大數(shù)據(jù)技術(shù);紅旗渠紀(jì)念館;智慧博物館;數(shù)據(jù)采集;數(shù)據(jù)預(yù)處理中圖分類號(hào)：TP311? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）11-0011-04隨著人類社會(huì)和科學(xué)技術(shù)的不斷發(fā)展，博物館從傳統(tǒng)形式向數(shù)字博物館轉(zhuǎn)變，這是科技的重大進(jìn)步，為廣大民眾的生產(chǎn)、生活提供了極大的便利[1]

數(shù)據(jù)挖掘;數(shù)據(jù)預(yù)處理;獲取數(shù)據(jù);清洗數(shù)據(jù);探索數(shù)據(jù);建模數(shù)據(jù)中圖分類號(hào)：TP311? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）04-0027-021 數(shù)據(jù)挖掘1.1數(shù)據(jù)挖掘模型的介紹數(shù)據(jù)挖掘是獲取知識(shí)的經(jīng)過(guò)，數(shù)據(jù)挖掘模型是從種種數(shù)據(jù)源來(lái)獲取所需要的數(shù)據(jù)，然后再將這些數(shù)據(jù)轉(zhuǎn)換成知識(shí)，把這些知識(shí)再提供給所需要的區(qū)域。數(shù)據(jù)挖掘的流程是從需求的開(kāi)始到需求的滿足，意思就是將所挖掘的數(shù)據(jù)的精華知識(shí)以數(shù)據(jù)源形式發(fā)送到人們的手中。1.2提前處理數(shù)

國(guó)情監(jiān)測(cè);數(shù)據(jù)預(yù)處理;提高效率前言地理國(guó)情監(jiān)測(cè)是全面獲取地理國(guó)情信息的重要手段。可獲取地表自然要素、人文地理要素、社會(huì)經(jīng)濟(jì)信息的空間分布特征及相互關(guān)系。2016年以來(lái)，地理國(guó)情監(jiān)測(cè)和更新已成為常態(tài)。近年來(lái)的監(jiān)測(cè)成果廣泛應(yīng)用于城市規(guī)劃實(shí)施監(jiān)督、環(huán)境保護(hù)與治理、自然資源管理、空間利用控制等諸多方面，發(fā)揮了不可或缺的作用。本文根據(jù)總體監(jiān)控方案和技術(shù)規(guī)程，結(jié)合實(shí)際生產(chǎn)運(yùn)行中遇到的問(wèn)題，以提高生產(chǎn)效率為目的，詳細(xì)闡述生產(chǎn)過(guò)程中的思路和解決方案，為生產(chǎn)運(yùn)行提供參考。1

集成學(xué)習(xí);數(shù)據(jù)預(yù)處理中圖分類號(hào)：TP 181? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）03-0081-03開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：軍事體育訓(xùn)練是軍事訓(xùn)練的重要組成部分，是強(qiáng)健官兵體魄、強(qiáng)化個(gè)人素質(zhì)、提升單兵技能的重要訓(xùn)練手段，是打贏未來(lái)戰(zhàn)爭(zhēng)的基礎(chǔ)性工作。軍事體育訓(xùn)練是以實(shí)戰(zhàn)為導(dǎo)向，以任務(wù)為牽引，以科學(xué)理論為指導(dǎo)，按作戰(zhàn)需要和崗位需求進(jìn)行身體訓(xùn)練[1]。軍隊(duì)院校的軍事體育訓(xùn)練是以未來(lái)崗位需求為目標(biāo)，結(jié)合軍人體能剛性要求

摘要：數(shù)據(jù)預(yù)處理是提升數(shù)據(jù)質(zhì)量的重要方法，它主要涉及到數(shù)據(jù)審計(jì)、數(shù)據(jù)清洗、數(shù)據(jù)變換、數(shù)據(jù)集成、其他預(yù)處理方法等多個(gè)方面，本文主要研究數(shù)據(jù)清洗中的缺失數(shù)據(jù)處理方法。本文主要闡述了缺失數(shù)據(jù)的類型、缺失數(shù)據(jù)處理所面臨的主要問(wèn)題和挑戰(zhàn)、填補(bǔ)缺失數(shù)據(jù)的方法及數(shù)據(jù)缺失處理最新的研究趨勢(shì)，通過(guò)分析得出今后對(duì)于缺失數(shù)據(jù)的研究將會(huì)逐步回到該數(shù)據(jù)所屬的特定領(lǐng)域，充分結(jié)合該領(lǐng)域的特點(diǎn)與規(guī)律來(lái)對(duì)缺失數(shù)據(jù)進(jìn)行填補(bǔ)，而不僅僅針對(duì)數(shù)據(jù)本身或基于其統(tǒng)計(jì)學(xué)上的特征進(jìn)行填補(bǔ)。關(guān)鍵詞：數(shù)據(jù)預(yù)處

NSS靜態(tài)數(shù)據(jù)預(yù)處理是GNSS靜態(tài)測(cè)量數(shù)據(jù)處理的重要一環(huán)，現(xiàn)階段的GNSS靜態(tài)數(shù)據(jù)預(yù)處理方法以人工干預(yù)為主，自動(dòng)化程度較低，數(shù)據(jù)處理的效率和準(zhǔn)確率均有待提高。為解決上述問(wèn)題，提出了一套GNSS靜態(tài)數(shù)據(jù)自動(dòng)化預(yù)處理方法，并基于Python語(yǔ)言開(kāi)發(fā)靜態(tài)數(shù)據(jù)預(yù)處理軟件，完成了GNSS靜態(tài)數(shù)據(jù)檢查、RENIX數(shù)據(jù)歸類、RENIX數(shù)據(jù)改正、靜態(tài)數(shù)據(jù)質(zhì)量報(bào)表輸出等功能。長(zhǎng)江水利委員會(huì)大江大河水文監(jiān)測(cè)系統(tǒng)建設(shè)工程實(shí)踐表明：使用該軟件后，大幅提高了靜態(tài)數(shù)據(jù)預(yù)處理效率，明顯

網(wǎng)絡(luò)爬蟲(chóng);數(shù)據(jù)預(yù)處理;可視化中圖分類號(hào)：G642? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2021）03-0008-03Abstract： Now the "teaching" and "learning" based on the Internet has been growin grapidly， at the same time web crawler、data mining technology is also become ma

三維模型;數(shù)據(jù)預(yù)處理;傾斜攝影引言：現(xiàn)階段，基于傾斜攝影測(cè)量的進(jìn)一步發(fā)展，其技術(shù)運(yùn)用范圍也越來(lái)越大，對(duì)該項(xiàng)技術(shù)在地形圖測(cè)繪過(guò)程中的運(yùn)用也逐漸重視起來(lái)。就大比例尺地形圖來(lái)看，它是城市規(guī)劃還有土地管理過(guò)程中的重要資料，基于有關(guān)要求的提高，其測(cè)繪標(biāo)準(zhǔn)也越來(lái)越高。在其中引入傾斜攝影測(cè)量，可以高效率地收集相關(guān)信息，打破原有的垂直攝影限制，運(yùn)用多角度進(jìn)行拍攝，以增加數(shù)據(jù)的準(zhǔn)確性。1.技術(shù)概述1.1工作原理針對(duì)傾斜測(cè)量技術(shù)來(lái)看，一般情況下，是通過(guò)無(wú)人機(jī)來(lái)獲取建筑信息，基

預(yù)測(cè)模型;數(shù)據(jù)預(yù)處理;機(jī)器學(xué)習(xí);深度神經(jīng)網(wǎng)絡(luò)（DNN）;模型評(píng)估中圖分類號(hào)： TP181? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）32-0018-03Abstract： In the context of the era of big data， artificial intelligence technology continues to develop and spread， and machine learning tec

2種情況的數(shù)據(jù)預(yù)處理，選擇邏輯回歸、支持向量機(jī)、多層感知機(jī)、隨機(jī)森林等4種分類算法分別構(gòu)建2型糖尿病風(fēng)險(xiǎn)預(yù)測(cè)模型，分析對(duì)比準(zhǔn)確率和F值等評(píng)價(jià)指標(biāo)，以驗(yàn)證其對(duì)具有空值數(shù)據(jù)集的應(yīng)用性能。結(jié)果：經(jīng)過(guò)比較，對(duì)原始數(shù)據(jù)進(jìn)行分類預(yù)測(cè)時(shí)，多層感知機(jī)的值最高，隨機(jī)森林的值最低，4種分類算法對(duì)刪除屬性后的數(shù)據(jù)集也取得了較好的預(yù)測(cè)效果。結(jié)論：分類算法可以有效預(yù)測(cè)2型糖尿病，并對(duì)具有一定缺失值的數(shù)據(jù)集具有良好的實(shí)用價(jià)值。關(guān)鍵詞：糖尿病預(yù)測(cè);數(shù)據(jù)預(yù)處理;邏輯回歸;支持向量機(jī);多層

的電力運(yùn)行數(shù)據(jù)預(yù)處理方法，去除冗余數(shù)據(jù)。對(duì)預(yù)處理后的電力運(yùn)行數(shù)據(jù)，通過(guò)基于多變量時(shí)間序列的電力負(fù)荷預(yù)測(cè)模型，實(shí)現(xiàn)電力負(fù)荷預(yù)測(cè)。經(jīng)實(shí)驗(yàn)驗(yàn)證，所構(gòu)建模型對(duì)電力負(fù)荷的預(yù)測(cè)結(jié)果可信度高，且對(duì)短期、長(zhǎng)期的電力負(fù)荷的預(yù)測(cè)精度均顯著，針對(duì)不同時(shí)間序列類型的電力負(fù)荷預(yù)測(cè)任務(wù)而言，均可實(shí)現(xiàn)高精度、全方位的電力負(fù)荷預(yù)測(cè)，可作為電力負(fù)荷預(yù)測(cè)任務(wù)中的參考模型。關(guān)鍵詞： 電力負(fù)荷預(yù)測(cè); 概率統(tǒng)計(jì); 時(shí)間序列; 預(yù)測(cè)模型構(gòu)建; 數(shù)據(jù)預(yù)處理; 實(shí)驗(yàn)驗(yàn)證中圖分類號(hào)： TN911.1?34

本文先介紹數(shù)據(jù)預(yù)處理的定義和概念，然后對(duì)常用的數(shù)據(jù)預(yù)處理方法進(jìn)行詳細(xì)介紹，包括合并數(shù)據(jù)、清洗數(shù)據(jù)、標(biāo)準(zhǔn)化數(shù)據(jù)和轉(zhuǎn)換數(shù)據(jù)，并舉例說(shuō)明其實(shí)現(xiàn)方法，本文對(duì)從事大數(shù)據(jù)和人工智能的研究人員在數(shù)據(jù)預(yù)處理方面具有一定的參考價(jià)值。關(guān)鍵詞：Pandas;數(shù)據(jù)預(yù)處理;統(tǒng)計(jì)分析0???? 引言數(shù)據(jù)預(yù)處理是指對(duì)數(shù)據(jù)進(jìn)行合并、清洗、標(biāo)準(zhǔn)化和變換并直接用于分析建模的過(guò)程的總稱[1]。其中，數(shù)據(jù)合并可以把多張相互關(guān)聯(lián)的表格合成一張表格;數(shù)據(jù)清洗可以去掉缺失、重復(fù)、異?；蛘卟灰恢碌臄?shù)據(jù);

數(shù);國(guó)債;數(shù)據(jù)預(yù)處理中圖分類號(hào)： TP391.41 ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ?DOI：10.3969/j.issn.1003-6970.2020.08.038本文著錄格式：楊義，章劍林，劉闖. 基于人工神經(jīng)網(wǎng)絡(luò)模型的金融板塊指數(shù)走勢(shì)研究[J]. 軟件，2020，41（08）：140-146+185【Abstract】： Analyzing and predicting the rise and fall of the sector index in t

。關(guān)鍵詞：數(shù)據(jù)預(yù)處理;非線性逐步回歸;定性與定量分析一、問(wèn)題分析框架依據(jù)原始數(shù)據(jù)選取在相同時(shí)間段內(nèi)的30輛車(chē)，以擁堵時(shí)間比例作為因變量，依據(jù)特征指標(biāo)的選取原則以行駛路程、轉(zhuǎn)向次數(shù)、平均速度、以及時(shí)間為影響變量。取部分車(chē)輛作為訓(xùn)練集初步建立了多元線性方程，然后進(jìn)行各指標(biāo)間的多重共線性與顯著性分析，進(jìn)行逐步回歸進(jìn)行影響汽車(chē)擁堵的重要指標(biāo)變量得到逐步回歸后的方程。再依據(jù)剩下的部分車(chē)輛數(shù)據(jù)作為測(cè)試集，利用由此得到的擁堵時(shí)間逐步回歸方程得到的預(yù)測(cè)結(jié)果與測(cè)試集因變量進(jìn)

I和AHI數(shù)據(jù)預(yù)處理中;經(jīng)驗(yàn)證，基于ASTM?E490太陽(yáng)光譜計(jì)算得到的ESUNb值與官方值的絕對(duì)誤差在10以內(nèi)，相對(duì)誤差僅在0.191%～0.571%之間;計(jì)算得到的ESUNb值可用于數(shù)據(jù)的預(yù)處理中，經(jīng)定標(biāo)和大氣校正后發(fā)現(xiàn)，校正后影像的對(duì)比性更清晰，且AGRI數(shù)據(jù)的地物邊界更為清晰，變化更加明顯。關(guān)鍵詞： 太陽(yáng)光譜; 光譜輻照度; 可靠性計(jì)算; 數(shù)據(jù)預(yù)處理; 絕對(duì)誤差; 清晰度計(jì)算Abstract： The ASTM?E490 solar spectru

預(yù)測(cè)模型;數(shù)據(jù)預(yù)處理;動(dòng)量因子引言在科幻電影《復(fù)仇者聯(lián)盟》中，“大反派”滅霸為了維護(hù)所謂的“宇宙平衡”，在集齊所有的寶石之后打了一個(gè)響指，讓宇宙中的生命瞬間減少了一半，他打響指的原因是人口數(shù)量急劇增加，資源人口分配不均，宇宙不能持續(xù)發(fā)展。電影中，在地球少了一半人之后，生態(tài)環(huán)境得到了改善。人類自從誕生以來(lái)，進(jìn)步一直很快，發(fā)展出了輝煌的人類文明。從一二百年前到這幾年的時(shí)間里，因?yàn)楣I(yè)革命、能源革命，人類改造自然的速度明顯加快了很多。但是，對(duì)自然不合適的改造的惡

測(cè)模型; 數(shù)據(jù)預(yù)處理中圖分類號(hào)： TN911.1?34; TP391? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2020）11?0144?04Prediction of churn rate of e?commerce customers in context of big dataWU Yongchun（School of Business， Shandong Jianzh

曼濾波; 數(shù)據(jù)預(yù)處理; 狀態(tài)空間模型中圖分類號(hào)： TN956?34? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）11?0020?04Application of hybrid AR Model in radar failure predictionMA Lili， LUO Zhenghua， HU Dekun（School of Informa

點(diǎn)提出作戰(zhàn)數(shù)據(jù)預(yù)處理的方法步驟，為作戰(zhàn)大數(shù)據(jù)建設(shè)發(fā)展提供支撐。關(guān)鍵詞：數(shù)據(jù)預(yù)處理;數(shù)據(jù)清洗;數(shù)據(jù)歸約1.數(shù)據(jù)獲取在特定領(lǐng)域中，參與單位多元、參與行動(dòng)多樣、協(xié)同關(guān)系復(fù)雜，數(shù)據(jù)需求種類繁多。如現(xiàn)場(chǎng)環(huán)境數(shù)據(jù)，主要包括：地形地貌、氣象水文、空氣質(zhì)量、重力場(chǎng)、電磁環(huán)境、交通、建筑物、防御工程設(shè)施、網(wǎng)絡(luò)環(huán)境等[1]。傳感器、采集器以及相關(guān)部門(mén)提供的數(shù)據(jù)都需要系統(tǒng)地、有規(guī)律地進(jìn)行整合。1.1采集要求（1）完整性：保證采集的數(shù)據(jù)信息不存在缺失現(xiàn)象，不完整的信息數(shù)據(jù)可能會(huì)使

數(shù)據(jù)挖掘;數(shù)據(jù)預(yù)處理引言在云計(jì)算環(huán)境下，web數(shù)據(jù)挖掘的方法發(fā)生了較大概念。云計(jì)算為web數(shù)據(jù)挖掘提供動(dòng)態(tài)化資源和高可用行的計(jì)算平臺(tái)，為開(kāi)發(fā)高性能的數(shù)據(jù)挖掘平臺(tái)提供技術(shù)支持。但web數(shù)據(jù)量大，而且具有較大的噪音，對(duì)挖掘算法的要求比高。而基于云計(jì)算環(huán)境的web數(shù)據(jù)挖掘，可有效降低運(yùn)營(yíng)在數(shù)據(jù)挖掘技術(shù)上的投入，加快web數(shù)據(jù)挖掘速度，縮短產(chǎn)品研發(fā)周期?；诖?，開(kāi)展基于云計(jì)算環(huán)境的web數(shù)據(jù)挖掘的分析研究就顯得尤為必要。一、云計(jì)算的特性（一）虛擬化云計(jì)算是一種全新

光掃描點(diǎn)云數(shù)據(jù)預(yù)處理的方法步驟及模型構(gòu)建過(guò)程，通過(guò)分析數(shù)據(jù)處理及建模結(jié)果，結(jié)合當(dāng)前的研究狀況探討了模型的相關(guān)應(yīng)用，并展望進(jìn)一步的研究方向以及工作內(nèi)容。關(guān)鍵詞：?三維激光掃描技術(shù);點(diǎn)云;三維建模;數(shù)據(jù)預(yù)處理中圖分類號(hào)： TP391. 41????文獻(xiàn)標(biāo)識(shí)碼：?A????DOI：10.3969/j.issn.1003-6970.2020.02.050【Abstract】： This paper uses the sign of "Kunming Univers

學(xué)業(yè)預(yù)警;數(shù)據(jù)預(yù)處理;Oracle;ETL中圖分類號(hào)：G647 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）05-0097-03開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：1 背景在高等教育大眾化的背景下，學(xué)分制已在高等院校得到廣泛的應(yīng)用。學(xué)分制在一定程度上為學(xué)生提供了多元化、個(gè)性化的學(xué)習(xí)成長(zhǎng)環(huán)境，但同時(shí)也出現(xiàn)了學(xué)生選課比較隨意和盲目，很少考慮自己的成長(zhǎng)目標(biāo)，甚至出現(xiàn)“考試不通過(guò)”可以補(bǔ)考或重修的心態(tài)。特別是部分自控力和自主學(xué)習(xí)能力偏弱的學(xué)生，很容易

thon;數(shù)據(jù)預(yù)處理;數(shù)據(jù)可視化中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）06-0007-031背景1999年底，隨著互聯(lián)網(wǎng)高潮來(lái)臨。中國(guó)網(wǎng)絡(luò)購(gòu)物的用戶規(guī)模不斷上升。2010年中國(guó)網(wǎng)絡(luò)購(gòu)物市場(chǎng)延續(xù)用戶規(guī)模、交易規(guī)模的雙增長(zhǎng)態(tài)勢(shì)。智能手機(jī)的普及更使得網(wǎng)上購(gòu)物越來(lái)越流行，足不出戶就能買(mǎi)到性價(jià)比高的商品，享受著帶來(lái)的各項(xiàng)便利和服務(wù)。現(xiàn)在人們對(duì)于網(wǎng)上購(gòu)物的需求變得越來(lái)越高，這讓京東，淘寶，蘇寧易購(gòu)，當(dāng)當(dāng)網(wǎng)等電商平臺(tái)得到了很大的發(fā)

數(shù)據(jù)集? 數(shù)據(jù)預(yù)處理? 數(shù)據(jù)增強(qiáng)中圖分類號(hào)：TP391.4 ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2020）01（b）-0107-04Abstract： In order to solve the problems of? large workloads， low accuracy and time-consuming in data-labeling in deep learning， it is necessary to transfer

創(chuàng)新系統(tǒng);數(shù)據(jù)預(yù)處理;熵權(quán)法;模糊綜合評(píng)價(jià)Key words： ecological innovation system;data preprocessing;entropy weight method;fuzzy comprehensive evaluation中圖分類號(hào)：X322;F592? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1006-

詞形還原;數(shù)據(jù)預(yù)處理中圖分類號(hào)：TP311? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2019）28-0205-03動(dòng)詞（）一般就是用來(lái)表示動(dòng)作或狀態(tài)的詞匯（）[1]。詞形還原是將一個(gè)任何形式的單詞還原為一般形式。詞形還原作為文本數(shù)據(jù)分析中數(shù)據(jù)預(yù)處理的一部分，其對(duì)數(shù)據(jù)分析起到降低數(shù)據(jù)復(fù)雜度、提升處理效率的作用。本文把英語(yǔ)中詞形還原技術(shù)的思想應(yīng)用到藏語(yǔ)中，對(duì)藏語(yǔ)的動(dòng)詞三時(shí)一式的變化進(jìn)行還原操作，還原規(guī)范為將未來(lái)時(shí)、過(guò)去時(shí)和命令式的藏語(yǔ)動(dòng)詞的形

，比沒(méi)通過(guò)數(shù)據(jù)預(yù)處理和SVM分類算法參數(shù)優(yōu)化后的識(shí)別精確度高出4.5769%。關(guān)鍵詞：ATM機(jī);身份實(shí)時(shí)識(shí)別;行為特征;數(shù)據(jù)預(yù)處理;參數(shù)優(yōu)化DOI：10.11907/rjdk.191059開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：中圖分類號(hào)：TP301文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2019）010-0045-050引言自動(dòng)柜員機(jī)（ATM）是各銀行必不可少的存取款智能設(shè)備，其不僅方便用戶使用，而且極大程度地減輕了銀行工作人員負(fù)擔(dān)，但其安全隱患也

監(jiān)控?cái)?shù)據(jù);數(shù)據(jù)預(yù)處理;異常檢測(cè);有效性智能評(píng)估中圖分類號(hào)：TP274 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-9944（2019）16-0174-021引言污染源在線監(jiān)控系統(tǒng)作為環(huán)境監(jiān)管的重要手段，對(duì)提升環(huán)境監(jiān)管水平有著重要作用，全國(guó)各地大量建設(shè)運(yùn)行，基本實(shí)現(xiàn)對(duì)在線監(jiān)測(cè)污染物排放情況的實(shí)時(shí)監(jiān)控、及時(shí)響應(yīng)處置的效果。污染源在線監(jiān)控?cái)?shù)據(jù)的有效性直接關(guān)系到污染源在線監(jiān)控系統(tǒng)作用的發(fā)揮，如何利用大數(shù)據(jù)技術(shù)，構(gòu)建有效性評(píng)估模型，對(duì)不同粒度（污染源排口，企業(yè)）的數(shù)據(jù)進(jìn)行有

指標(biāo)體系 數(shù)據(jù)預(yù)處理 因子分析 主成分分析方差分析一、前言1.1研究目的與意義目的：中國(guó)智能手機(jī)行業(yè)正處于發(fā)展的黃金時(shí)期，而大學(xué)生作為手機(jī)市場(chǎng)中一股不可或缺的新興勢(shì)力，值得引起企業(yè)的高度關(guān)注。隨著行業(yè)之間的競(jìng)爭(zhēng)越來(lái)越大，大學(xué)生的思想越來(lái)越解放，對(duì)手機(jī)的要求也越來(lái)越挑剔。本研究針對(duì)大學(xué)生使用手機(jī)情況進(jìn)行調(diào)查，利用數(shù)據(jù)挖掘的方法對(duì)數(shù)據(jù)進(jìn)行分析，研究學(xué)生對(duì)手機(jī)的功能主要需求，進(jìn)而對(duì)企業(yè)研發(fā)新的手機(jī)功能給予指導(dǎo)意見(jiàn)，而且也能為學(xué)校管理層對(duì)學(xué)生上課使用手機(jī)的情況進(jìn)行

軟件工程;數(shù)據(jù)預(yù)處理中圖分類號(hào)：TP311.13? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2019）15-0017-02Application Analysis of Data Mining Technology in Software EngineeringZHANG Wei（Guizhou Light Industry Technical College，Guiyang? 550025，China）Abstract：Under the

多源數(shù)據(jù);數(shù)據(jù)預(yù)處理;相似連接;MapReduce中圖分類號(hào)： TP274文獻(xiàn)標(biāo)志碼：AAbstract： With the development of large-scale network environments and big data-related technologies， traditional data fusion analysis technology faces new challenges. Focusing on poor f

方法，包括數(shù)據(jù)預(yù)處理、腦電特征提取、腦電特征識(shí)別三個(gè)方面，指出了目前該方面研究存在的一些問(wèn)題，最后給出總結(jié)。關(guān)鍵詞： 癲癇； 腦電特征； 數(shù)據(jù)預(yù)處理； 特征提??； 特征識(shí)別中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2019）12-0205-02開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：Discussion on Automatic Detection Technology of Epilepsy Electroencephalogr

數(shù)據(jù)導(dǎo)入，數(shù)據(jù)預(yù)處理，及數(shù)據(jù)分析三個(gè)層面結(jié)合實(shí)例進(jìn)行分析。首先利用tkinter庫(kù)設(shè)計(jì)出數(shù)據(jù)導(dǎo)入的界面；其次闡述數(shù)據(jù)清洗、分組、集成以及脫敏等數(shù)據(jù)預(yù)處理的常用算法，并結(jié)合高校教學(xué)評(píng)價(jià)這一實(shí)際案例進(jìn)行了演示，借助pandas庫(kù)中的dataframe數(shù)據(jù)類型實(shí)現(xiàn)了對(duì)“臟數(shù)據(jù)”的清洗，以及對(duì)教師姓名的脫敏；最后利用matplotlib庫(kù)對(duì)處理好的數(shù)據(jù)進(jìn)行數(shù)據(jù)可視化，并結(jié)合所得圖像對(duì)各專業(yè)班級(jí)及教師的學(xué)習(xí)和教學(xué)狀況進(jìn)行分析與評(píng)價(jià)。通過(guò)本文的數(shù)據(jù)處理，實(shí)現(xiàn)了對(duì)教師姓

灰色預(yù)測(cè);數(shù)據(jù)預(yù)處理招募人才和吸引人才是中國(guó)許多城市的亮點(diǎn)之一。因?yàn)槿瞬攀浅鞘袆?chuàng)新發(fā)展的動(dòng)力，可以在更短的時(shí)間內(nèi)學(xué)會(huì)更好地技能，制作更好地產(chǎn)品，掌握更好地管理方法。人才是城市創(chuàng)新的主要?jiǎng)恿Γ瑒?chuàng)新擴(kuò)散是通過(guò)高素質(zhì)人才為媒體來(lái)實(shí)現(xiàn)的，從而促進(jìn)新技術(shù)的發(fā)展。在今天的城市，除了當(dāng)?shù)氐木蜆I(yè)市場(chǎng)，人才還可以通過(guò)互聯(lián)網(wǎng)招募，校園招聘會(huì)以及公開(kāi)招聘活動(dòng)進(jìn)行招聘。一、數(shù)據(jù)預(yù)處理為了提取研究城市的城市特征，根據(jù)相關(guān)研究數(shù)據(jù)，本文將50個(gè)職位劃分為五個(gè)類別。根據(jù)國(guó)家職業(yè)生涯管理

挖掘時(shí)缺乏數(shù)據(jù)預(yù)處理，存在平臺(tái)功能完善度差、功能不健全等缺點(diǎn)，因此設(shè)計(jì)新的基于大數(shù)據(jù)的O2O平臺(tái)。從平臺(tái)概念框架、平臺(tái)建設(shè)框架和平臺(tái)設(shè)計(jì)框架幾方面設(shè)計(jì)該平臺(tái)，平臺(tái)概念框架負(fù)責(zé)平臺(tái)功能的實(shí)現(xiàn);平臺(tái)建設(shè)框架對(duì)開(kāi)發(fā)程序進(jìn)行模塊化、平臺(tái)化處理;平臺(tái)設(shè)計(jì)框架實(shí)現(xiàn)將平臺(tái)與各網(wǎng)站接口對(duì)接以及信息交換和管理工作。通過(guò)數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘完成基于大數(shù)據(jù)的O2O平臺(tái)用戶數(shù)據(jù)挖掘流程。采用基于Map Reduce軟件架構(gòu)的聚類挖掘優(yōu)化算法實(shí)現(xiàn)基于大數(shù)據(jù)的O2O平臺(tái)用戶

CNN; 數(shù)據(jù)預(yù)處理; 樣本訓(xùn)練; 自動(dòng)識(shí)別中圖分類號(hào)： TN711?34 ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2019）05?0079?04Tibetan handwritten numeral recognition based on convolutional neural networkXIA Wuji1， 2， SE Chajia1，

；糖尿?。?span id="syggg00" class="hl">數(shù)據(jù)預(yù)處理中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）20-0014-021 引言控制住院病人的血糖水平對(duì)降低發(fā)病率和死亡率具有重要作用，許多醫(yī)療機(jī)構(gòu)把嚴(yán)格的血糖指標(biāo)納入重癥監(jiān)護(hù)室ICU級(jí)別的正式協(xié)議。但是，對(duì)于大多數(shù)非ICU住院病人的接收卻沒(méi)有這樣做。事實(shí)上，按傳統(tǒng)的方式，住院病人的管理比較隨意，為了提高患者的安全性，有必要對(duì)現(xiàn)有的醫(yī)院收治的病人的糖尿病治療模式進(jìn)行分析評(píng)估。數(shù)據(jù)來(lái)自Center for Ma

擊鍵認(rèn)證；數(shù)據(jù)預(yù)處理；異常用戶識(shí)別中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1009-3044（2018）19-0186-05Abstract： Due to the user's familiarity with the keyboard， keystroke habits are different， and each user has his or her own keystroke behavior characteristics. This

分函數(shù)； 數(shù)據(jù)預(yù)處理中圖分類號(hào)： TN919.25?34； TP301.6 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）20?0045?04Abstract： In allusion to the problems of low mining accuracy and poor mining efficiency during the association mining process of the large?scale databas

細(xì)討論了其數(shù)據(jù)預(yù)處理的主要步驟及其過(guò)程方法，最后闡述了Web日志挖掘在網(wǎng)站建設(shè)上的應(yīng)用，為后繼研究提供了參考。關(guān)鍵詞：數(shù)據(jù)挖掘；Web日志挖掘；數(shù)據(jù)預(yù)處理中圖分類號(hào)：TP311.13 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2018）19-0018-03Research of Data Preprocessing Method for Web Log MiningYU Qi（Library， Henan University of Economics

掘過(guò)程中，數(shù)據(jù)預(yù)處理都處于重要地位，占據(jù)數(shù)據(jù)挖掘過(guò)程總工作量的60%～80%，數(shù)據(jù)預(yù)處理過(guò)程決定著數(shù)據(jù)挖掘結(jié)果的準(zhǔn)確性和有效性，而數(shù)據(jù)清理在數(shù)據(jù)挖掘中具有重要作用。本文針對(duì)各數(shù)據(jù)挖掘中數(shù)據(jù)格式不統(tǒng)一、數(shù)據(jù)清理過(guò)程不完善、冗余數(shù)據(jù)繁多及數(shù)據(jù)挖掘任務(wù)對(duì)數(shù)據(jù)類型的要求不同等問(wèn)題，探討了數(shù)據(jù)清理的基本概念、作用、方法和其中幾個(gè)關(guān)鍵技術(shù)。關(guān)鍵詞：數(shù)據(jù)挖掘；數(shù)據(jù)清理；數(shù)據(jù)預(yù)處理中圖分類號(hào)：TP311.12 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2018）20-

結(jié)構(gòu)設(shè)計(jì)、數(shù)據(jù)預(yù)處理、抗干擾技術(shù)、多任務(wù)系統(tǒng)交聯(lián)管理的方法。經(jīng)驗(yàn)證試驗(yàn)，實(shí)現(xiàn)多種傳感器信號(hào)的數(shù)據(jù)采集、記錄與分析，為鐵鳥(niǎo)綜合試驗(yàn)提供準(zhǔn)確、可靠的試驗(yàn)數(shù)據(jù)。關(guān)鍵詞：測(cè)控；分布式；數(shù)據(jù)預(yù)處理；抗干擾鐵鳥(niǎo)試驗(yàn)臺(tái)時(shí)按照飛機(jī)1：1比例搭建的液壓、操縱系統(tǒng)試驗(yàn)臺(tái)。在鐵鳥(niǎo)平臺(tái)上一般安裝由真實(shí)的飛控系統(tǒng)、液壓系統(tǒng)和起落架系統(tǒng)，有些機(jī)型還配置航電、電源等系統(tǒng)。鐵鳥(niǎo)試驗(yàn)臺(tái)肩負(fù)著飛行控制、液壓系統(tǒng)交付飛行試驗(yàn)前的一個(gè)系統(tǒng)驗(yàn)證和確認(rèn)過(guò)程。鐵鳥(niǎo)試驗(yàn)?zāi)軌驑O大程度上驗(yàn)證飛機(jī)多個(gè)系統(tǒng)性能

設(shè)計(jì)、日志數(shù)據(jù)預(yù)處理兩個(gè)操作環(huán)節(jié)進(jìn)行了重點(diǎn)介紹，并進(jìn)一步提出了針對(duì)此類系統(tǒng)的檢測(cè)方法。關(guān)鍵詞：Hadoop平臺(tái)；日志分析系統(tǒng)；數(shù)據(jù)預(yù)處理Hadoop是Apache軟件基金會(huì)的一個(gè)開(kāi)源項(xiàng)目，在并行處理大數(shù)據(jù)的研究與應(yīng)用領(lǐng)域，屬于一款極具代表性的產(chǎn)品。Hadoop平臺(tái)提供的是一種分布式系統(tǒng)基礎(chǔ)框架，適用于多種分布式應(yīng)用的開(kāi)發(fā)，且能夠支持海量數(shù)據(jù)的高效運(yùn)算與存儲(chǔ)。由此可見(jiàn)，在進(jìn)行日志分析系統(tǒng)的設(shè)計(jì)時(shí)，Hadoop是首選的支持平臺(tái)，對(duì)實(shí)現(xiàn)日志分析系統(tǒng)的高效運(yùn)行目標(biāo)

在電能質(zhì)量數(shù)據(jù)預(yù)處理、擾動(dòng)識(shí)別、諧波源定位中的相關(guān)應(yīng)用，并就其應(yīng)用前景進(jìn)行了展望。關(guān)鍵詞：電能質(zhì)量；數(shù)據(jù)挖掘；數(shù)據(jù)預(yù)處理；擾動(dòng)模式識(shí)別；諧波源定位數(shù)量巨大的參數(shù)對(duì)于開(kāi)展電能質(zhì)量這項(xiàng)工作的預(yù)估監(jiān)測(cè)、對(duì)于出現(xiàn)的問(wèn)題進(jìn)行辨別、對(duì)于出現(xiàn)干擾因素的源頭進(jìn)行識(shí)別及隨時(shí)把控，最終成為了極大的挑戰(zhàn)。若是發(fā)生了此問(wèn)題，急切地需要參數(shù)探究的智能方式，可以從電能質(zhì)量干擾波動(dòng)的參數(shù)當(dāng)中摘取實(shí)用的信息，使用參數(shù)進(jìn)行挖掘公作的這項(xiàng)技術(shù)能夠獲得發(fā)展的原因。一、理論及方式（一）基礎(chǔ)概念參

主要過(guò)程：數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘方法應(yīng)用、結(jié)果分析；并在后續(xù)各章節(jié)結(jié)合實(shí)例對(duì)每個(gè)過(guò)程的目的、典型方法和實(shí)施依據(jù)等進(jìn)行詳細(xì)描述?！娟P(guān)鍵詞】飛行試驗(yàn)數(shù)據(jù) 數(shù)據(jù)預(yù)處理 數(shù)據(jù)挖掘方法 結(jié)果分析1 引言飛行試驗(yàn)簡(jiǎn)單而言是指在實(shí)際飛行中展開(kāi)科學(xué)研究，并進(jìn)行一系列的產(chǎn)品鑒定試驗(yàn)；而通過(guò)這種方式獲得的數(shù)據(jù)是航空武器裝備非常重要的研究資料，具有很高的學(xué)術(shù)價(jià)值，現(xiàn)代飛機(jī)系統(tǒng)愈來(lái)愈復(fù)雜，從而導(dǎo)致試飛數(shù)據(jù)量也不斷增長(zhǎng)。飛行試驗(yàn)數(shù)據(jù)是在進(jìn)行實(shí)驗(yàn)的時(shí)候，通過(guò)現(xiàn)代化的工程測(cè)試技術(shù)，取得對(duì)

【關(guān)鍵詞】數(shù)據(jù)預(yù)處理 相關(guān)性矩陣 主成分分析 SPSS1 問(wèn)題提出系統(tǒng)運(yùn)行評(píng)價(jià)體系主要由評(píng)價(jià)指標(biāo)的篩選、指標(biāo)權(quán)重的確定、模型的選取三部分組成。評(píng)價(jià)指標(biāo)的確定關(guān)系到評(píng)價(jià)模型的質(zhì)量、評(píng)價(jià)結(jié)果的準(zhǔn)確度，因此評(píng)價(jià)指標(biāo)的確定是構(gòu)建好的評(píng)價(jià)體系的關(guān)鍵一環(huán)。以潛油電泵系統(tǒng)運(yùn)行技術(shù)評(píng)價(jià)為例，在眾多預(yù)選指標(biāo)的基礎(chǔ)上，如何篩選出與評(píng)價(jià)目標(biāo)貢獻(xiàn)率最大的、相關(guān)性最強(qiáng)的、更合理的評(píng)價(jià)指標(biāo)，這是一個(gè)數(shù)據(jù)挖掘的過(guò)程，本文采用主成分分析的方法來(lái)解決這一問(wèn)題。2 理論分析2.1 主成分分析

學(xué)生信息；數(shù)據(jù)預(yù)處理；決策樹(shù)；預(yù)測(cè)；學(xué)生工作中圖分類號(hào)：TP311.51 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）06-0217-03教育領(lǐng)域積累了大量的學(xué)生信息，例如成績(jī)、文體科技活動(dòng)參加情況以及畢業(yè)發(fā)展?fàn)顩r等信息，這些信息直接反映了學(xué)生在校的學(xué)習(xí)狀態(tài)、性格特點(diǎn)甚至發(fā)展方向。對(duì)學(xué)生信息的分析能夠指導(dǎo)教學(xué)，引導(dǎo)學(xué)生工作者工作的展開(kāi)，對(duì)學(xué)生的培養(yǎng)和發(fā)展起到一定的輔助作用。目前，對(duì)學(xué)生數(shù)據(jù)的利用主要是對(duì)學(xué)生成績(jī)的簡(jiǎn)單分析，例如：對(duì)學(xué)生成績(jī)計(jì)算平

供一種模擬數(shù)據(jù)預(yù)處理方法，為戰(zhàn)場(chǎng)態(tài)勢(shì)認(rèn)知的研究打下基礎(chǔ)?！娟P(guān)鍵詞】模擬戰(zhàn)場(chǎng) 仿真數(shù)據(jù) 數(shù)據(jù)預(yù)處理1 引言在信息技術(shù)和戰(zhàn)爭(zhēng)實(shí)踐的推動(dòng)下，聯(lián)合作戰(zhàn)和體系對(duì)抗己成為了現(xiàn)代戰(zhàn)爭(zhēng)的基本特征，現(xiàn)代戰(zhàn)爭(zhēng)與以往不同，戰(zhàn)爭(zhēng)的節(jié)奏越來(lái)越快，產(chǎn)生的戰(zhàn)場(chǎng)信息呈現(xiàn)幾何級(jí)增長(zhǎng)，所以戰(zhàn)場(chǎng)態(tài)勢(shì)認(rèn)知的研究勢(shì)在必行。在一次對(duì)抗演習(xí)中，數(shù)據(jù)是兵棋演習(xí)的基礎(chǔ)支撐部分，一般意義上來(lái)講，數(shù)據(jù)可以對(duì)應(yīng)、有序、準(zhǔn)確的顯示出演習(xí)中的一切行動(dòng)和特征，貫穿于演習(xí)的整個(gè)過(guò)程。在演習(xí)數(shù)據(jù)分類中，運(yùn)行數(shù)據(jù)由系統(tǒng)自動(dòng)

初步探索、數(shù)據(jù)預(yù)處理以及數(shù)據(jù)挖掘過(guò)程。其中數(shù)據(jù)預(yù)處理和數(shù)據(jù)挖掘是培訓(xùn)系統(tǒng)的核心功能。【關(guān)鍵詞】數(shù)據(jù)挖掘 培訓(xùn)管理系統(tǒng) 數(shù)據(jù)預(yù)處理1 引言對(duì)很多培養(yǎng)機(jī)構(gòu)而言，目前急需解決的問(wèn)題主要有：如何根據(jù)不同成員需求設(shè)置合理的課程、如何通過(guò)教學(xué)方式提高成員學(xué)習(xí)積極性、如何提高成員培訓(xùn)效果、如何通過(guò)考核檢驗(yàn)成員學(xué)習(xí)成果等，都是培養(yǎng)機(jī)構(gòu)發(fā)展過(guò)程中必須而對(duì)的問(wèn)題。隨著我國(guó)信息化進(jìn)程的加快，一些培養(yǎng)機(jī)構(gòu)也開(kāi)始進(jìn)行信息化建設(shè)，通過(guò)信息系統(tǒng)對(duì)培訓(xùn)相關(guān)事宜進(jìn)行管理。但目前在針對(duì)培養(yǎng)機(jī)

負(fù)荷預(yù)測(cè)；數(shù)據(jù)預(yù)處理；支持向量回歸機(jī)前言隨著人類生產(chǎn)力的持續(xù)發(fā)展，使得對(duì)能源消費(fèi)的依賴日趨增加，化石燃料等傳統(tǒng)能源仍然是能源消費(fèi)的主體。不可再生資源快速消耗如油、煤炭、天然氣等，這加速了源危機(jī)的到來(lái)。環(huán)境污染和溫室氣體排放也不容樂(lè)觀，只有改變現(xiàn)有的能源市場(chǎng)消費(fèi)結(jié)構(gòu)，才能使人類經(jīng)濟(jì)社會(huì)良好，可持續(xù)地發(fā)展。而風(fēng)力發(fā)電無(wú)疑成為了近年主推的一項(xiàng)新型能源建設(shè)，但由于風(fēng)力發(fā)電間歇性、不穩(wěn)定性，并網(wǎng)后對(duì)電網(wǎng)沖擊巨大，因此對(duì)風(fēng)功率進(jìn)行準(zhǔn)確實(shí)時(shí)的預(yù)測(cè)、對(duì)提高風(fēng)電的利用率、加

大。闡述了數(shù)據(jù)預(yù)處理過(guò)程中的數(shù)據(jù)清洗方法，介紹了缺失值填充及去除數(shù)據(jù)噪聲的常用方法，總結(jié)了數(shù)據(jù)挖掘的應(yīng)用前景，展望了數(shù)據(jù)清洗研究方向。關(guān)鍵詞：數(shù)據(jù)預(yù)處理；數(shù)據(jù)清洗；數(shù)據(jù)質(zhì)量；缺失值DOIDOI：10.11907/rjdk.172093中圖分類號(hào)：TP301文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2017）012-0222-03Abstract：Data is an important guarantee for data mining and app

掘過(guò)程中，數(shù)據(jù)預(yù)處理都處于重要的地位和作用，占據(jù)數(shù)據(jù)挖掘過(guò)程總工作量的60-80%，數(shù)據(jù)預(yù)處理過(guò)程決定著數(shù)據(jù)挖掘結(jié)果的準(zhǔn)確性和有效性，本文主要針對(duì)數(shù)據(jù)預(yù)處理的基本工作內(nèi)容進(jìn)行介紹。關(guān)鍵詞：數(shù)據(jù)預(yù)處理；數(shù)據(jù)挖掘；過(guò)程；數(shù)據(jù)清洗中圖分類號(hào)：TP39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）10-0216-02現(xiàn)實(shí)世界的數(shù)據(jù)庫(kù)系統(tǒng)中的數(shù)據(jù)量迅速膨脹，目前數(shù)據(jù)存儲(chǔ)的數(shù)量級(jí)已經(jīng)達(dá)到G-T-P的級(jí)別，由于用戶輸入、數(shù)據(jù)庫(kù)設(shè)計(jì)與界面設(shè)計(jì)等各種原因，在海量

關(guān)聯(lián)規(guī)則；數(shù)據(jù)預(yù)處理中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）30-0027-02Research and Application of Web Data Mining on Intelligent Network Course SystemZONG Xiao-zhong（Shazhou Polytechnical Institute of Technology， Zhangjiagang 215600， China）