面向三類應(yīng)用數(shù)據(jù)的智能分析與優(yōu)化研究.pdf

1、大數(shù)據(jù)時代已經(jīng)到來。數(shù)據(jù)已經(jīng)滲透到當今每一個行業(yè)和業(yè)務(wù)職能領(lǐng)域，成為重要的生產(chǎn)因素。人們對于海量數(shù)據(jù)的分析、優(yōu)化及運用，預(yù)示著新一波生產(chǎn)率增長和消費者盈余浪潮的到來。手機、平板電腦、PC機、移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算、車聯(lián)網(wǎng)以及遍布地球各個角落的各種各樣的傳感器，無一不是數(shù)據(jù)來源?；诖髷?shù)據(jù)的應(yīng)用如雨后春筍般出現(xiàn)，例如個性化商品推薦、足球勝負預(yù)測、電力大數(shù)據(jù)相關(guān)應(yīng)用等。怎樣分析出數(shù)據(jù)中的價值，怎樣優(yōu)化關(guān)鍵技術(shù)以提高現(xiàn)有應(yīng)用的體驗是近年大

2、數(shù)據(jù)研究的發(fā)展趨勢。然而面對不同類型的數(shù)據(jù)和日漸復(fù)雜的應(yīng)用場景，數(shù)據(jù)分析與優(yōu)化工作會面臨很多不同的挑戰(zhàn)。例如數(shù)據(jù)采集、數(shù)據(jù)整理和存儲等常規(guī)問題;某些數(shù)據(jù)分析方法計算復(fù)雜度大、求解困難等問題;相同的處理方法在不同應(yīng)用場景、不同分布的訓(xùn)練數(shù)據(jù)上得到的結(jié)果有時也很不相同。針對以上數(shù)據(jù)分析時所面臨的問題，本文對三類應(yīng)用數(shù)據(jù)做了智能分析與優(yōu)化研究，具體做了以下幾點研究工作:
　　1.構(gòu)建面向電力數(shù)據(jù)的發(fā)電優(yōu)化調(diào)度算法
　　傳統(tǒng)的發(fā)電調(diào)

3、度對于機組新產(chǎn)生的數(shù)據(jù)反饋較慢，不具備靈活性。決策由人的經(jīng)驗完成，沒有充分利用歷史數(shù)據(jù)，缺乏客觀科學(xué)性。2014年初，安徽省已完成對發(fā)電機組污染物排放數(shù)據(jù)的實時采集工作，基于這些數(shù)據(jù)完善一個優(yōu)化的、輕量級的發(fā)電調(diào)度方案勢在必行。本工作對發(fā)電機組歷史數(shù)據(jù)中的發(fā)電功率與污染物排放量進行回歸分析，擬合出每臺機組發(fā)電功率與排放數(shù)據(jù)回歸模型，在此基礎(chǔ)上設(shè)計優(yōu)化調(diào)度算法使所有發(fā)電機組總污染物排放量降低。
　　2.建立面向電商數(shù)據(jù)的用戶特征預(yù)測

4、模型
　　在個性化搜索和推薦系統(tǒng)等應(yīng)用中，完整的人口學(xué)信息特征是應(yīng)用具有良好性能的前提條件。但是這些理想的數(shù)據(jù)集很少出現(xiàn)在實際的應(yīng)用場景中，主要特征的缺失（如年齡、性別等）使這些應(yīng)用無法正常工作。在本工作中設(shè)計了一個預(yù)測模型來解決時間依賴的人口學(xué)特征預(yù)測的問題。該方案的關(guān)鍵點在于利用時間回溯方法來將用戶歷史行為的內(nèi)在時間關(guān)聯(lián)考慮在內(nèi)，然后搜集數(shù)據(jù)來訓(xùn)練分類器，使用戶的歷史行為與其人口學(xué)特征對應(yīng)。
　　3.提出一種面向空間磁感

5、數(shù)據(jù)的字符識別方法
　　設(shè)計了一個細粒度的字母輸入系統(tǒng)Magemite，該系統(tǒng)利用設(shè)備周圍空間作為有限輸入?yún)^(qū)域的擴展，用戶以使用一個永磁鐵在設(shè)備周圍書寫的方式來與該設(shè)備通話。Magemite的關(guān)鍵點在于集成在智能設(shè)備中的磁性傳感器能夠感知設(shè)備周圍的磁場強度變化。不同于以往的磁感解決方案只能識別粗粒度的手勢，Magemite能夠識別用戶細粒度的輸入，例如英文字母。然而用戶不同的書寫模式會影響識別的精度。為了應(yīng)對這個挑戰(zhàn)，首先對輸入的

6、軌跡做了預(yù)處理，并提取了不同的特征來獨特地刻畫用戶的輸入，然后使用這些特征向量來訓(xùn)練字母識別模型。
　　最終實驗結(jié)果表明:在發(fā)電優(yōu)化調(diào)度工作中擬合的發(fā)電功率與排放數(shù)據(jù)回歸模型達到了97.02％的平均準確度，在10臺機組上的實驗表明本文的優(yōu)化調(diào)度算法能使機組總污染物排放量降低4％，達到節(jié)能減排的目的;通過預(yù)測用戶幼兒年齡的實驗來驗證用戶特征預(yù)測模型的效果，在一大型電子商務(wù)平臺的真實數(shù)據(jù)集下，本文的算法在各個年齡段上的表現(xiàn)更加均衡，并