简介:伴随着大数据的广泛应用,各个行业都在利用大数据实现产业的升级换代,为人们带来更为美好的生活。然而在这个过程中,如何解决大数据的副产品如个人隐私泄露等问题正日益成为社会性难题。旨在保护个人隐私、规范大数据应用的大数据治理正在试图从源头寻找答案。但是,出于对商业利益的追逐,企业规避大数据治理的内生动力是无法根除的。这也造就了当前广泛存在的大数据滥用、黑产等问题。大数据监管已经成为监管部门在大数据时代必须肩负的责任与使命。如何开展大数据监管系统建设,以大数据监管系统为核心建立保护个人隐私的网络信息安全防护体系已是当务之急。本文梳理了新时代大数据监管工作的基本内容——数据、协议与节点,构建了基于数据价值的大数据监管模型,从工作内容上为大数据监管系统建设、网络信息安全防护体系建立提出建议。
简介:古人云“以史为鉴”,说的是吸取历史的经验教训,对未来的情况做出预判或者改变。生活中,亦是存在相似的利用历史数据对未来变化趋势进行预测分析的时间序列问题。本文就时间序列一类的问题进行研究,探讨如何更好地根据历史统计数据,对未来的变化趋势进行预测分析。本文基于神经网络,以气象观测历史数据作为研究的对象,建立了气温变化时序预测模型。本模型利用大数据相关技术对数据进行特征处理,通过深度神经网络,学习特征数据和标签数据之间复杂的非线性关系,从而实现对气温变化的趋势预测。实验结果表明,相较其他模型,本文的模型能够更好地进行时序预测,同时也证明了神经网络用于气象预测的可行性。
简介:1这种方法为何可靠Umetrix视频无参考模型是建立在BRISQUE(Blind/ReferencelessImageSpatialQUalityEvaluator)视频质量评价模型的变化上的。BRISQUE是由德州大学奥斯丁图像视频工程实验室基于自然场景统计学研发的无参考视频评价工具。与所有的机器学习系统一样,Umetrix的模型也需要训练。为了完成这一训练,思博伦研发了一个拥有大量视频片段和这些片段视频质量得分的训练数据库。传统上,训练数据库需要基于人类的主观打分。但这种方式不仅昂贵,而且困难和缓慢。因此,大多数情况下数据库只有少量几百条视频片段。