欧美精品久久久久久,,,漂亮人妻被黑人久久精品

公共數(shù)據授權運營的風險研判及合作治理[其他][其他]

以全流程視野審視公共數(shù)據授權運營的風險，主要表現(xiàn)為數(shù)據授權階段的供需對接風險、數(shù)據運營階段的壟斷風險以及數(shù)據開發(fā)利用階段的失控風險。合作治理模式能通過多元主體間的合作共治、柔性化治理規(guī)則以及多樣化的治理策略，實現(xiàn)利益協(xié)調、彌縫政策規(guī)范缺口及提升治理能效。立基于此，公共數(shù)據授權運營風險的有效治理應遵循以下具體路徑：以商談機制型構共治格局,以利益補償機制為核心促進多元主體利益衡平與協(xié)調,以軟硬兼濟方式增強治理規(guī)范供給,用以回應性治理策略增進治理效能。

發(fā)表于：4/1/2025 4:55:00 PM

數(shù)據要素市場下的企業(yè)數(shù)據合規(guī)指引研究[其他][信息安全]

發(fā)表于：4/1/2025 4:43:55 PM

面向機器學習建模的數(shù)據治理技術路徑研究[人工智能][其他]

隨著人工智能和機器學習技術的快速發(fā)展，數(shù)據質量已成為提升模型性能和可靠性的核心因素。特別是在不同類型機器學習模型的應用中，如何有效地實施數(shù)據治理以提升數(shù)據質量、穩(wěn)定性和公平性，仍然是一個亟待解決的問題。綜述了數(shù)據治理在機器學習建模中的關鍵作用，提出了一套系統(tǒng)性的數(shù)據治理框架，涵蓋數(shù)據采集、處理、標注、模型訓練等全過程，旨在提供切實可行的治理方案以支撐機器學習應用。該框架強調在不同階段采用針對性的技術措施，確保數(shù)據治理的有效性，從而促進數(shù)據質量的提升和模型的可解釋性、穩(wěn)定性及公平性的保障。本研究為數(shù)據治理在機器學習中的深入應用提供了理論基礎，并為后續(xù)的技術實踐和創(chuàng)新提供了指導。

發(fā)表于：4/1/2025 4:31:03 PM

氣象數(shù)據安全防護體系建設探索與實踐[其他][信息安全]

數(shù)據安全的重要性已是普遍共識，它涉及個人隱私、企業(yè)商業(yè)秘密和國家安全等多個層面。氣象數(shù)據作為氣象部門最重要的資產之一，一旦泄露，將會帶來重大社會影響。針對氣象數(shù)據安全可能面對的各種安全威脅和風險，詳細介紹了氣象數(shù)據安全防護體系建設的思路，提出了從數(shù)據安全管理、數(shù)據安全監(jiān)測預警、數(shù)據安全防護、數(shù)據安全應急處置等方面來保障數(shù)據安全，為其他部門構建數(shù)據安全防護體系提供參考。

發(fā)表于：4/1/2025 4:20:55 PM

“數(shù)據出境豁免”規(guī)則下數(shù)據出境安全評估的演變與完善[其他][信息安全]

“數(shù)據出境豁免”規(guī)則通過提高數(shù)據安全評估制度的適用門檻、設置數(shù)據出境安全評估的豁免情形對數(shù)據出境安全評估制度產生了重要影響。然而“數(shù)據出境豁免”規(guī)則的設置在概念范疇、豁免事由的證成以及規(guī)范目的符合性等問題上并未完全理順適用邏輯，這在一定程度上影響數(shù)據安全評估制度更好地發(fā)揮其效用。為此，通過反思“數(shù)據出境豁免”規(guī)則可能對數(shù)據安全評估制度造成的適用性困惑，將“數(shù)據出境豁免”規(guī)則與歐盟GDPR“克減規(guī)則”進行比較并探尋借鑒意義，從價值層面審視制度定位并通過體系化解釋適恰上位法規(guī)范目的，從定性和定量雙重維度考量豁免事由，加強“數(shù)據出境豁免”規(guī)則與國家數(shù)據分級分類制度之間的制度銜接。

發(fā)表于：4/1/2025 4:08:55 PM

基于改進FP-growth的多品類打包推薦算法[其他][其他]

發(fā)表于：3/26/2025 5:22:23 PM

一種結合雙閾值與WSN的OFDM輻射源個體識別[通信與網絡][通信網絡]

針對在低信噪比情況下OFDM輻射源識別率低的問題，提出一種雙閾值與小波散射網絡（Wavelet Scattering Network，WSN）結合的OFDM信號時頻圖輻射源個體識別方法。首先，建立包含指紋特征的OFDM信號指紋模型；其次，利用小波變換對一個符號周期內的OFDM信號進行時頻分析得到時頻圖；再次，設計一種雙參數(shù)閾值函數(shù)模型實現(xiàn)自適應抑制噪聲干擾，提高時頻圖的圖像質量。經WSN處理后，從優(yōu)化后的時頻圖中提取小波散射系數(shù)作為特征集；最后，采用ResNet18進行分類識別。仿真實驗結果表明，該方法能夠顯著抑制噪聲干擾，在信噪比為-4 dB的條件下，識別精度達到87.5%，相較于其他方法表現(xiàn)出更高的識別精度和抗噪性能。

發(fā)表于：3/26/2025 5:06:06 PM

基于高原地區(qū)的超大規(guī)模海量MIMO系統(tǒng)混合場信道估計[通信與網絡][通信網絡]

為了改善高原地區(qū)通信條件較差的情況，可以部署超大規(guī)模海量多輸入多輸出（Extreme Large scale massive Multiple-Input Multiple-Output，XL-MIMO）系統(tǒng)。高原地區(qū)地形復雜，存在許多建筑、山脈等散射體，這些散射體可能形成近場和遠場混合的復雜信道環(huán)境。在這種環(huán)境中，散射體的分布可能既包括遠離基站的遠場區(qū)域，也包括靠近基站的近場區(qū)域。由此構建混合場信道模型，來描述和模擬復雜的混合場信道特征。其次，為了保證XL-MIMO系統(tǒng)的容量和性能，需要獲取混合場信道準確的信道狀態(tài)信息。為此，提出了一種兩階段的信道估計方案。通過仿真驗證，發(fā)現(xiàn)所提出的兩階段混合場信道估計方案在不同信噪比、不同導頻長度、不同路徑參數(shù)下都具有更優(yōu)的歸一化均方誤差，因此更適合應用于復雜環(huán)境中的XL-MIMO系統(tǒng)。

發(fā)表于：3/26/2025 4:25:50 PM

LSTM與Transformer融合模型在時間序列預測中的應用研究[人工智能][智能電網]

隨著可再生能源的快速發(fā)展，風電功率預測對于電網穩(wěn)定運行和能源管理具有重要意義。風電功率預測是一個復雜的非線性問題，涉及多種氣象因素和環(huán)境條件。提出了一種基于長短期記憶網絡（LSTM）、自適應稀疏自注意力機制（ASSA）和Transformer的融合模型，用于發(fā)電功率的時間序列預測。該模型結合了LSTM在捕捉時間序列長期依賴性方面的優(yōu)勢、ASSA在處理局部特征交互稀疏性方面的高效性以及Transformer在捕捉全局依賴性方面的強大并行處理能力。通過實驗驗證，該模型在發(fā)電功率預測任務中表現(xiàn)出色，尤其是在極端波動或拐點處的預測精度上有所提高。與傳統(tǒng)方法相比，該模型能夠更準確地捕捉風電功率變化的復雜性和動態(tài)性，為風電場的運營管理提供了有力的決策支持。

發(fā)表于：3/24/2025 5:23:00 PM

基于邊緣增強和多尺度時空重組的視頻預測方法[人工智能][消費電子]

針對當前視頻預測算法在生成視頻幀時細節(jié)模糊、精度較低的問題，提出了一種基于邊緣增強和多尺度時空重組的視頻預測方法。首先通過頻域分離技術，將視頻幀劃分為高頻信息和低頻信息，并對二者分別進行針對性處理。其次，設計了高頻邊緣增強模塊，專注于高頻邊緣特征的學習與優(yōu)化。同時，引入多尺度時空重組模塊，針對低頻結構信息，深入挖掘其時空依賴性。最終將高低頻特征進行充分融合，用以生成高質量的預測視頻幀。實驗結果表明，與現(xiàn)有先進算法相比，該方法在預測性能上實現(xiàn)了提升，充分驗證了其有效性。

發(fā)表于：3/24/2025 5:13:11 PM