运营商大数据轨迹聚类优化算法及其在疫情防控中的应用

来源 :邮电设计技术 | 被引量 : 0次 | 上传用户:zxzwo
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于新冠病毒存在14天以上的潜伏期且在潜伏期具有传染性,密切接触者的排查至关重要,而运营商大数据以其独特的优势在寻找隐性接触中发挥着重要作用.在传统k-means聚类算法的基础上,优化损失函数并提出基于多目标函数的簇头选择算法,形成多目标轨迹聚类优化算法.在此基础上,构建基于运营商大数据的新冠肺炎疫情防控的密切接触者排查方法体系,将该算法用于隐性密切接触者的排查.
其他文献
随着电子商务的发展,线上购物量极大地增长,但是在这条新兴的产业链上,绝大部分的物流分拣工作依然由人工来完成,这样不仅要花费大量的人工成本,而且会大大拉低产业链的生产效益.针对该问题,设计了一种基于STM32单片机的智能物流分拣系统,结合了图像识别技术、远程通信技术、智能控制技术,可以有效提高生产效率和降低物流成本.
该装置研究采用两台激光传感器通过对标准活塞压力计和被检活塞压力计的工作位置及状态进行采集,通过对采集数据进行分析显示,解决当前活塞工作位置测定困难、测定显示不直观以及测定不准确的问题,可以有效辨别两台活塞式压力计是否达到真正的微动态平衡,极大地提高了计量检定过程中数据的准确度和可靠性.
数据质量的好坏直接关系到信息准确度和业务有效性.只有解决数据质量问题并保证数据资产的科学性,才能有效反映企业运营和市场事实.科学有效的数据能够让企业经营决策可靠精确.大数据时代,数据将会呈爆炸式增长,海量的数据一方面为运营商带来大量信息资产,另一方面无用数据、干扰数据也呈指数级增长.因此,围绕企业大数据的生命周期管理,实现数据的全过程质量监控非常重要.