1、大數(shù)據(jù)時(shí)代已經(jīng)到來。數(shù)據(jù)已經(jīng)滲透到當(dāng)今每一個(gè)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(duì)于海量數(shù)據(jù)的分析、優(yōu)化及運(yùn)用，預(yù)示著新一波生產(chǎn)率增長(zhǎng)和消費(fèi)者盈余浪潮的到來。手機(jī)、平板電腦、PC機(jī)、移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計(jì)算、車聯(lián)網(wǎng)以及遍布地球各個(gè)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(gè)性化商品推薦、足球勝負(fù)預(yù)測(cè)、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(jià)值，怎樣優(yōu)化關(guān)鍵技術(shù)以提高現(xiàn)有應(yīng)用的體驗(yàn)是近年大

2、數(shù)據(jù)研究的發(fā)展趨勢(shì)。然而面對(duì)不同類型的數(shù)據(jù)和日漸復(fù)雜的應(yīng)用場(chǎng)景，數(shù)據(jù)分析與優(yōu)化工作會(huì)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(chǔ)等常規(guī)問題;某些數(shù)據(jù)分析方法計(jì)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(chǎng)景、不同分布的訓(xùn)練數(shù)據(jù)上得到的結(jié)果有時(shí)也很不相同。針對(duì)以上數(shù)據(jù)分析時(shí)所面臨的問題，本文對(duì)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(diǎn)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(duì)于機(jī)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(yàn)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(duì)發(fā)電機(jī)組污染物排放數(shù)據(jù)的實(shí)時(shí)采集工作，基于這些數(shù)據(jù)完善一個(gè)優(yōu)化的、輕量級(jí)的發(fā)電調(diào)度方案勢(shì)在必行。本工作對(duì)發(fā)電機(jī)組歷史數(shù)據(jù)中的發(fā)電功率與污染物排放量進(jìn)行回歸分析，擬合出每臺(tái)機(jī)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(jì)優(yōu)化調(diào)度算法使所有發(fā)電機(jī)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(cè)

4、模型
　　在個(gè)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(shí)際的應(yīng)用場(chǎng)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(jì)了一個(gè)預(yù)測(cè)模型來解決時(shí)間依賴的人口學(xué)特征預(yù)測(cè)的問題。該方案的關(guān)鍵點(diǎn)在于利用時(shí)間回溯方法來將用戶歷史行為的內(nèi)在時(shí)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(duì)應(yīng)。
　　3.提出一種面向空間磁感

5、數(shù)據(jù)的字符識(shí)別方法
　　設(shè)計(jì)了一個(gè)細(xì)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(kuò)展，用戶以使用一個(gè)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(diǎn)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(chǎng)強(qiáng)度變化。不同于以往的磁感解決方案只能識(shí)別粗粒度的手勢(shì)，Magemite能夠識(shí)別用戶細(xì)粒度的輸入，例如英文字母。然而用戶不同的書寫模式會(huì)影響識(shí)別的精度。為了應(yīng)對(duì)這個(gè)挑戰(zhàn)，首先對(duì)輸入的

6、軌跡做了預(yù)處理，并提取了不同的特征來獨(dú)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(shí)別模型。
　　最終實(shí)驗(yàn)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(dá)到了97.02％的平均準(zhǔn)確度，在10臺(tái)機(jī)組上的實(shí)驗(yàn)表明本文的優(yōu)化調(diào)度算法能使機(jī)組總污染物排放量降低4％，達(dá)到節(jié)能減排的目的;通過預(yù)測(cè)用戶幼兒年齡的實(shí)驗(yàn)來驗(yàn)證用戶特征預(yù)測(cè)模型的效果，在一大型電子商務(wù)平臺(tái)的真實(shí)數(shù)據(jù)集下，本文的算法在各個(gè)年齡段上的表現(xiàn)更加均衡，并