大数据运用方向篇1
1烟雾特征分析
烟雾是火灾的前兆和伴随产物，燃烧是一个持续的过程，因此造成了不完全燃烧过程中产生的大量烟雾也具有持续性，同时火灾烟雾与周围环境存在着浓度差和温度差，在视觉上也造成了一定的边缘效应和形体效应，但是以上这些变化在单帧图像中是无法体现的，必须对序列帧进行研究才能准确体现出这些烟雾的动态特征[12]。据美国测试与材料学会和国际消防协会的定义：烟气包括液相颗粒和悬浮的固相颗粒、材料热解过程产生的气相物质。因此，火灾烟气流动属于两相流流动，烟气浓度、烟气颗粒的大小等都会在图像上产生相应的信息[13]。由于烟雾的运动是一种小尺度、快速变化的随机运动，因此烟雾的颜色不可能出现明显的突变，在初期升腾的烟雾中，烟雾总体表现出一种低频向上的运动趋势特性，这就是烟雾运动特性所具有的特殊性，该特殊性会使相邻两帧图像中烟雾所对应的图像上大部分像素点都产生变化，而背景中的其他物体由运动所引起的变化的像素点数目则较小，同时烟雾内部区域时刻处于无规则运动状态，具有局部亮度突变的特征。相关资料表明，烟雾的运动做为一种随机运动，帧间相似度比较小且运动频率较低，当图像采集的采样速率为15帧/s时，相邻两帧相似度低于30%，火灾烟气颗粒内部特征则表现为一种小尺度、快速变化的随机运动，且呈现低频向上的运动趋势。
2基于meanshift目标匹配
由于烟雾的图像帧间相似度低，根据这些特性，采用基于背景差分法进行烟雾运动块特征的提取，利用meanshift对烟雾运动块进行特征匹配，从而可以估算出主运动方向。为了估计烟雾块的运动矢量方向，如图1所示，通过把前一帧的图像块分别匹配到当前帧对应位置周围的9个数据块。然后利用Bhattachyarya系数进行相似程度度量，在对应的9个数据块中，找到一个Bhattachyarya系数最大的值。Bhattachyarya系数值越大，表示两个数据块相似程度最高。如果所有数据块Bhattachyarya系数都小于一定的阈值，表示匹配不成功，如果当前帧的位置和下一帧位置相同，表示数据块没有移动。在相邻帧中通过Bhattachyarya系数匹配确定“疑似块”对应位置，从而可以确定该数据块烟雾的运动方向。设当前帧的疑似数据块中心坐标为{y(0)y(1)y(8)}其对应的运动方向为{129}如果匹配到9，表示数据块没有发生运动。设视频序列图像被分成m´n个数据块，则上式θ(ij)可以用来表示烟雾块匹配成功的数字编码，每个编码表示一个运动方向，(ij)表示图像m´n个数据块中，第i和第j位置的数据块。φ(x)是从运动方向里面查询相对应数值的函数。
3基于时间窗的“疑似块”运动方向的直方图统计
虽然通过对所有数据块烟雾的运动方向进行统计，就可以确定烟雾的总体运动方向，但是由于各种噪声的影响，很难准确地提取出疑似块方向。由于不准确的运动方向判断可能会影响后续的烟雾检测，所以必须采用时间窗对每个数据块的运动进行统计，以尽量减少噪声的干扰[14]。通过时间窗wt可计算出每个块在时间窗内的运动方向的直方图Ht(θ(ij))l=129如图2所示，其中wt是进行统计所取图像帧数量。通过计算每个数据块的运动方向直方图，采用在时间窗口里面出现运动方向次数最多的方向作为该数据块当前的主运动方向，采用下式计算。
4主运动方向的判别
初期烟雾基本上是一个缓变信号，在较短的时间内，不会产生明显的整体移动，因此从时间轴上看，在烟雾区域存在的运动概率大于其他区域。为了对烟雾运动能够准确的度量，本文构建了一个大小为wt的滑时间窗口对滑动窗口内的块运动数据进行累积，因此第(ij)数据块的累积量可以表示如下：如果在整个时间窗内数据块一直都是运动的，那么该数据块的累积量达到最大值，当数据块完全处于静止状态时，该块的累积量为最小值。由于存在各种噪声，大部分数据块的累积量不为0。为了抑制噪声和刚性物体的干扰，假定数据块的累积量小于某一阈值时把该块当作非烟雾块处理。提取公式表示如下。烟雾在灼热空气的驱动下表现为某一方向运动的趋势，整体上会存在一个主要运动方向，对应初期升腾的烟雾来说，烟雾的主运动方向是向上的，为了消除某些非烟雾物体的干扰，必须需要计算出每一个区域的主运动方向。通过对图3分析，可以知道2、3、4是向上及斜上方运动方向，是烟雾主运动的特征方向。由于烟雾的向上、两侧运动的特点，即使受到剧烈空气流动等干扰的影响，2，3，4所代表的运动方向所占的比例也会较高。对烟雾疑似区域所有小块各运动方向的个数进行统计，并根据以下公式可以计算每个疑似烟雾区域的主运动所占的比率。
5实验结果分析
本文采用浓黑色烟、灰白色烟雾以及人运动等进行实验，验证通过主方向特征提取烟雾的能力以及排除干扰的能力，并通过不同的序列帧对烟雾的运动累积效应进行验证。图4是对灰白色的烟雾进行主运动方向提取所能显示的结果，由于早期火灾的烟雾基本上是一个缓变信号，因此如果数据块在整个时间窗内都保持运动，那么该数据块的累积量将达到最大值。从图4可以分析得知，经过5帧图像累积以后，烟雾的运动累积效果大大增加，灯光的闪动所产生的对于运动方向的干扰信息则变化不明显。经过公式（9）对主运动方向的提取，可以看出初期升腾烟雾是满足主运动方向的特征要求的，因此在图像中被保留下来，而干扰则被基本剔除。为了进一步验证算法对主运动方向验证的适用性，本文对背景信息比较复杂、有强光干扰条件下的仓库图像进行了信息提取和处理，针对浓黑色烟雾进行了验证主运动方向提取能力的实验，从图5可以分析得知，经过7帧图像累积以后，烟雾的运动累积效果大大增加，烟雾在图像中被保留下来，而干扰则被基本剔除。从图6中可以看到本文在有人体运动干扰下的烟雾方向提取图的结果，由于人的运动和光线的干扰对主运动的累积量贡献不大，随着帧数的增加，累积量基本呈现逐步下降的趋势，而且也不满足主运动方向判定要求，因此本文的方法不会对该情况产生误报现象。为了进一步验证算法的有效性，将本文算法和BBGDS[7]与HeXBS[9]以及全搜索算法进行比较，实验中用每个“疑似块”的平均搜索点数作为衡量算法搜索速度的指标，用视频序列重建图像亮度的平均峰值信噪pSnR作为搜索精度的指标。实验使用VisualC++6.0编程实现，“疑似块”大小采用6×6像素，时间窗口为15个像素点，匹配准侧为SaD，实验数据如图4~6，图像大小为704×576。从表1可以看，本文提出的快速提取算法能够明显降低寻找主运动方向的平均搜索点数，因此本文具有收敛速度快和搜索点数量少的特点。从表2列出了各种算法的重建图像亮度pSnR平均值，从实验结果来看，全搜索算法的pSnR最好，搜索精度最高。本文算法搜索精度要高于HeXBS和BBGDS算法，和全搜索算法非常接近。因此本文算法具有高的搜索精度。
6结论
大数据运用方向篇2
电子商务的本质是运用现代计算机通信技术，尤其是网络技术进行的一种社会生产经营形态。其根本目的是提高企业生产效率、降低经营成本、优化资源配置，从而实现社会财富的最大化。电子商务要求的是整个生产经营方式价值链的改变，是利用信息技术实现商业模式的创新与变革。作为电子商务企业，其与生俱来的特点就是大数据，而信息时代最大的财富也正是海量数据，因此电子商务企业实现数据化运营也显得尤为迫切和必要。
数据化运营的核心是“以企业级海量数据的存储和分析挖掘应用为核心支持的，企业全员参与的，以精准、细分和精细化为特点的企业运营制度和战略。”数据化运营是在诸多先进技术的直接推动下快速发展起来的，如数据挖掘技术、数据存储技术、数据压缩技术等。在当前的大数据时代，数据技术的飞速发展推动了大数据的存储及其分析挖掘，从而推动了现代企业，特别是电子商务企业，对海量数据的分析、挖掘、提炼和运用，并将其运用于整个流程当中，给予电子商务企业数据化运营以充分发挥的平台。
电子商务企业的数据化运营战略将大数据作为企业经营的战略资源予以运作，以信息为经济要素，构建数据价值链，以数据资源带动其他资源的使用效率的提高。在电子商务企业的数据化运营活动中，管理会计应该充分发挥会计的信息效应。
二、管理会计数据化运营对电子商务企业的支持作用
在21世纪这个信息化的时代，新兴信息技术与应用模式不断地涌现，全球数据量呈现出前所未有的爆发式增长态势。数据量越来越大、数据类型越来越复杂、数据变化频率越来越快，但是数据的价值密度却相对较低。如何沙里淘金，有效地利用这些大数据创造价值，如何将其作为企业的战略性资源予以运营，一部分先知先觉的企业已经行动起来。对于电子商务企业来说，数据化运营作为一种战略性经营模式，是促进企业从粗放化经营向精细化经营发展的必然选择。
成功的企业数据化运营必须有四个方面的基本保证，即企业级海量数据存储、精细化运营需求、数据分析与数据挖掘技术支持以及企业各层次、各岗位的员工的参与。电子商务企业数据化运营中，管理会计日常反映的不只是实际发生的经济活动，更主要的是配合数据化运营活动，系统反映企业所具备的优势、劣势的动态变化，以及企业外部随时可能出现的机会与威胁，从而对电子商务企业正在或即将进行的各种活动发出警示、进行指导。
管理会计的信息服务对象侧重，不仅重视结果更注重过程的观念取向，以及满足企业经营决策与业绩管理的业务处理基准，都决定了其在企业数据资源价值创造中的关键性作用。管理会计数据资源价值创造的主导性功能的发挥，决定了管理会计在电子商务企业数据化运营中的关键支持作用。
电子商务企业的数据化运营战略将大数据作为企业经营的战略资源予以运作，以信息为经济要素，构建数据价值链，以数据资源带动其他资源的使用效益的提高。在企业的数据化运营活动中，管理会计应该充分发挥会计的信息效应。管理会计的实践不仅要通过提供信息来影响管理者的判断和决策，而且要通过影响具有大数据特征的信息的搜寻和处理，通过影响组织和环境的描述和判断，支持数据化运营中的全员参与和配合，而这正是大数据时代企业保持核心竞争力的必要手段。
三、支持电子商务企业的管理会计数据化运营方式
数据化运营是一种“开发合作式”的运营，要更好地发挥管理会计在电子商务企业数据化运营中的功能，首先应该要数据化运营的整体性与合作性特征，打破业务界限以及业务与财务部门之间的数据区隔，形成虚拟管理会计团队。进一步要将管理会计重点完全转移到战略管理轨道上，将战略管理会计以“价值创造”为核心的理念，以“竞争优势形成”为目标的思想有机地融入数据化运营的实务。利用数据分析、数据挖掘技术处理会计大数据，利用虚拟组织或团队的灵活、快速反应，通过以战略为导向的管理会计工具的组合运用，实现管理会计信息系统的整合及管理会计范式的创新。
作为企业经营管理工具的管理会计，其基本职责就是提供信息数据，以支持企业的经营决策、控制与评价，支持企业的战略管理。要发挥管理会计在电子商务企业数据化运营中的主导作用，就要利用大数据的数据分析、挖掘等技术改造管理会计的信息处理与提供方式，建立支持电子商务企业数据化运营实施的平衡计分卡，集成性应用管理会计方法，从战略视角促进管理会计功能的有效实施。
1.变革信息处理方式
电子商务企业进行数据化运营的结果是企业获得了更先进数据处理技术、更充分的数据资源和更快的数据处理速度，但这并不是企业数据化运营中的真正需求，能够让信息在业务运营中创造价值才是企业的真正需求。在大数据时代，如何从会计大数据中提炼出有价值的信息是管理会计所要解决的关键问题。为适应大数据环境下电子商务企业数据资源价值增值的需要，管理会计的信息处理手段必须进行相应的变革。
适应大数据环境下电子商务企业数据运营的需要，从时间上管理会计信息处理要从事后的定时分批的数据收集、处理，转向事中实时的数据收集、处理；从空间上管理会计信息处理要从部门集中的数据收集、处理转向异地分布式的数据收集、处理。管理会计的信息处理应从以货币为主的计量手段向多种计量手段综合运用，定量与定性并用的数据处理方式过渡。借助新型的信息技术，扩展管理会计信息系统的范围，保证其信息处理的及时性，甚至是实时性。同时管理会计数据处理又必须确保会计大数据的质量，保证会计大数据的准确性、完整性、一致性、时效性、可信性和可解释性等。
2.整合管理会计工具
在企业数据化运营中管理会计要体现其核心地位，要发挥数据资源运营的主导功能，就必须突破原有的实践体系，创新原有的功能性方法及其运用方式，通过管理会计工具的整合运用，集成性地发挥管理会计的功能，从而提升企业数据化运营的效益。根据企业数据化运营的管理需求，将管理会计工具分别整合成为面向运营战略分析与规划的工具包，面向运营过程成本计量与控制的工具包，以及面向员工激励、由可供员工在数据分析中使用的方法的工具包。基于战略的视角，借助大数据技术变革的管理会计信息处理方式，实现财务信息和非财务信息等多种类型数据的融合，通过管理会计工具的组合，描述、分析、评判企业的经营态势，确定企业经营成功的关键因素，发现和创造信息资源价值，实现管理会计的数据化运营功能。
3.建立数据化运营战略平衡计分卡
平衡计分卡是将战略转化为行动的目标与措施体系，是战略绩效评价的重要工具。电子商务企业数据化运营战略的实施也同样需要建立平衡计分卡体系，需要将数据化运营的目标与措施分别纳入平衡计分卡的财务、客户、内部经营流程及学习与成长维度，从当前与长远、内部与外部、财务与非财务、过程与结果多角度地进行数据化运营的对策设计和过程控制。平衡计分卡的财务维度反映数据化运营的直接与间接财务成果；客户维度则需要反映数据化运营中满足企业外部客户的产品与服务需求方式与程度，以及满足企业内部各部门的数据分析与数据挖掘需求的方式与程度；内部经营流程维度要体现管理会计对数据化运营过程各环节的成本与风险的度量与分析，帮助实现进行整个运营过程的反馈控制；学习与成长维度要对数据化运营的精细化管理制度、员工的数据意识培养以及企业运用数据分析、数据挖掘技术的能力等予以规划与体现。
四、结论
大数据运用方向篇3
中国工程院院士李国杰
大数据已经成为业界的一个新的研究热点，大数据的价值需要通过云计算平台才能被充分发掘和体现。
中国移动苏州研发中心大数据产品部总经理钱岭
随着数据量的持续增长和分析工具的日益完善，大数据正扮演着重要的角色，逐渐走进社会经济生活的方方面面，科学研究、市场营销、客户服务、可持续发展、交通、医疗、教育等领域都有其用武之地。无论是从全球范围来看还是在国内市场，虽然大数据的建设与应用取得了很大进展，但在电信运营领域，大数据的研究和应用等相关工作还都处于起步阶段。
中国工程院院士李国杰表示：“现阶段，对大数据技术最重要的应该就是落地，大数据的应用不是做一点小型的就可以，而是应该在目前无法做到的方面开发更多跨界创新的应用。”
先天优势待更多施展
相比互联网企业对于大数据平台的建设起步早、发展快的节奏，电信运营商坐拥社会化的信息传输管道，是数据的共享和交换的天然平台和中心，拥有任何移动互联网公司都无法比拟的海量数据。中国移动苏州研发中心大数据产品部总经理钱岭表示，由于各种因素的制约，这些先天优势并没有得到充分地利用，面对激烈的市场竞争，充分调动所持有的数据资源支撑电信运营商发展的主要任务。
网络优化、精准营销、业务创新等，这些都是大数据在电信领域应用的主要方面。但是，钱岭提到，虽然我们已经认清了大数据的可用之处，但是数据资源跟这些方向的功能到底是什么样的关系并没有完全梳理清楚。
当前，运营商多数利用的数据资源对象主要是其BSS、oSS、eRp等业务与运营支撑平台中的数据，从全球范围内运营商的主要应用来看，结合Dpi技术、BSS、oSS域数据整合等洞析大数据提升运营和服务能力已经成为可能的方向。
而事实上，最大的数据资源存在于管道中。例如在Lte网络中的信令数据等，利用这些信令数据用以实现网优及获取位置信息，可以深层次支撑网络优化、精确故障定位。另外，还有一些管道中的数据资源的应用价值还比较低，包括用户行为数据、用户使用习惯包括社交网络行为轨迹、偏好等方面的特征，对于这些数据进行有序列化地刻画属性和未来行为趋势预测分析将带给运营商更多对于大数据的应用模式。
iDC电信行业分析师在接受《通信产业报》（网）记者采访时提到，大数据的挖掘深化了信息技术的应用，催生新的运营模式、应用和新的业态出现，运营商目前对于大数据的应用提升了管理和决策的智能化水平。但是，要真正利用自身海量的数据资源优势，探索基于大数据的新产品与应用，将数据分析运用到实际运营中，才能进一步提升业务模式、利润及用户体验。
对内：it变革支撑新形态
在国内，经历了前几年的“泡沫”炒作，三大运营商的各级公司已经将大数据作为其在移动互联网时代企业转型的战略性工作，并开始试点了大数据系统的建设与应用，以充分挖掘数据资产价值，创造新的利润点。
但是对于传统的it系统，普遍存在数据资产的存储和应用的分散，对于数据资源的协同调度能力有限，数据关联性、共享性不足，这些都是影响大数据分析效率的因素。因此，专家指出，要真正进入大数据驱动的运营形态，实现大数据管理，需要进行运营商it系统的变革。例如，在业务支撑系统方面，由偏重于后台计费服务，转变为关注前台客户服务，同时需要适度集中化，提高数据集规模。在网管系统方面，需要打破传统以专业划分的独立网管建设体系，建立能够支撑端到端业务、实现全视景管理的综合平台，便于数据关联。此外为了加强数据的多样性，实现数据管理还需要增强数据的深度解析与收集能力，以提高对用户、业务和网络的感知能力。这些都可以为网络优化、精准营销、业务创新等提供更好的支撑，获得更高效率。
对外：挖掘新应用
在当前阶段，电信运营商普遍以内部大数据应用为主。来自江苏邮电设计院的云系统研究专家对记者表示，面对激烈的市场竞争，通过构建开放的数据平台，来拓展对外的新应用是提升运营商核心竞争力的重要手段，这也正是现在运营商还没有做起来的。根据informatelecomsmedia的调查显示，据统计全球只有不到30%的运营商在开展大数据对内应用的同时开展了对外应用。
对外，运营商积累的海量数据可利用的方向有很多。例如在商业数据的提供方面，目前已经有运营商开展向移动互联网广告商提供RtB数据应用、为服务行业提供用户聚类分析数据等模式，对此钱岭提到，现在应用比较多的是面向银行金融领域征信服务，用用户的行为数据、位置数据、消费数据等内容，建立个人信用档案，根据信息综合分析，来附加一些增值服务。此外，包括数据销售、在线数据访问，建立开放平台和数据分析工具出租，运营实时竞价广告平台等都是未来很好的商业模式。
而在公共服务方面，实时交通信息、公共安全管理、城市规划管理、应急响应平台建设等方面都可以应用运营商所具备的位置信息等数据服务。这些都将成为运营商新的盈利增长点。
协同：依托云计算
在宽带建设和4G兴起的当口，云计算从概念落地到应用，正为电信运营商带来崭新的运营思路，也为大数据的创新应用提供原动力。钱岭表示，大数据已经成为业界的一个新的研究热点，大数据的价值需要通过云计算平台才能被充分发掘和体现。“云计算是一个基础，大数据运用才是核心。”浪潮集团执行总裁兼Cto王柏华也透露同样的观点。
大数据运用方向篇4
[关键词]人工智能模型关联关系
中图分类号：tp31文献标识码：a文章编号：1009-914X（2017）17-0148-01
一、引言
人工智能（artificialintelligence），英文缩写为ai，开发从上世纪中期便已经开始，经过一段时间的探索在一些领域已经实现了应用。ai系统的研发涉及微机、生物学、心理学、逻辑学、语言学等多个领域，目标便是使计算机能按照人类的思维方式来处理数据。信息采集和分析处理系统中多数使用的是历史数据分析、数据模拟预测、模型化数据处理等运算方式，并未将系统提升到人工智能应用水平（图1）。
ai基础模型是人工智能的一个理论结构，包含了ai系统运行的基本结构，并不在具体事务中使用。要实现ai系统应用则必须对ai基础模型进行实用化改造，使其能对具体事务进行处理，成为该类事务的ai系统。实用化改造的目标就是要让ai基础模型导入相关的事务资料数据，对事务数据进行分析理解和产生判断习惯，从而转化为事务处理型ai系统。整体设计构架主要包括信号转化模块、临时库、物理库、关联关系库等，实现了区域的各自独立和集中协作，整体系统在多层平面上运行，层与层间纵向多点关联，由统一系统调度指挥运行，在多任务情况下可自行调节纵向模式，脱离主系统自主运行。这种多层运行模式则要求ai系统要拥有多个调度系统和多个临时库，并要求这些调度系统必须组成一个整体，基于为系统应用而定义的运行运机制来组成一个处理单元。
二、人工智能系统的分级
在ai整体系统中拥有多个层级，每一个层级都是一个ai应用系统，各个层级都是平行的，所有运算相对独立，通过通用模型和共用的参数、关联关系等进行纵向多点关联。多点关联是一个层级的一个关联点可以直接关联整个层也可以关联一个数据，这就表示一个层级可以委托另一个层级为自己需要的数据进行运算，但这种关联点的建立是受调度系统控制的。如果这种关联点过多将造成层级独立运算能力下降，层级通透性增强，层级将被减少导致数据方向减少和数据容量减小，ai整体系统将被降级。由于模型属于整体系统，因此在发生调整、升级时，各层间不可避免地出现竞争状况，如果调度系统设计上有缺陷那将会带来极大的问题。
假定一个思考模型在一个层级中运行良好，而在其他层级中出现数据失真，则这个模型只关联到应用良好的层，如果在大多数层级中的应用均良好，那么这个思考模型上升为通用模型，明显通用模型被调用的机会较大，对结果数据的影响也较大。但在其他应用不良的层被调用，就导致结果数据异常，而通用级别的模型是不被层级改造升级的，只有调度系统能在平行系统中将其进行升级。
三、人工智能系统的模型设计
ai系统的输入端可以是设备，但在没有ai系统作基础的情况下并不能直接对输入信号进行有效的分析处理，需要通过转换系统来实现数据输入。ai基础模型是仅接收已经被定义过的数据，且只对可理解的数据进行分析处理的系统。ai基础模型的输入形式是在计算机键盘上直接录入数据字符，当然也可以通过语音识别或数据定义来转换信号数据为字符数据，但这个部分不属于ai系统。数据被输入系统后复制为相同的两份，一份存储在传统数据库中，另一份转入ai基础模型，所有的外接应用都和传统数据库联系，不直接和ai系统接触。进入ai系统部分的数据被存储在临时库中，在存储开始时就进行翻译解释和评级。
临时库中解释后的参考数据按照定义的规则排布在处理区块中，仅靠不定向计算和判定函数将无法处理，这一过程需要调度系统引用约束条件和定义标注在模型库中调用相应的数据处理模型，并籍由这些模型进行拆解、简化，组合成一个主要的思考模型共同来对数据进行处理。处理后的数据再次以参考数据的方式重新回到临时库，连同过滤选择后的参考数据重新进入思考模型重复计算，这个过程再次过滤一些数据，为此给问题加上级别并进行评级是必要的，这一步骤可以减少ai系统的负担。
在临时库中输入数据进行关联、解释后，需要调用模型对参考数据进行分析处理，模型定义是由物理库中的数据和事务实用化定义的规则决定，根本上说是应用决定了物理库，物理库决定了模型调用的数据类型。调用模型的方式和模型类型是在关联关系库中存储的一条具有联系的字串，这段字串不被拆分，因此调用模型的方式和模型的类型只能被替换升级或通过函数库和关联关系库升级，不能拆分组合或自编译升级。定义可以是外部输入参数，但是在长期运行中ai系统可能自行调整了定义，在实际应用中对于某些应用需要人为干预，干预值只是作为系统的参考数据存在，并不能主导ai系统。
四、模型设计中的数据关系和结构
为保证模型运行稳定并符合实用化标准，需要引用大量参数和变量，参数大多是存储在传统数据库中备案的历史计算数据和计算结果数据。在模型处理数据的过程，生成的中间数据改变了模型类型或定义，则这组中间数据在临时区内开出一块数据区块进行临时存储。而物理库也相应开出一块数据区块将中间数据的值和关联关系进行存储。临时区块在导入新模型进行计算后并不进入消亡流程，而是在新模型将结果数据运算出后才进行中间数据的清除作业。临时区块内的变量则和结果数据一起存储进物理库。
ai系y的关联关系库是系统的关键部分，定义了ai系统的理解和思考方式，实现反馈计算、条件调用、不定向计算和评级等运算。关联关系上是由调度系统执行运算，过程为检索数据和选择性调用，对关联项目少的可以认为是直接调用，关联算法多数据少的属于调度运算，关联数据多算法少的属于查询检索。一个关联可能产生大量重复语段，但在一些运算中必须有重复关联，最直接的是调度运算。关联链路被替换，数据关联指向新链路时，旧的关联链路级别下降，降至与原链接数和总链接量的一定比例系数后将被引入控制消亡流程。
五、结束语
ai系统在商业和军事上的开发如果获得成果，那么发挥的作用将十分惊人，最直接受益的就是金融操作和导弹系统。目前已经可以实现程序模块的初步设计，但是在物理库的问题上需要有独立的解决方式，这需要一点时间，而调度系统在一些系统优化问题上存在着技术矛盾，在硬件上的瓶颈使得个人化智能系统存在一定难度。总体上看，基础模型的设计已经达到了实用化要求，在一些技术问题上加大研发力度，可以预见ai系统的普及并不遥远。
参考文献
[1]佩罗得多明戈斯.终极算法.中信，2016.
大数据运用方向篇5
【关键词】平面向量；数形结合；向量法；教学体会
现行高中第五章"平面向量"是高中数学新增内容之一。该内容的引入既丰富了高中数学的内容，又体现了向量作为数学工具的重要性。通过利用向量去解决一些实际问题，深化了数学知识间的关联性和系统性，为更好地学好高中数学奠定了良好的基础。向量的基础知识较多，且与其他很多部分知识都有联系，如向量与函数的联系、向量与三角函数的联系、向量与立体几何的联系、向量与解析几何的联系等。因此，有必要加强对向量这一章节的进一步研究和总结。
一、从运算的角度来讲，向量可分为三种运算
（一）、几何运算
本章教材给出了三角形法则，平行四边形法则，多边形法则。利用这些法则，可以很好地解决向量中的几何运算问题，从中去体会数形结合的数学思想。
（二）、代数运算
1、加法、减法的运算法则；2、实数与向量乘法法则；3、向量数量积运算法则。
（三）、坐标运算
在直角坐标系中，向量的坐标运算有加、减、数乘运算、数量积运算。通过向量的坐标运算将向量的几何运算与代数运算有机结合起来，充分体现了解析几何的思想，让学生初步利用"解析法"来解决实际问题，也为以后学习解析几何及立体几何相关知识打下了基础，作好了铺垫。
二、教学内容、要求、重点与难点
（一）、本章教学内容可分成两块：第一向量及其运算，第二解斜三角形。
1、平面向量基本知识，向量运算。具体教学内容有:向量(5.1节)、向量的加法与减法(5.2节)、实数与向量的积(5.3节)、平面向量的数量积及运算律(5.6节)。
2、平面向量的坐标运算,联结几何运算与数量运算的桥梁。具体教学内容体有:平面向量的坐标运算(5.4节),向量加减运算、实数与向量的积运算、平面向量的数量积的坐标表示(5.4节、5.7节)。
3、平面向量的应用,具体教学内容有:线段的定比分点(5.5节)，平移(5.8节)，正弦定理,余弦定理(5.9节)，解斜三角形应用举例(5.10节)，实习作业。
（二）、教学要求：
1、理解向量的概念，掌握向量的几何表示，了解共线向量的概念。
2、掌握向量的加法和减法。
3、掌握实数与向量的积，理解两个向量共线的充要条件。
4、了解平面向量的基本定理，理解平面向量的坐标的概念，掌握平面向量的坐标运算。
5、掌握平面向量的数量积及其几何意义，了解用平面向量的数量积可以处理有关长度、角度和垂直的问题，掌握向量垂直的条件。
6、掌握平面两点间的距离公式以及线段的定比分点和中点坐标公式，并能熟练运用；掌握平移公式。
7、掌握正弦定理、余弦定理，并能初步运用它们解斜三角形。
8、通过解三角形的应用的教学，继续提高运用所学知识解决实际问题的能力。
（三）、教学重点
向量的几何表示，向量的加、减运算及实数与向量的积的运算，平面向量的数量积，向量的坐标运算，向量垂直的条件，平面两点间的距离公式及线段的定比分点和中点坐标公式，平移公式，正、余弦定理。
（四）、教学难点
向量的概念，向量运算法则及几何意义的理解和应用，解斜三角形等。
三、本章的特点
教材编排的特点决定了在教学中处理本章时，有别于其它章节。
1、教材在本章处理上，充分体现了数形结合的思想。首先教材通过求小船由a地到B地的位移来引入向量，根据学生思维特点，由具体到抽象，以平面几何知识为背景。在概念、法则及例题的编辑上都尽量配了图形，并安排了较多的作图练习、看图练习及作图验证练习等，为学生积极参与教学活动提供了条件，为发挥学生学习的主体作用提供了条件，这样既抓住了平面向量的特点，又使学生通过操作性练习达到对新概念的理解。其次，本章各节的例题、练习、习题等配备量适中，可以使教学有较充分的自主空间，为教学提供了师生互动的空间，为学生提供了探究、发现与归纳的机会,也为教师根据教学目标，对教材进行再加工提供了可能。
2、利用"向量法"解决实际问题是本章的显著特点之一。向量与几何之间存在着密切联系；向量又有加、减、数乘积及数量积等运算，也有平面向量的坐标运算，因而向量具有几何和代数的双重属性，能联系几何与代数，从而给了我们一种新的数学方法——向量法；向量法能将技巧性解题化成算法性解题，正、余弦定理的推导就采用了向量法，为以后学习解析几何与立体几何打下了基础。
3、强化数学能力是本章的另一显著特点。由于本章的向量法的精髓就是将技巧性解题思路化成算法性解题思路；利用所学知识解决实际问题的能力作为本章的重要教学要求；为了更好地培养学生应用数学知识解决实际问题的能力和实际操作能力，教材还安排了"实习作业",通过实际测量,使学生能运用正、余弦定理来解决实际问题，既体现了数学的工具作用和应用性，又从另一个方面促进了学生对知识的理解与掌握。以此来强化学生根据法则、公式进行正确运算、变形和数据处理；能根据问题的条件和目标，寻找与设计合理、简捷的运算途径；能根据要求对数据进行估计和近似计算，即运算能力。以此来强化学生能综合应用所学数学知识、思想和方法解决问题，能理解对问题陈述的材料，并对所提供的信息资料进行归纳、整理和分类，将实际问题抽象为数学问题，建立数学模型；能应用相关的数学方法解决问题并加以验证，并能用数学语言正确地表述和说明，即实践能力。
四、教学体会
依据教学内容、要求及本章的特点，根据学生认知水平和近几年的教学实践，对"平面向量"教学有如下的教学体会：
1、认真研究《考试大纲》及教学要求和目标，分析本章节特点，根据学生原有知识结构对学习本章可能会产生的正负迁移作用，有针对性地设计教学计划，组织教学过程，做好学法指导。超级秘书网
2、在教学中重基础知识，重基本方法，重基本技能，重教材，重应用，重工具作用，不拔高，不选偏题和难题，遵循学生认知规律和按大纲要求进行。
3、抓住向量的数形结合和具有几何与代数的双重属性的特点，提高"向量法"的运用能力，充分发挥工具作用。在教学中引导学生理解向量怎样用有向线段来表示，掌握向量的三种运算，理解向量运算和实数运算的联系和区别，强化本章基础。
4、利用解三角形的应用问题，结合教学过程进行数学建模的训练，要引导学生识记、区分和理解正、余弦定理的应用范围，会对公式进行变形；在运用公式解三角形时，会分类讨论三角形类型；指导学生在解三角形时掌握正、余弦定理的选用与寻找合理、简捷的运算途径的关系，总结出解与三角形有关的应用问题
5、强化数形结合的思想，化归的思想，分类与讨论的思想，方程的思想等；加强学生运算能力的培养和提高。引导学生理解本章平移知识与函数图像平移的联系和区别；理解解三角形与三角函数的联系；注意区分两向量的夹角与直线的夹角概念。
【参考文献】
大数据运用方向篇6
【关键词】optiCS聚类算法网络流量
引言：随着科技的逐渐发展，越来越多的人们开始走向互联网时代，随之而来的是网络业务的繁多。为了能提高网络的服务质量和服务的速度，更多的研究与如何构建客户关心的服务为起点的新型的网络构架。不一样的业务内容，需要不同的服务水平，而网络流量是对客户的运动进行记录和报告的重要的一项东西。进行流量分类的研究，可以让网络的每个业务内容有不一样的服务内容，这样可以使网络或者某些系统进行快速的业务布置，以此提高网络的承受能力，同时改变网络的服务质量。
一、optiCS算法
本文首先将域数据流特点有关系的信息相结合，然后在对其采取方案，但是各个网络流的内容不同，那么在对其进行分析的时候要将数据包的特征进行检测，就会发现不同的数据包流量。根据上述的一些特点，在对数据包进行抽选的时候，选择深度的检测进行识别。根据图1所示，要想获得更多的特点向量，就要使用optiCS算法进行聚类，然后对无法识别的数据更具聚类算法将其分类到相应的业务当中。
二、改进的optiCS算法
1、改进算法思想。optiCS聚类算法不是根据参数值进行运算，而是对数据对象的顺序进行排列，在每一个业务当中，数据都根据核心距离和可达距离进行排列，在依据其数据点的稠密度进行聚类，这样可以完成自动与互动的聚类解析。这种算法的对象是随机筛选的，以他为起点，朝着最密集的地方发展，最后将所有的数据排列整齐。以optiCS算法收藏对象的核心距离以及可达距离，随机聚类，然后根这些的参数金额minpts不敏感进行收集。在这种策略的奠基上，对对流量特点进行算法的调整，由此形成了optiCS聚类算法。根据第一个数据流为基础，计算一他未开始向后的所有数据流与第一个特征向量的可达距离，并确定数据点的方位；同时记录距离基础点的每个数据位置，经过这些计算之后，将相同距离的数据流放到一起，在将其他的有落差的放在一起。
2、算法步骤。提取完信息流之后，根据其产生的向量，类似一个空间的数据点，通过它对optiCS进行改进，如图2所示。1.将向量作为开始，和核心。2.计算新的数据流的流向特征向量和基本点的向量之间的可达到距离，运用公式对其仅从确定距离的远近，设流量数据点Q的方向，是据点根据原始点的距离远近进行从低到高的排列顺序，并用公式对其进行向量距离的记录；3.同时运用数组CUn{n11，n12...}，n11表示激励原始点的最近的激励的特向向量的数量，n12是代表原始点的近距离的特征向量的数量；4.参考最开始的原始点数的Dpi的聚类个数，对CUn{n11，n12...}进行分析，并确认和记录他的临界点。5.分别计算临界点和相邻的两种相差的数，然后在进行分析，对于边缘点的类似程度的大小进行分类，以此来完成聚类。选择每个聚类的中心数据点，并在该点上的最小数放到这个数据点上，到达完整的覆盖。
三、实验结果
为了证明这回总算发的实用性，在不同的时间和地点利用netmate工具收集运营网络中的数据流，整理看多有完整的数据包的采集，netmata工具可以算出属性特征，把相同的ip地址、源代码、目的地址/端号口等进行分组，分到一起形成1个流，然后运用Dpi技术对采集到的数据进行识别。
针对这三组数据，可以看出具体的业务流70.63%、61.48%、85%，无负载的流量分别占总流量的16.7%、25.1%＼9.63%；识别不出的业务分别占总流量的8.36%、13.48%、9.64%，还有些业务是无法识别的，对其进行了加密。
从表2看出，Dpi的初次检测，大部分的信息流都是可以确认的类型，但是对于加密的数据流量还是没有办法查看，但是运用了聚类算法之后就可以对其分类，optiCS聚类算法可以进行分类和改进，下面的表3、4是运用聚类算法后的答案，通过这两个表格可以看出改进后的optiCS一种算法上有所提高。
结论：本文运用的方法是之前使用过的Dpi技术，他对数据流进行检测识别，然后进行辨别数据流的业务类型，为以后的聚类个数进行指导。对未识别的数据流，通过optiCS算法进行聚类，从而对无法识破的数据流的业务类型进行识别，到该方法的最后阶段，聚类算法不在因为人为因素和之前的聚类中心和数据顺序的干扰。这个方法在之前的识别业务类别的时候可以为以后的聚类有个良好的奠基，还能检查出这种方法的有效性和稳定性。
参考文献
[1]张建伟王玲艳姚云磊一种基于optiCS聚类的流量分类算法[J]2012.11
大数据运用方向篇7
海关总署于2008年3月10日以海关总署令第172号新的《中华人民共和国海关进出境运输工具舱单管理办法》（以下简称《办法》），自2009年1月1日起施行，1999年2月1日海关总署令第70号公布的《中华人民共和国海关舱单电子数据传输管理办法》同时废止。
舱单管理要变法
近年来，随着对外贸易规模不断扩大和国际物流的不断发展，海关原来对舱单的管理办法（《中华人民共和国海关舱单电子数据传输管理办法》，署令第70号），仅对海运和空运舱单进行管理已不适应当前形势发展的要求。同时，目前海运、空运、铁路、公路各种运输方式下的舱单作业模式各异，不同地区间海关对舱单管理的要求亦各不相同，甚至同一关区内不同现场之间在舱单作业模式和掌握尺度上也不尽相同。这样，不仅不利于海关执法的统一，也给海关带来极大的执法风险，因此迫切需要重新制定统一的舱单管理办法。
适用范围扩大
由于客观原因，原管理办法规定的适用范围仅限于海关对海运和空运舱单电子数据交换的管理。《办法》根据目前各种运输方式发展的现状和海关监管要求，扩大了适用范围，包括了对进出境船舶、航空器、铁路列车及公路车辆舱单的管理。
《办法》还突破了以前舱单只针对货物的局限，将物品（包括行李物品、邮递物品等）及旅客舱单纳入《办法》进行管理。同时，《办法》对舱单重新作了界定，并按进出境方式对舱单进行了分类，包括进境的原始舱单和出境的预配舱单、装（乘）载舱单。
传输主体改变
舱单等电子数据的传输包括两部分，一部分是舱单电子数据，另一部分是与舱单相关的其他电子数据，如理货报告。因此，《办法》将传输上述舱单电子数据的主体相应分为两类：一类是舱单传输人（主要包括运输工具负责人、无船承运业务经营人等义务主体）；另一类是相关数据传输人（包括理货部门、监管场所经营人及出口货物发货人）。根据《中华人民共和国海关行政处罚实施条例》的规定，上述两类主体有义务按照规定期限向海关传输舱单及相关电子数据，否则视为违反海关监管规定的行为。
同时，《办法》明确规定上述两类传输主体应当向海关备案，但该备案不属于海关行政许可事项。海关在受理备案过程中，只要传输主体提交的文件资料经海关验证无误，就可立即办理备案，而且一处备案，全国通行。
设立此种备案制度主要基于两方面的考虑，一是通过备案，海关可以充分了解舱单传输人、及相关数据传输人的有关信息，便于海关开展风险管理工作；二是通过备案，方便企业通过海关建立的“进出境舱单管理系统”进行舱单等电子数据的传输，并有利于海关对企业的分类管理。
传输时限有变化
舱单等电子数据的提前传输是《办法》的核心内容和基本原则。《办法》根据海关监管业务的实际需求，结合各种运输方式的特点，对进境舱单和出境舱单电子数据的传输时限作了具体规定。主要考虑了以下四个方面的因素：1、参考《标准框架》有关规定列明的舱单传输时限；2、海关内部作业流程的实际需要；3、不同规模的企业传输数据的能力不同，需要规定一个最长时限以适应小规模企业的传输能力；4、世界海关间数据交换的实际需要。《办法》通过规定舱单等电子数据在各个环节的传输时限，改变原有的一次传输方式，对物流的各个环节的作业所产生的数据进行收集、串联、整合形成海关舱单，使舱单信息更具准确性和可靠性。
数据变更更严格
为了规范舱单等电子数据的变更，减少舱单变更的随意性及数据传输的错误率，并增强责任意识，《办法》第四章做出了专门规定，包括舱单的自由变更、依申请变更及处罚后变更等内容，严密了舱单变更的管理，可以有效规范舱单变更。
自由变更是舱单传输人无需海关同意，可以直接对已传输的舱单进行变更。其前提是在原始舱单和预配舱单规定的传输时限以前，但是货物、物品所有人已经向海关办理货物、物品申报手续的除外。目的是为了鼓励舱单传输人在规定时间内主动纠正舱单数据，帮助海关在准确、完整、真实的舱单数据基础上提高风险管理的成效。
依申请变更是在原始舱单和预配舱单规定的传输时限后，由于超出舱单传输人控制能力的客观原因，造成舱单传输错误，舱单传输人可以向海关提出申请变更舱单，经海关审批同意后，由海关进行更改。目的是为了保障舱单传输人的合法权益，明确舱单数据传输不准确的免责情况。
处罚后变更是舱单传输人未在规定时限内申报舱单数据或申报的舱单数据不真实，并且不能举证其行为可适用于本《办法》三十一条所列的免责条款，海关认定其行为违反了本《办法》的规定，海关应按本《办法》第三十七条给予舱单传输人处罚，并在需要变更舱单的情况下，对舱单中不实之处予以纠正。
施行日期更灵活
因《办法》施行后所使用的系统要求企业对自己的生产作业系统进行调整，以便用满足海关数据格式要求的方式向海关传输数据，有的还要借助第三方中介服务向海关传输数据，这项工作需要有一段较长的准备时间。因此，为给予企业充足的时间做好各项准备工作，《办法》自2009年1月1日起施行。同时，《办法》扩大了适用范围，新增加的进出境铁路列车及公路车辆运输方式在使用系统方面需要更长的准备时间，无法于2009年1月1日完全按照《办法》规定的时限向海关传输舱单等电子数据，因此《办法》明确规定“本办法施行之日起1年内，经海关总署批准，海关对进出境铁路列车及公路车辆舱单的管理，可以暂不适用本办法”。
172号令中关于进出境舱单的具体时限规定
第二章进境舱单的管理
第八条原始舱单电子数据传输以前，运输工具负责人应当将运输工具预计抵达境内目的港的时间通知海关。
运输工具抵港以前，运输工具负责人应当将运输工具确切的抵港时间通知海关。
运输工具抵达设立海关的地点时，运输工具负责人应当向海关进行运输工具抵港申报。
第九条进境运输工具载有货物、物品的，舱单传输人应当在下列时限向海关传输原始舱单主要数据：
（一）集装箱船舶装船的24小时以前，非集装箱船舶抵达境内第一目的港的24小时以前；
（二）航程4小时以下的，航空器起飞前；航程超过4小时的，航空器抵达境内第一目的港的4小时以前；
（三）铁路列车抵达境内第一目的站的2小时以前；
（四）公路车辆抵达境内第一目的站的1小时以前。
舱单传输人应当在进境货物、物品运抵目的港以前向海关传输原始舱单其他数据。
海关接受原始舱单主要数据传输后，收货人、受委托报关企业方可向海关办理货物、物品的申报手续。
第十条海关发现原始舱单中列有我国禁止进境的货物、物品，可以通知运输工具负责人不得装载进境。
第十一条进境运输工具载有旅客的，舱单传输人应当在下列时限向海关传输原始舱单电子数据：
（一）船舶抵达境内第一目的港的2小时以前；
（二）航程在1小时以下的，航空器抵达境内第一目的港的30分钟以前；航程在1小时至2小时的，航空器抵达境内第一目的港的1小时以前；航程在2小时以上的，航空器抵达境内第一目的港的2小时以前；
（三）铁路列车抵达境内第一目的站的2小时以前；
（四）公路车辆抵达境内第一目的站的1小时以前。
第十二条海关接受原始舱单主要数据传输后，对决定不准予卸载货物、物品或者下客的，应当以电子数据方式通知舱单传输人，并告知不准予卸载货物、物品或者下客的理由。
海关因故无法以电子数据方式通知的，应当派员实地办理本条第一款规定的相关手续。
第十三条理货部门或者海关监管场所经营人应当在进境运输工具卸载货物、物品完毕后的6小时以内以电子数据方式向海关提交理货报告。
需要二次理货的，经海关同意，可以在进境运输工具卸载货物、物品完毕后的24小时以内以电子数据方式向海关提交理货报告。
第十四条海关应当将原始舱单与理货报告进行核对，对二者不相符的，以电子数据方式通知运输工具负责人。运输工具负责人应当在卸载货物、物品完毕后的48小时以内向海关报告不相符的原因。
第十五条原始舱单中未列名的进境货物、物品，海关可以责令原运输工具负责人直接退运。
第十六条进境货物、物品需要分拨的，舱单传输人应当以电子数据方式向海关提出分拨货物、物品申请，经海关同意后方可分拨。
分拨货物、物品运抵海关监管场所时，海关监管场所经营人应当以电子数据方式向海关提交分拨货物、物品运抵报告。
在分拨货物、物品拆分完毕后的2小时以内，理货部门或者海关监管场所经营人应当以电子数据方式向海关提交分拨货物、物品理货报告。
第十七条货物、物品需要疏港分流的，海关监管场所经营人应当以电子数据方式向海关提出疏港分流申请，经海关同意后方可疏港分流。
疏港分流完毕后，海关监管场所经营人应当以电子数据方式向海关提交疏港分流货物、物品运抵报告。
第十八条进口货物、物品和分拨货物、物品提交理货报告后；疏港分流货物、物品提交运抵报告后，海关即可办理货物、物品的查验、放行手续。
第十九条进境运输工具载有旅客的，运输工具负责人或者海关监管场所经营人应当在进境运输工具下客完毕后3小时以内向海关提交进境旅客及其行李物品结关申请，并提供实际下客人数、托运行李物品提取数量以及未运抵行李物品数量。经海关核对无误的，可以办理结关手续；原始舱单与结关申请不相符的，运输工具负责人或者海关监管场所经营人应当在进境运输工具下客完毕后24小时以内向海关报告不相符的原因。
运输工具负责人或者海关监管场所经营人应当将无人认领的托运行李物品转交海关处理。
第三章出境舱单的管理
第二十条以集装箱运输的货物、物品，出口货物发货人应当在货物、物品装箱以前向海关传输装箱清单电子数据。
第二十一条出境运输工具预计载有货物、物品的，舱单传输人应当在办理货物、物品申报手续以前向海关传输预配舱单主要数据。
海关接受预配舱单主要数据传输后，舱单传输人应当在下列时限向海关传输预配舱单其他数据：
（一）集装箱船舶装船的24小时以前，非集装箱船舶在开始装载货物、物品的2小时以前；
（二）航空器在开始装载货物、物品的4小时以前；
（三）铁路列车在开始装载货物、物品的2小时以前；
（四）公路车辆在开始装载货物、物品的1小时以前。
出境运输工具预计载有旅客的，舱单传输人应当在出境旅客开始办理登机（船、车）手续的1小时以前向海关传输预配舱单电子数据。
第二十二条出境货物、物品运抵海关监管场所时，海关监管场所经营人应当以电子数据方式向海关提交运抵报告。
运抵报告提交后，海关即可办理货物、物品的查验、放行手续。
第二十三条舱单传输人应当在运输工具开始装载货物、物品的30分钟以前向海关传输装载舱单电子数据。
装载舱单中所列货物、物品应当已经海关放行。
第二十四条舱单传输人应当在旅客办理登机（船、车）手续后、运输工具上客以前向海关传输乘载舱单电子数据。
第二十五条海关接受装（乘）载舱单电子数据传输后，对决定不准予装载货物、物品或者上客的，应当以电子数据方式通知舱单传输人，并告知不准予装载货物、物品或者上客的理由。
海关因故无法以电子数据方式通知的，应当派员实地办理本条第一款规定的相关手续。
第二十六条运输工具负责人应当在运输工具驶离设立海关的地点的2小时以前将驶离时间通知海关。
对临时追加的运输工具，运输工具负责人应当在运输工具驶离设立海关的地点以前将驶离时间通知海关。
第二十七条运输工具负责人应当在货物、物品装载完毕或者旅客全部登机（船、车）后向海关提交结关申请，经海关办结手续后，出境运输工具方可离境。
第二十八条出境运输工具驶离装货港的6小时以内，海关监管场所经营人或者理货部门应当以电子数据方式向海关提交理货报告。
大数据运用方向篇8
【关键词】运营商；流量；经营
在3G时代，语音通信市场目前已经趋向饱和，运营商的主营业务发生转变，按时长计费的话音业务已经日薄西山，基于语音通信的短信、彩铃等增值业务也已有下降的趋势，语音、短信等传统收入不再是运营商收入的主流；而互联网业务的发展，给电信运营商带来了数据业务流量的巨大提升，按流量计费的数据业务供不应求，流量成为运营商最有价值的增长点。
“流量经营”日益成为中国运营商们新的转型焦点。流量经营是以智能管道（物理网络）和聚合平台（商业网络）为基础，以扩大流量规模、提升流量层次、丰富流量内涵为经营方向，以获取流量价值为目的的一系列理念、策略和行动的集合。从话务量经营转向流量经营是运营商的不二选择，然而，电信运营商在流量运营上，依然存在严重问题：
1.爆炸性增长的流量需求对现有的通信网络造成的冲击
随着智能手机的普及，最大的问题就是用户的数据业务所带来的流量的爆炸性增长，据中国移动通信原董事长王建宙介绍，这种增长不是20%、30%的增长，而是300%、500%、600%的增长。而网络频谱资源是有限的，无论现有网络怎么扩容，都满足不了日益增长的手机网民对数据业务流量的爆炸性增长需求。据统计，2007年到2009年，全球移动语音流量增长两倍，但是移动数据流量却增长18倍。数据业务流量对通信网络所带来的强有力冲击，日益成为威胁流量经营问题的心腹之患，这也迫使电信运营商不得不在提升和加强现有网络升级改造的同时，寻求各种途径来平衡流量增长和网络承受能力的矛盾。
2.数据流量的快速增长与数据流量收入的极不匹配
量收不匹配所带来的“剪刀差”是运营商所面临的最大挑战。前文中也提到过，当前各种智能终端设备呈爆发式增长，带动了移动互联网迅猛发展。移动数据业务层出不穷，蒸蒸日上，为电信运营商带来了巨大流量，但是电信运营商却并没有实现数据业务收益的同步增长，电信运营商在数据流量上的投入与收入的剪刀差正在日益扩大。
移动数据业务的流量正在以前所未有的速度快速增长，而移动数据业务目前主要以包月的资费方式为主，还有电信运营商为争取拉拢用户所推出的各种各样的上网流量套餐包、优惠包等等，这导致收入与流量的增长速度差距逐渐拉大。at&t2010年移动数据流量较2008年增长161%，而移动数据收入仅增长72%；据咨询公司informa公司预测，全球移动宽带接入业务的收入从2008-2013年，仅增长1倍，远远无法与数据流量未来5年(2009-2014年)39倍的增速相比。
有机构测算，全球运营商每Gigabyte产生的平均营收，已经从5600美元降到仅仅11美元，即每兆字节的营收仅有0.01美元，而中国的形势则更加严峻，因为中国3G起步较晚，2008年才部署展开3G技术，2009年是中国3G元年，以致于中国在3G网络构建的初期就遭遇到以苹果为代表的智能手机的挑战。电信规划研究院专家吕新杰在采访中称，有研究数据显示，2010年我国移动数据流量要高于移动话音流量，但移动数据流量收入却不及移动话音收入的十分之一。
移动数据流量的增长所带来的巨额收益大部分流向了提供移动应用的创新型技术公司。据市场研究公司iSuppli公布的数据，苹果的应用商店appStore2010年年收入为17.82亿美元，同比增长131.9%。占行业总销售额的82.7%。在全球移动应用市场独占鳌头。与之相反，许多大型移动运营商的数据流量收入则停滞不前，甚至出现下滑。2010年，KDDi、Verizon、Bt、Dt收入均在下滑。
快速增长的数据流量，大大超过了电信运营商的预期，给运营商的网络带来了巨大挑战，却只产生了很少的经济效益，并没有带来同样增长速率的业务收入增长。这也就是业界常说的“剪刀差”。如图1所示：
在当前移动互联网发展的大势下，要解决好这两个问题，做好流量经营业务，应该从以下几方面入手：
1.坚持智能终端引领，加快智能手机的全民普及
据全球通用移动通信系统（UmtS）论坛的相关统计显示，智能手机用户产生的流量是普通用户的十数倍，智能终端是流量经营的基础，是最有力的“强心剂”；当前C网的智能终端已经极大丰富，摩托、三星、酷派、中兴、华为等各领，小米和最牛的苹果4S也声势浩大地到来，诺基亚牵手微软全球首推的首款C网windowsphone隆重登场，整个CDma产业跃出低谷，走上良性发展的轨道；但是目前智能机用户的占比不到15%，普及率偏低，因此要继续加大智能手机的话费补贴与终端补贴的力度，停止2G手机的补贴，渠道发展酬金上也要向智能终端倾斜，引导内外渠道发展智能手机，加快智能手机在全民中的普及。
2.合理引导数据流量应对大流量负荷
前文中也提到过，爆炸性增长的流量需求给网络造成了严重的负荷，面对这一严峻局势，运营商的对策可以大致分为以下几种：分流、限流和节流。
分流是目前国际运营商主要采用的手段，即利用wiFi网络分流3G网络的流量，比如，目前全球iphone的60%以上流量都已经由wiFi网络分担，这种方法的实质，是用更便宜、更丰富的光网络资源来缓解网络资源的有限性，以日本软银为例。日本软银副总裁松本彻三在一次通信会议上表示，随着智能终端手机市场的快速发展，数据流量呈现爆发式增长，而wiFi与移动网络的结合将成为运营商解决高流量压力的最简单，最直接的方式。“wiFi负责在网络最后的几米系统连接，通过将wiFi与蜂窝移动通信系统连接来缓解流量压力。”但是这一策略有一个弊端，那就是电信运营商只是简单地用wiFi来分流移动网络，运营商越来越难以从网络资源提供中获得收入，也越来越被终端和应用厂商边缘化。其数据业务流量的增长和数据收入的剪刀差不会有明显缓解，更会有逐渐沦为“哑管道”的危险。
限流对于中国用户来说更是毫不陌生，p2p是pointtopoint点对点下载的意思，它是下载术语，意思是在你自己下载的同时，自己的电脑还要继续做主机上传，目前很多下载软件如电驴等都是p2p技术，还有像风行、皮皮等。由于在下载的同时还要上传，所耗费的流量十分惊人，因此，许多地方运营商限制了p2p应用，很多大学宿（下转第63页）（上接第61页）舍、办公室所使用的宽带网络也几乎禁用一切下载和流媒体工具，虽然确实会在很大程度上缓解网络压力，但这种方法实际上是以损害用户体验、伤害用户利益为代价保障最基本的通信服务，长期实行下去，是网络应用的倒退而不是进步。
节流方面，资费手段是管理大流量用户、提升单位流量收益的较有效手段，按流量或应用收费的分级定价资费模式可以优化流量单位收益，2010年下半年以来，欧美多个移动运营商取消了不限流量的包月资费模式．改为基于流量的分级定价模式。目前中国三大运营商基本上都推出了这样的类似服务，三家运营商针对不同的用户需求推出相应的套餐方案，同时还提供及时的流量提醒服务，让用户的消费更加明白、可控。今年3月，中国电信还为iphone4S用户提供流量自动升档：如果用户在实际使用过程中超出了套餐包含的流量达到更高一档时，将自动升级到更高档位，而不是按标准资费收取。
3.致力于向客户提供全方位的服务来增加数据流量收入
对于电信运营商，要想在移动互联网市场占据有利地位，为用户提供周到细致的服务提升用户体验，是不可或缺的。具体而言，可从以下几个方面入手：
一是增加3G数据应用项目。为什么微博、微信、米聊等这些社交类的应用软件能风靡当下，受到这么多人的喜爱呢?因为它们顺应了当前自媒体时代的特性，碎片化的时间产生了碎片化的需求，社交应用类软件如火如荼，而且和移动互联网完美结合，贴近用户需求，可谓是具备“天时、地利、人和”。在这种形势下，运营商要尽快转变2G时代的思维，不能再单纯依靠传统语音与短信、彩信、彩铃业务收入过日子，向创新型科技公司学习，不断研发出类似“微博社交”或“愤怒的小鸟”这样的符合移动互联网发展大势又迎合用户特性的软件，增加用户3G消费的应用项目，培养用户数据消费习惯，增强用户的消费黏性。以往用户都是在应用商店购买科技公司开发出的软件，如appStore，今后运营商可开发这类软件，将流量价值导向运营商，实现数据流量业务的增长。从现状来看，国外主要运营商如Verizon、at&t、Vodafonc、SK电讯、orange、t-mobile、telefonlca等都建立了自己的程序应用商店．其中Vodafone、t-mobile、telefonica向开发者开放广告api．鼓励开发者在应用中嵌入广告，利用电信运营商所拥有的数量庞大的用户规模优势向广告主收费，然后与开发者分成。目前运营商介入应用程序商店，在盈利模式方面仍处于探索和起步阶段。未来有广阔的发展空间。
二是做好核心配套服务。3G时代是服务制胜的时代。前段时间在网上引起热议的“微博天价流量事件”已经给运营商敲响了警钟。3G时代，电信运营商对用户的服务必须转型，要在消费环境及用户消费清单上做到更加透明化、清晰化。1G流量能做什么?中国联通就充分作出说明，1G流量能浏览3500个网页，阅读1700篇小说，下载340首歌曲，下载短视频20部，QQ聊天720小时。运营商需要站在用户的角度上，为用户着想，为其提供全面周到的贴心服务，有助于培养消费者对电信运营商的好感度和美誉度、忠诚度，从而提升3G品牌，增强用户在网黏性。
经过几年的3G市场培育，3G技术已日臻成熟，智能终端和软件应用的推广也略有成效，如今，运营商的3G数据流量消费呈现几何级数的增长。3G时代，运营商最宝贵的财富不是号码资源，而是流量资源。流量经营将成为未来移动互联网时代的基础业务，事关运营商生死。从传统话务量业务经营转向流量业务经营将在根本上重塑电信运营商的盈利模式和价值生产模式，这就必然地要求电信运营商在诸多方面做出改进，专注流量经营，挖掘数据流量中蕴含的价值，才能使电信运营商的流量经营之道越走越宽、越走越顺。
参考文献
[1]CnniC第29次互联网络发展状况统计报告.
[2]杜娟.移动互联网流量经营策略研究[J].邮电设计技术,2011(5):61～63.
[3]孙丽娟,方义松.流量经营之道[J].通信企业管理,2012
大数据运用方向篇9
【关键词】干散货航运市场；运价；预警；Bp神经网络；matLaB
近年来，波罗的海干散货运价指数（BDi）波动显得尤为剧烈。2007年，BDi呈现井喷式上涨，最高时达到点，全年BDi平均值比2006年增长118%；而2008年后，受金融危机影响，BDi急剧下跌，最低时仅663点，给干散货航运市场的发展带来严重影响。随着世界经济发展，尤其是经济全球化的进程越来越快，航运运价风险有增大的趋势，在这种情况下，研究和讨论国际干散货航运市场运价预警十分重要和必要。
国际干散货航运市场的运价预警是在客观描绘该市场运价运行状况的基础上，分析警情，防范干散货航运市场运价出现“大起”或“大落”，是保障该市场平稳健康发展的手段。目前，对于该市场的运价预警研究尚处于起步阶段，其预警指标体系设置尚在探索之中，还没有建立起完整的运价预警系统。杨华龙等[1]选择BCi，Bpi，BSi和BHSi等4个干散货船运价指数作为警兆指标，运用支持向量机方法建立国际干散货航运市场的运价预警模型。该方法有一定的适用性，但SVm方法仅适用于小样本的分类，数据数量上存在不足，不能很好地对干散货航运市场的警情作出判断。
Bp（Backpropagation，Bp）神经网络是目前应用最多的一种神经网络形式，具有实现任何复杂非线性映射的功能，它通过样本数据对神经网络进行训练，使其具有类似人脑的记忆和辨别能力，从而完成对各种信息的处理，且在样本缺损的情况下，仍能有稳定的输出。因此，本文尝试应用Bp神经网络来建立干散货航运市场运价预警模型。
1Bp神经网络和运价预警
Bp神经网络是一种多层网络的“逆推”学习算法，其基本思想是学习过程由信号的正向传播和误差的反向传播两个过程组成。[2]从结构上讲，Bp神经网络分为输入层、隐藏层和输出层，层与层之间采用全互联的方式，同一层单元之间不存在相互连接。正向传播时，从输入层输入样本数据，经隐藏层逐层处理后传向输出层。若输出层的实际输出与期望输出不符，则转向误差的反向传播阶段，将输出误差通过隐藏层向输入层逐层反传。这样，正向传播与误差反向传播周而复始地进行，直到输出误差减小到可以接受的程度。最后将需要检测或预测的样本数据输入训练好的模型中，得到数据判断结果。Bp神经网络具有较好的泛化能力，通过全局逼近的方法对任意非线性映射关系进行逼近，因此能够为有历史经验和规律的事物的预测提供一种很好的方法。并且，Bp神经网络具有很好的容错性。[3-4]图1为典型的Bp神经网络结构。
图1Bp神经网络结构
经济预警是指围绕经济循环波动这一特定经济现象所展开的一整套经济监测、经济评价、经济预测和政策选择的理论和方法体系。经济预警在逻辑上应由以下几个阶段构成：明确警义、寻找警源、分析警兆、预报警度。[5-6]运价预警属于经济预警，因此干散货航运市场运价预警就是在正确分析影响干散货航运市场运价变化因素的前提下，选取能全面反映干散货航运市场运价波动的因素作为警兆指标，通过这些指标对干散货航运市场运价状况进行检测，分析研究其变化和发展趋势，当价格出现异常波动时，及时发出预警信号，并采取适当的应急措施。
考虑到Bp神经网络所具有的优良特性，在国内外研究的基础上，本研究选取合适的警兆指标，同时利用matLaB软件编写Bp神经网络学习程序；然后进行系统仿真，利用Bp神经网络算法程序对实例样本进行学习和检测；最后对仿真结果进行评判，得出适用性结论。
2干散货市场运价预警模型的建立
本文运用前向三层Bp神经网络技术，建立干散货航运市场运价预警模型，运价预警程序如图2所示。
图2运价预警程序
Bp神经网络模型中，输入节点、输出节点和隐藏层节点各一层。输入层至隐藏层采用Sigmoid函数，隐藏层至输出层采用线性函数purelin。为便于研究，本模型将干散货船队运力供给、干散货船队运力需求、oeCD工业生产指数、原油价格和远期运费协议（FFa）价等看成是影响BDi的5个关键因素。
2.1输入节点选择
利用Bp神经网络建模，网络输入应为全面描述干散货航运市场运价风险的指标。本文选择干散货船队运力供给（x1）、干散货船队运力需求（x2）、oeCD工业生产指数（x3）、原油价格（x4）和远期运费协议价（x5）等5项指标，因此输入节点为5个。在数据输入时，需要按照变量归一化原则对所有数据进行处理，使其变为区间[0，1]上的无量纲指标值。
2.2隐藏层节点选择
隐藏层节点数目对神经网络的性能有一定影响。隐藏层节点过少时，学习网络结构简单且学习时间短，但表现力不足，网络不具备必要的信息处理能力和学习能力，容错性差，会出现学习误差下降缓慢甚至不能收敛的现象；隐藏层节点过多时，表现能力强，但网络结构庞大且学习时间长，网络性能下降，不一定能使误差达到最佳状态。根据Bp神经网络本身的特点以及实践经验，通常选取隐藏层节点数目为n＝2m＋1。其中，n为隐藏层节点数目，m为输入层节点数目，可知隐藏层节点数目n应为11。
2.3初始参数选择
初始参数的选择也是神经网络应用的关键环节之一，只有选择正确、合适的参数，才能使网络以较小的误差迅速、有效地收敛。对于学习速率，一般取值在（0.01，0.80）之间，实践中，通过观察误差下降曲线的下降速度来判断所选择的学习速率是否合适。如果下降速度过快，说明选取的学习速率过大，可以逐步减小学习速率直至下降速度较为合适为止。本文通过多次仿真实验，确定选取的学习速率值为h＝0.03。
2.4网络训练目标函数
假设系统的期望输出值为xi（i＝1，2，…，n），与之对应的系统实际输出值为i（i＝1，2，…，n），则预测误差为e＝（e1，e2，…，en）＝（x1－1，x2－2，…，xn－n），那么误差平方和（SSe）就可以作为神经网络预警模型的性能评价指标，其公式为
SSe＝（xi－i）（1）
采用Bp神经网络算法对样本进行训练，直到网络收敛于规定的误差标准之内。否则，说明网络未训练成功，需要重新设定网络参数甚至网络结构，直至训练结果满意为止。
2.5输出节点确定
输出节点对应于预警结果，为验证Bp神经网络对干散货运价预警的准确性，需要确定期望输出。如果实际输出值与期望输出值相差较大，说明模型的准确性较差；反之，说明模型的准确性较好。在神经网络的学习训练阶段，样本的期望输出值实际上是已知的，因为它可从历史数据资料中获得或通过一些数学方法计算得出。
人工神经网络的期望输出形式是向量形式[7]，本文为便于结果的输出，以及考虑到整个系统的稳定和最后结果，选择输出节点为5个，其中输出[10000]为无警，[01000]为轻警，[00100]为中警，[00010]为重警，[00001]为巨警。
3干散货航运市场运价警情评估
为提高分析的准确性，笔者选择2007年1月至2011年6月共54个月的数据。其中，2007年1月至2009年10月共34个月的数据作为训练样本，2009年11月至2011年6月共20个月的数据用于模型检验。以BDi表示干散货运价指数，原油价格使用新加坡380cSt船用燃油价格数据，远期运费协议价格使用BCi4tC的FFa价格数据。
为将航运经济专家多年积累的经验有机地融入对未来干散货航运市场运价趋势的研究中，本文采用因子分析法和专家调查评估方法确定干散货航运市场运价的警度。赋予x1，x2，x3，x4和x5的权重分别为w1＝，w2＝，w3＝，w4＝，w5＝。对数据进行标准化处理，公式为
（2）
式中：xit为第i项第t月份的运价指数；x'it为xit标准化处理后的数据；ximax为第i项运价指数的最大值；ximin为第i项运价指数的最小值。
第t月份干散货航运市场运价的实际警度为
（3）
式中：yt表示第t月份运价警度。yt∈（0.8，1.0]为无警；yt∈（0.6，0.8]为轻警；yt∈（0.3，0.6]为中警；yt∈（0.1，0.3]为重警；yt∈（0，0.1]为巨警。由此可得各月运价警度评估值（见表1）。
表12007年1月―2011年6月干散货航运市场运价警情
4Bp神经网络模型训练与检测
4.1模型训练
前面已经构建了基于Bp神经网络的干散货航运市场运价预警模型，下面对网络进行训练。在批处理模式中，网络训练所用的样本需要一次性输入，然后再调整网络参数，梯度的计算需要所有样本数据同时参与。
利用matLaB软件对预警模型进行训练时，选取2007年1月至2009年10月共34个月的数据作为训练样本。在确定实际输入值和期望输出值后，可直接调用traingda函数进行训练。当网络性能达到误差要求时，整个Bp神经网络训练完毕。[8-9]训练的动态图像和期望输出分别见图3和表2。
图3Bp神经网络模型训练的误差变动曲线
表2Bp神经网络模型期望输出
4.2模型检测
下面以2009年11月至2011年6月共20个月的数据来检测其经营风险的大小与实际情况是否相符，其期望输出和实际输出结果见表3。由表3可知，在实际检测过程中，模型计算输出与实际评价结果非常接近，由此证明，利用Bp神经网络对干散货航运市场运价风险进行预警并进行相关研究是切实可行的。
表3Bp神经网络模型检测
5结语
本文将Bp神经网络理论应用于干散货航运市场运价预警，根据所建立的干散货航运市场运价警兆指标体系，确立与之对应的用于运价预警的Bp神经网络，通过因子分析法结合航运专家经验得出干散货运价的预警度区间，并利用统计数据取得该神经网络的训练样本，对其进行训练直到误差满足要求。借助计算机和matLaB软件，能够方便快捷地得出预警结果，证明其预警的精确度较高，表明此方法具有较好的实用性。基于Bp神经网络的干散货航运市场运价预警模型能够较为准确地预测干散货航运市场警情，为干散货航运市场运价预警提供一条可行、有效的新途径。
参考文献：
[1]杨华龙，东方．基于支持向量机的干散货航运市场运价预警[J]．中国航海，2009，32（3）：101-105.
[2]朱大奇，史慧．人工神经网络原理及应用[m]．北京：科学出版社，2006：33-63.
[3]张德丰．matLaB神经网络应用设计[m]．北京：机械工业出版社，2009：87-119.
[4]董长虹．matLaB神经网络与应用[m]．北京：国防工业出版社，2007：64-120.
[5]王耀中，侯俊军，刘志忠．经济预警模型述评[J]．湖南大学学报：社会科学版，2004，18（2）：27-31.
[6]黄继鸿，雷战波，凌超．经济预警方法研究综述[J]．系统工程，2003，21（2）：64-70.
[7]邱隆敏．我国金融危机的预警研究――基于人工神经网络模型的分析[D]．广州：暨南大学，2004.
大数据运用方向篇10
1人工智能的含义及优势
人工智能是融合信息科学和数学、哲学、心理学等知识的一种新型科学技术，能通过感知环境做出主动反应，并且该反应能够实现目标、获得最大收益（蔡彬彬.人工智能在计算机网络技术方面的应用[J].科技风,2019(13):60）。如今人工智能已经渗透到日常生活之中，例如手机里的智能助理、新闻浏览中的新闻推荐和机器翻译、机器人、自动驾驶等。人工智能是全新的智能系统，其优势主要包括：第一，模糊信息处理和协作的能力。大数据时代的计算机网络技术发展中出现大量模糊信息，增大处理难度，而人工智能大多使用模糊逻辑的数据处理方式，无需准确描述数据模型，运用人工智能就能增强计算机网络技术的信息处理能力。与此同时，计算机网络技术的规模、结构等均在发生变化，增大网络管理难度，运用人工智能的协作分布思维就能显著提高计算机网络协作能力。第二，非线性处理和学习的能力。计算机网络技术催生大量数据和信息，其中有很多都处于较低的概念层次，但其背后隐藏着价值巨大的信息，需要运用人工智能进行挖掘，学习低层次信息，进行解释和推理。人工智能还可以及时进行非线性处理，由机器人模仿人的智能。第三，运算速度快、成本低。迅速发展的计算机网络技术使得人们对其的依赖程度越来越大，但效率和成本问题不容忽视，运用人工智能可以加强算法控制，在计算时速度较快、资源消耗较少，极大地节省计算成本。
2大数据时代人工智能在计算机网络技术中运用的途径
进入大数据时代以后，计算机网络技术的发展速度越来越快，全球越来越关注网络安全问题，计算机网络系统的运用中最重要、人们最关注的则是网络控制、网络监控。由于网络数据存在不规则、不连续的特征，计算机判断数据真实性的难度较大，因而有必要促进计算机网络技术的智能化发展。
2.1运用于管理
人工智能一般又被称为人工智能agent技术，这是一种实体软件，其组成部分主要是各agent之间的数据库、知识库、解释推理器、通讯部分，其依据就是agent的知识库，通过及时分析、处理数据信息完成相关任务。人工智能的管理一般可以基于用户自定义搜索信息，并可以向指定位置传输，让用户享受更智能化的、人性化的服务（王佳美.人工智能技术在计算机网络领域中的应用研究[J].通讯世界,2019(04):136-137）。例如用户利用计算机网络技术查找所需信息时，运用人工智能就能进行管理，对信息加以分析和处理，获得有效的信息，节省大量查找时间。同时，人工智能在人们的日常生活与工作中也有广泛运用，包括收发邮件、安排形成、网上购物等，享受十分优质的智能化管理服务。并且人工智能技术拥有一定的学习性、自主性，对于用户分配的任务可以自动完成，借助自主学习方式更好地推动计算机网络技术的发展。
2.2运用于数据处理
在计算机网络技术中运用人工智能可以极大地提升数据处理能力，即从人工智能切入，实现计算机动态模拟、科学预测，为开展计算机网络管理工作提供可靠的技术支持，特别是开展预设性管理活动，方便对人员的行为进行管理，减少额外成本投入，夯实后续开展数据处理活动和管理活动的基础。为更充分地体现人工智能运用于计算机网络技术的数据处理优势，操作人员要从实际着眼，从人工神经网络切入，通过构建人工神经网络机制，实行必要的网络数据信息预测和处理。具体而言，运用人工神经网络，基于计算机网络技术的操作状态，快速获得主要的运行参数，并把所获参数和计算机网络标准做对比，从而输出对比结果，直观呈现数据处理结果。借助神经元的连接权和阈值，还可衔接输入值、输出值，形成最佳的拟合函数，基于人工神经网络框架高效处理计算机网络技术运用中的各类核心数据，特别是对计算机网络技术所涉及设备的运行状态、技术参数等进行阅读，预测短时间里人工智能在管理环节暴露的问题，高速设置应对问题的方案。该操作需要大数据的支持，数据运算量也很大，所以在运用人工智能时要适当前移数据信息的加工和处理工作，组建计算机网络技术的动态模拟和预测网络。
2.3运用于网络安全
人们对于计算机网络技术的使用安全始终给予高度重视，运用人工智能有助于强化其安全防护。例如运用人工智能可以构建智能防火墙，智能防火墙和其他防御系统比起来能借助智能化的识别技术采集数据、分析数据、处理数据，对有害信息访问进行限制、拦截，减少计算量，提升数据信息安全等级。智能防火墙也有助于防范病毒攻击、黑客攻击，既能阻止病毒传播，又能有效监控并管理内部局域网，确保计算机网络技术使用的平稳性、安全性（罗雅丽.大数据时代人工智能在计算机网络技术中的应用[J].电脑编程技巧与维护,2019(06):120-122）。此外，智能防火墙的安全检测效率比传统防御软件高很多，可以妥善解决外部攻击问题，稳步提升计算机网络安全工作的有效性。人工智能还可运用于计算机网络技术的入侵检测实践，其主要涉及两个模块：一个是训练模块，即在计算机网络技术的使用中通过人工智能实行网络入侵检测，实现正常审计已知数据、检测异常数据的向量训练。人工智能检测主要借助编码的方式对已知入侵特征向量和审计记录做分析、比较，进而把入侵特征的向量变化识别出来。如果已知入侵向量有符合其特征的审计事件，那么计算机网络系统就会自动报警；如果入侵向量和审计事件不符，运用人工智能就能自动实行网络入侵检测，形成新的审计事件。还可以调整模式长度、匹配时间，确保有效分析入侵检测信息的特点。另一个是检测模块，借助预处理器实行入侵检测，即通过数学向量的形式，以审计未知为前提实施数字处理，之后基于支持向量机、判决函数，分类数字向量，再经过决策系统分类汇总数字向量。在检测预测模块中也可按照现有模型的运行规律判定计算机网络系统在今后可能会遭受的攻击，促进模型装置的及时更新，确保系统安全、稳定。
2.4运用于其他方面
大数据、互联网和人工智能等技术有力推动各行各业的变革、发展，使得计算机网络技术水平越来越高，对人们的生活与生产发挥更大的作用。第一，人工智能在教学领域的运用。教师可以在计算机网络技术的学习中运用人工智能，提高教学准确度，并调动学生的热情和积极性。人工智能在早教领域的运用也十分广泛，智能机器人使早教进入新的层面，教育不再受到书本的限制，成功把互联网带进课堂，教师针对自己无法即刻解决的问题，可以借助计算机网络技术搜索准确答案。第二，人工智能在企业管理领域的运用。如今很多企业的计算机网络技术都融入了人工智能，例如自动监控系统、自动报警系统等，促使企业实现智能化管理目标，在安全的环境里降低管理成本（高塔,田雨鑫.计算机网络技术中大数据时代的人工智能应用研究[J].中小企业管理与科技(上旬刊),2018(06):137-138）。企业在未来必然能依托人工智能实现真正的现代化和信息化、智能化管理。第三，人工智能在家居领域的运用。经济稳步发展使智能家居进入大众的生活，为人们的居住提供更大的便利。在计算机网络技术中运用人工智能能很好地满足人们的居住需求，例如自主控制灯光的明暗、窗帘的开合等，或者远程控制家居系统，包括电饭锅开关的远程控制，回到家里能有更多休息时间。因此，智能家居的应用将会日益普及，让人们享受优质的家居生活服务。
3结语