随着物联网技术的发展，前端传感器的使用使得低合金钢的海水腐蚀监测成为了现实，从而获得了大量的腐蚀数据。针对传统均值法处理双率腐蚀数据带来的数据信息损失以及建模精度下降问题，提出了一种基于综合指标值(CIV)和改进相关向量回归(IRVR)的双率腐蚀数据处理和建模算法(CIV-IRVR)。首先，通过构建CIV表征输入数据的综合影响并采用天牛须搜索(BAS)算法对其参数进行寻优；然后，建立最优CIV序列与输出数据间的线性回归模型将双率数据转化为建模用的单率数据，能够更多地保留原始数据信息；最后，给出了一种BAS算法优化的具有组合核函数的改进相关向量回归建模方法(IRVR)，并建立了针对低合金钢海水腐蚀双率数据的CIV-IRVR预测模型。结果表明：相比于均值方法处理双率腐蚀数据，所提方法将建模样本数量由196提升到了1834；相比于海水腐蚀建模领域常用的人工神经网络(ANN)和支持向量回归(SVR)建模方法，所提模型的平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(CD)分别为1.1914 mV、1.5729 mV以及0.9963，在各项指标上均优于对比算法，说明所提模型不仅减少了信息损失还提高了建模精度，对于双率海水腐蚀数据建模具有一定现实意义

1.1 数据采集系统的基本原理 1.2 高速数据采集的应用 1.3 高速数据采集的研究现状及发展趋势

在统计推断这个领域,如果观测到组成总体的所 有观测值是不可能或不切实际的,只要关心怎样 得出关于总体的结论。 ·在大多数统计分析应用中,必须依据从总体中抽 取的子集的观测值。称这个子集为数据集,从这 个数据集建立一个总体的统计模型,从而对相同 的总体作推断。 ·问题是它可能导致对总体错误的推断,因此最好 是在独立的、随机观察的情况下选取一个随机的 数据集

大数据是多源异构的。在信息技术飞速发展的今天，多模态数据已成为近来数据资源的主要形式。研究多模态学习方法，赋予计算机理解多源异构海量数据的能力具有重要价值。本文归纳了多模态的定义与多模态学习的基本任务，介绍了多模态学习的认知机理与发展过程。在此基础上，重点综述了多模态统计学习方法与深度学习方法。此外，本文系统归纳了近两年较为新颖的基于对抗学习的跨模态匹配与生成技术。本文总结了多模态学习的主要形式，并对未来可能的研究方向进行思考与展望

随着现代电子计算机技术的发展,计算机的应用领域从最初的简单科学计算逐步发展到 人类活动的各个领域,例如企业管理、工程过程控制、经济系统工程及管理信息系统等。计 算机处理的对象从简单的数值和字符扩大到现在带有不同复杂结构的各种数据,例如图像、 声音及信号等。面对不同的数据处理对象,不同的需求,数据的组织形式、存储及运算必须 有不同的方法,才能进行有效的处理

第6章多媒体数据库及基于内容检索 一、多媒体数据管理 二、多媒体数据库管理系统 三、面向对象技术与 MDBMS 四、基于内容的检索技术

第二节 电阻应变片 第三节 应变测量 第四节 常用的传感设备 第五节 试验记录方法 第六节 建筑结构现场测试技术 第一节 概述 第二节 数据整理和换算 第三节 数据误差分析 第四节 数据的表达

计算机并非天生具备这些功能,它们都是程 序员赋予的,那么程序员又是如何具备这一 超凡的能力?这就是本章所要学习的。本章 首先学习现实生活中的各种信息数据之间存 在怎样的内在联系,如何在计算机中体现这 一联系,从而使计算机能够进行信息处理。 其次,学习在面对大量信息数据时,如何提 高人们的工作效率,即数据库技术

计算机并非天生具备这些功能,它们都是程 序员赋予的,那么程序员又是如何具备这一 超凡的能力?这就是本章所要学习的。本章 首先学习现实生活中的各种信息数据之间存 在怎样的内在联系,如何在计算机中体现这 一联系,从而使计算机能够进行信息处理。 其次,学习在面对大量信息数据时,如何提 高人们的工作效率,即数据库技术

10.1 事务的基本概念 10.2 数据库恢复概述 10.3 故障的种类 10.4 恢复的实现技术 10.5 恢复策略 10.6 具有检查点的恢复技术 10.7 数据库镜像 10.8 小结