项目名称: 面向复杂情报的大数据分析方法与决策支持

项目编号: No.U1435220

项目类型: 联合基金项目

立项/批准年度: 2015

项目学科: 其他

项目作者: 胡晓惠

作者单位: 中国科学院软件研究所

项目金额: 500万元

中文摘要: 本项目针对复杂情报大数据处理、分析与决策的挑战性问题,在对相关的理论基础与方法进行深入调研与论证的基础上,重点研究大数据分析方法,包括基于情报逻辑语义的数据表示、压缩感知的稀疏处理、融合反馈的认知方法。重点突破复杂情报数据的特征提取与融合、基于主动规则的异常检测、基于时空线索的突发事件预警、潜在信息关联关系挖掘、复杂多维情报数据动态视图生成等技术,在大数据分析应用开发与运行原型系统基础上部署典型应用。本项目研究成果对于提高与国家安全相关的特定领域内情报获取的准确度、应对策略的前瞻性、合理性和科学性上具有重要意义,可进一步丰富和发展我国情报大数据分析的理论方法和技术体系,提升我国信息化建设综合实力、在军民共性技术领域发挥重要作用。

中文关键词: 大数据;情报数据;潜在信息关联挖掘;异常检测;决策支持

英文摘要: The increasing complexity of information-data brings great challenges for the corresponding data processing, analysis and decision-making process. Facing the challenges, we will mainly investigate the methodologies for complicated information-data analysis, including the semantic representation of data, compressive sensing oriented sparse processing, and fusion feedback based recognizing methods. Furthermore, we will be devoted to the research of the following key techniques, involving characteristics extraction and fusion from complicated data, active rule based abnormal detection, spatio-temporal oriented emergence sensing, relation mining of potential information, and dynamic view generation for multi-dimensional data. With the prototype implemented with the above techniques, we will validate the effectiveness through classical case studies. The achievements will not only increase information-data acquiring accuracy, strategy predictability and reasonability for the related areas, but also enrich the theoretical approaches and technical frameworks of information processing and analysis, which are essential to enhance the comprehensive strength for both military and civilian areas.

英文关键词: Big data;Information-data;Potential information relation mining;Anomaly detection;Decision support

成为VIP会员查看完整内容
27

相关内容

从各种各样类型的数据中,快速获得有价值信息的能力,就是大数据技术。明白这一点至关重要,也正是这一点促使该技术具备走向众多企业的潜力。大数据的4个“V”,或者说特点有四个层面:第一,数据体量巨大。从TB级别,跃升到PB级别;第二,数据类型繁多。前文提到的网络日志、视频、图片、地理位置信息等等。第三,价值密度低。以视频为例,连续不间断监控过程中,可能有用的数据仅仅有一两秒。第四,处理速度快。
面向知识图谱的知识推理综述
专知会员服务
142+阅读 · 2021年11月1日
专知会员服务
78+阅读 · 2021年2月16日
专知会员服务
106+阅读 · 2021年1月8日
面向健康的大数据与人工智能,103页ppt
专知会员服务
102+阅读 · 2020年12月29日
机器学习模型安全与隐私研究综述
专知会员服务
104+阅读 · 2020年11月12日
专知会员服务
104+阅读 · 2020年10月27日
专知会员服务
185+阅读 · 2020年10月14日
面向大数据领域的事理认知图谱构建与推断分析
专知会员服务
99+阅读 · 2020年8月11日
基于知识图谱的推荐系统研究综述
专知会员服务
316+阅读 · 2020年8月10日
中国信通院:数据中心产业图谱研究报告
THU数据派
0+阅读 · 2022年2月16日
基于深度学习的数据融合方法研究综述
专知
25+阅读 · 2020年12月10日
事件知识图谱构建技术与应用综述
专知
21+阅读 · 2020年8月6日
支持个性化学习的行为大数据可视化研究
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
腾讯互娱刘伟 | 知识图谱在运维中的应用
开放知识图谱
20+阅读 · 2018年10月10日
安全牛发布《威胁情报市场指南》报告
安全牛
11+阅读 · 2017年7月10日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
19+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
23+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
14+阅读 · 2021年8月5日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
小贴士
相关VIP内容
面向知识图谱的知识推理综述
专知会员服务
142+阅读 · 2021年11月1日
专知会员服务
78+阅读 · 2021年2月16日
专知会员服务
106+阅读 · 2021年1月8日
面向健康的大数据与人工智能,103页ppt
专知会员服务
102+阅读 · 2020年12月29日
机器学习模型安全与隐私研究综述
专知会员服务
104+阅读 · 2020年11月12日
专知会员服务
104+阅读 · 2020年10月27日
专知会员服务
185+阅读 · 2020年10月14日
面向大数据领域的事理认知图谱构建与推断分析
专知会员服务
99+阅读 · 2020年8月11日
基于知识图谱的推荐系统研究综述
专知会员服务
316+阅读 · 2020年8月10日
相关资讯
中国信通院:数据中心产业图谱研究报告
THU数据派
0+阅读 · 2022年2月16日
基于深度学习的数据融合方法研究综述
专知
25+阅读 · 2020年12月10日
事件知识图谱构建技术与应用综述
专知
21+阅读 · 2020年8月6日
支持个性化学习的行为大数据可视化研究
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
腾讯互娱刘伟 | 知识图谱在运维中的应用
开放知识图谱
20+阅读 · 2018年10月10日
安全牛发布《威胁情报市场指南》报告
安全牛
11+阅读 · 2017年7月10日
相关基金
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
19+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
23+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员