设计应用-AET-电子技术应用

公共数据授权运营的风险研判及合作治理[其他][其他]

以全流程视野审视公共数据授权运营的风险，主要表现为数据授权阶段的供需对接风险、数据运营阶段的垄断风险以及数据开发利用阶段的失控风险。合作治理模式能通过多元主体间的合作共治、柔性化治理规则以及多样化的治理策略，实现利益协调、弥缝政策规范缺口及提升治理能效。立基于此，公共数据授权运营风险的有效治理应遵循以下具体路径：以商谈机制型构共治格局,以利益补偿机制为核心促进多元主体利益衡平与协调,以软硬兼济方式增强治理规范供给,用以回应性治理策略增进治理效能。

发表于：4/1/2025 4:55:00 PM

数据要素市场下的企业数据合规指引研究[其他][信息安全]

数据是数字经济时代的关键生产要素，是国家基础性战略性资源，如何合规高效地利用数据成为企业打造核心竞争力的关键。数据合规指引不仅明确了数据合规的原则和要求，还提供了具体的实施步骤和最佳实践，帮助企业建立和完善数据合规管理体系。总结了我国各地制定的区域型数据合规指引、行业主管部门制定的行业型数据合规以及场景型数据合规指引的特征，分析了当前区域型数据合规指引发展趋势可能引发的区域割裂风险，以及法律法规之间的不一致给数据合规指引带来的难处，还有监督机制不健全带来的企业数据效果难保障等问题。指出要从全局视角加强统筹协调以构建企业数据合规指引，突出企业数据合规指引对能力建设的指导作用，重在指导企业建立数据合规管理体系，并提出建立合规评审机制促进企业数据合规管理体系建设。

发表于：4/1/2025 4:43:55 PM

面向机器学习建模的数据治理技术路径研究[人工智能][其他]

随着人工智能和机器学习技术的快速发展，数据质量已成为提升模型性能和可靠性的核心因素。特别是在不同类型机器学习模型的应用中，如何有效地实施数据治理以提升数据质量、稳定性和公平性，仍然是一个亟待解决的问题。综述了数据治理在机器学习建模中的关键作用，提出了一套系统性的数据治理框架，涵盖数据采集、处理、标注、模型训练等全过程，旨在提供切实可行的治理方案以支撑机器学习应用。该框架强调在不同阶段采用针对性的技术措施，确保数据治理的有效性，从而促进数据质量的提升和模型的可解释性、稳定性及公平性的保障。本研究为数据治理在机器学习中的深入应用提供了理论基础，并为后续的技术实践和创新提供了指导。

发表于：4/1/2025 4:31:03 PM

气象数据安全防护体系建设探索与实践[其他][信息安全]

数据安全的重要性已是普遍共识，它涉及个人隐私、企业商业秘密和国家安全等多个层面。气象数据作为气象部门最重要的资产之一，一旦泄露，将会带来重大社会影响。针对气象数据安全可能面对的各种安全威胁和风险，详细介绍了气象数据安全防护体系建设的思路，提出了从数据安全管理、数据安全监测预警、数据安全防护、数据安全应急处置等方面来保障数据安全，为其他部门构建数据安全防护体系提供参考。

发表于：4/1/2025 4:20:55 PM

“数据出境豁免”规则下数据出境安全评估的演变与完善[其他][信息安全]

“数据出境豁免”规则通过提高数据安全评估制度的适用门槛、设置数据出境安全评估的豁免情形对数据出境安全评估制度产生了重要影响。然而“数据出境豁免”规则的设置在概念范畴、豁免事由的证成以及规范目的符合性等问题上并未完全理顺适用逻辑，这在一定程度上影响数据安全评估制度更好地发挥其效用。为此，通过反思“数据出境豁免”规则可能对数据安全评估制度造成的适用性困惑，将“数据出境豁免”规则与欧盟GDPR“克减规则”进行比较并探寻借鉴意义，从价值层面审视制度定位并通过体系化解释适恰上位法规范目的，从定性和定量双重维度考量豁免事由，加强“数据出境豁免”规则与国家数据分级分类制度之间的制度衔接。

发表于：4/1/2025 4:08:55 PM

基于改进FP-growth的多品类打包推荐算法[其他][其他]

多品类打包推荐是现代推荐系统中的重要任务，旨在通过组合不同类别的产品，向用户进行一站式推荐，以满足用户的多样化需求并提升用户体验。目前，该任务面临即时响应需求高、数据规模庞大、数据稀疏性高等挑战，现有打包算法难以应对。为解决上述问题，提出了一种基于改进FP-growth算法的多品类打包推荐算法，即在FP-growth算法的基础上，对产品属性间的关联关系进行挖掘，并根据属性关联规则匹配出符合度最高的打包产品，有效缓解了产品间的数据稀疏性问题。在基于航空旅游零售领域的数据集上，本方法相较于基准方法显著提高了打包质量和打包效率。

发表于：3/26/2025 5:22:23 PM

一种结合双阈值与WSN的OFDM辐射源个体识别[通信与网络][通信网络]

针对在低信噪比情况下OFDM辐射源识别率低的问题，提出一种双阈值与小波散射网络（Wavelet Scattering Network，WSN）结合的OFDM信号时频图辐射源个体识别方法。首先，建立包含指纹特征的OFDM信号指纹模型；其次，利用小波变换对一个符号周期内的OFDM信号进行时频分析得到时频图；再次，设计一种双参数阈值函数模型实现自适应抑制噪声干扰，提高时频图的图像质量。经WSN处理后，从优化后的时频图中提取小波散射系数作为特征集；最后，采用ResNet18进行分类识别。仿真实验结果表明，该方法能够显著抑制噪声干扰，在信噪比为-4 dB的条件下，识别精度达到87.5%，相较于其他方法表现出更高的识别精度和抗噪性能。

发表于：3/26/2025 5:06:06 PM

基于高原地区的超大规模海量MIMO系统混合场信道估计[通信与网络][通信网络]

为了改善高原地区通信条件较差的情况，可以部署超大规模海量多输入多输出（Extreme Large scale massive Multiple-Input Multiple-Output，XL-MIMO）系统。高原地区地形复杂，存在许多建筑、山脉等散射体，这些散射体可能形成近场和远场混合的复杂信道环境。在这种环境中，散射体的分布可能既包括远离基站的远场区域，也包括靠近基站的近场区域。由此构建混合场信道模型，来描述和模拟复杂的混合场信道特征。其次，为了保证XL-MIMO系统的容量和性能，需要获取混合场信道准确的信道状态信息。为此，提出了一种两阶段的信道估计方案。通过仿真验证，发现所提出的两阶段混合场信道估计方案在不同信噪比、不同导频长度、不同路径参数下都具有更优的归一化均方误差，因此更适合应用于复杂环境中的XL-MIMO系统。

发表于：3/26/2025 4:25:50 PM

LSTM与Transformer融合模型在时间序列预测中的应用研究[人工智能][智能电网]

随着可再生能源的快速发展，风电功率预测对于电网稳定运行和能源管理具有重要意义。风电功率预测是一个复杂的非线性问题，涉及多种气象因素和环境条件。提出了一种基于长短期记忆网络（LSTM）、自适应稀疏自注意力机制（ASSA）和Transformer的融合模型，用于发电功率的时间序列预测。该模型结合了LSTM在捕捉时间序列长期依赖性方面的优势、ASSA在处理局部特征交互稀疏性方面的高效性以及Transformer在捕捉全局依赖性方面的强大并行处理能力。通过实验验证，该模型在发电功率预测任务中表现出色，尤其是在极端波动或拐点处的预测精度上有所提高。与传统方法相比，该模型能够更准确地捕捉风电功率变化的复杂性和动态性，为风电场的运营管理提供了有力的决策支持。

发表于：3/24/2025 5:23:00 PM

基于边缘增强和多尺度时空重组的视频预测方法[人工智能][消费电子]

针对当前视频预测算法在生成视频帧时细节模糊、精度较低的问题，提出了一种基于边缘增强和多尺度时空重组的视频预测方法。首先通过频域分离技术，将视频帧划分为高频信息和低频信息，并对二者分别进行针对性处理。其次，设计了高频边缘增强模块，专注于高频边缘特征的学习与优化。同时，引入多尺度时空重组模块，针对低频结构信息，深入挖掘其时空依赖性。最终将高低频特征进行充分融合，用以生成高质量的预测视频帧。实验结果表明，与现有先进算法相比，该方法在预测性能上实现了提升，充分验证了其有效性。

发表于：3/24/2025 5:13:11 PM