基于大数据技术的移动通信数据高效压缩方法

伴随信息技术的快速发展数据信息量逐渐增大,怎样存储大量数据信息的同时节省内部空间与处理时耗间已经成为首要研究问题。本文提出一种基于大数据技术的移动通信数据高效压缩方法。首先了解大数据处理技术,运用分布式处理能够使数据具有优秀的可靠性、扩展性以及容错性。再利用小波变换方法,对大数据实时分解获得小波变换Mallat分解式中的最小数值,并利用MDL函数为标准以此达到相对应的压缩比与重构精度。最后,通过最小描述长度作为数据压缩准则,完成高精度的移动通信数据压缩。实验结果表明:本文所提方法能够节省大量存储空间,并且保证压缩数据的恢复效果,相比其他方法更加节省时间具有显著优越性、高效性以及优质的鲁棒性。     

大数据侦查情报的分析运用风险及其规制

[研究目的]大数据侦查情报的分析运用存在着数据失真导致的情报错误风险、算法依赖导致的研判省略风险、认可度低导致的证据转换风险,解决上述问题对提高侦查情报分析运用水平具有重要意义。[研究方法]通过类型化研究方法对大数据侦查情报进行功能解析,通过实证研究法、规范分析法、文献分析法阐释大数据侦查情报在分析研判和司法运用中存在的问题及解决思路。[研究结论]从规范数据来源和防止算法独裁、提高主体认知与构建研判程序、赋予证据资格和完善分析方法等角度实现对大数据侦查情报的规制。     

发现最小正数推翻百年集论消除2500年芝诺悖论——中学重大错误:将无穷多各根本不同的点集误为同一集

证明了:有最小正数;已知实数轴R的点有大小;实数与R的点远不可一一对应。从而推翻了百年集论立论的论据,使2500年芝诺著名运动世界难题迎刃而解。指出线段(0,k)与数集(0,k)有根本区别,数形结合须跃出根本误区。"点无大小"使初等几何有史以来一直误以为形状与大小相同的图形必全等——使中学有一系列搞错了变量的变域的几百年重大错误:将y=x轴与用而不知的y=2x轴等无穷多各根本不同的数轴以及相应的不同平面误为同一轴、平面;…。指出两数轴之间也有全等与非全等的关系且给出了判断其是否全等的方法。