应用范围 制造业中生产数据的智能分析和处理；振动噪声数据的智能分析和处理；医疗行业数据的智能分析和处理。 内容简介 面向行业数据，提供数据智能分析和处理技术，挖掘行业数据中蕴含的大量有价值信息，将数据转化为知识。从而帮助专业人员和决策者更好的解读数据，进行业务需求分析、风险评估、趋势预测、故障预警和诊断、科学管理等决策。 数据智能分析处理技术融合人工智能、模式识别、机器学习、统计分析等领域思想，通过降维、分类、聚类、回归、关联分析、可视化等手段，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的知识。 针对制造行业的生产数据和医疗行业数据已有相关分析算法库，可根据行业需求进行算法的调整和开发。 主要技术指标 领域数据特征提取 根据领域知识，对海量的复杂数据特别是时间序列数据，经过一些变换对数据进行重新描述，将复杂数据转换成可以涵盖有效数据信息的特征数据。 数据清洗、去噪、规约 去除数据中存在的噪声数据、对某些空缺数据进行数据填补、剔除重复数据。 高维数据降维处理 通过非线性方法经过特征变换降低数据维度，使其更直观反映出数据本质。 分类 有监督学习算法，通过对已知类别训练集的分析，从中发现分类规律，以此预测新数据的类别。 聚类 无监督学习算法，由算法自动找出数据间相似性，并以此将数据集分成不同组别的子集，以发现数据中存在的潜在规律。 回归分析 基于观测数据建立变量间适当的依赖关系，以分析数据内在规律，可用于预报、控制等问题。 关联分析 用于发现隐藏在大型数据集中有意义的数据联系。