6、大数据特征约简与光纤传感器涂层研究

大数据特征约简与光纤传感器涂层研究

一、DAHFR 过程在大数据特征约简中的应用

在特征选择与预处理（FSbP）阶段，当处理大数据集时，数据缺失是一个需要重点关注的问题，同时业务和数据库知识也相对有限。DAHFR（可能是某种特定的特征约简过程）在这种情况下是一种非常有价值的方法。它不仅适用于处理数据缺失问题，还能对大数据集进行特征约简，并且在多源数据协调方面具有良好的可扩展性。

在完成初始的特征约简后，DAH 分数能为用户提供有关特征的重要信息。通过分析这些信息，用户可以确定数据缺失的类型和来源，以及在数据挖掘阶段处理缺失数据的最佳方法。此外，在知识发现与数据挖掘（KDD）项目中，当需要对具有相似数据库设计的多源数据进行协调时，DAHFR 过程表现出色，因为它不需要用户提前深入了解每个数据源的规则和语义。

不过，DAHFR 过程仍有一个领域有待探索，即特征选择的阈值选择。在相关研究中，采用了 60%列健康度及以上的阈值。目前，研究人员正在积极进行实验，以确定不同阈值对数据挖掘模型预测准确性的影响。

二、U 形光纤传感器研究背景

2.1 光纤传感器优势

20 世纪 70 年代，低损耗光纤的引入引起了全球学术界的广泛关注。光纤传感器（FOS）是一种非侵入式传感器，不会改变溶液的特性。与传统的生物、电化学和半导体传感器相比，FOS 具有许多独特的特性，例如体积小巧、抗电磁干扰、具备复用和远程传感能力、具有弹性、重量轻、能够感知声学、温度、应变和压力等各种物理干扰，并且是一种绝缘体。

2.2 提升 FOS 灵敏度的策略

已有研究表明，修改光纤的几何形状以及在光纤上涂覆特定的化学