什么是数据元标准化

① 数据标准化和数据归一化有什么区别吗

归一化，就是为了限定你的输入向量的最大值跟最小值不超过你的隐层跟输出层函数的限定范围。比如，你的隐层的传递函数为logsig，那么你的输出就在0~1范围内，如果你的传递函数为tansig，你的隐层的输出在-1~·范围内，用归一化，这也是为了你的隐层传递函数的输出着想。
标准化，只是对数据进行了统一的标准，其大小可能已经超出了隐层传递函数的界定范围，在后续的运行时，容易出错。

② 数据标准化处理

我觉得你没有弄清楚什么是标准化。数据标准化之前就是有量纲的影响，，意思就是单位不同，如果直接参与运算的话会影响结果。。所以要进行标准化处理。
最简单的说，要考察波动率。然后假设你选取极差作为标准，你的人数的单位是百人或者千人会影响极差的大小。这时候你看着以百人为单位的极差小了，然后你就说以百人为单位的数据波动小。这是不对的。。这是只一个例子，一种情况，帮助理解的。还有你的单位"人"和"元"在一些情况下是没法比较的等等。
数据之前取什么单位是根据你有的数据，或者进行预处理后决定的，跟你做不做标准化是没有关系的。数据进行标准化后，得到的数据是没有单位的。。
如果你的数据没有单位，说明你的数据是不全的，你得尽量避免带单位的分析。

③ 做好数据标准管理对企业来说有什么意义

数据标准化的过程其实就是在数据整合平台实现数据标准，并将各个系统产生的数据通过清洗、转换加载到整合平台的数据模型中，实现数据标准化的过程。一个企业内部的数据标准化方式如此，一个行业监管机构在采集全行业数据时的数据标准化过程也是如此。所以做好数据标准管理对一个企业来说，方便了企业内部各个系统的数据进行整合，解决了各个系统间表字段命名随意、一个业务元素对应多种数据类型和长度、一个英文字段名对应多个中文名（反之亦存在中文名一对多英文名）等问题。不仅如此，企业进行好数据标准管理时，若参考了对应的行业规范，在行业进行信息统筹时则会减少极大的麻烦。针对以上问题，可以通过亿信华辰自主研发的数据治理平台进行解决，平台支持针对各种不同的需求打造个性化的数据标准管理办法。
数据标准是数据全生命周期质量控制的机制与制度保障，贯穿数据从采集到存储、治理和分析应用的全过程，只有建立一套完备的标准体系，数据标准化之后才能更好的管控数据的质量，支撑更高层面的数据应用。做好数据标准管理可支撑企业高效快速进行数字化转型，在此过程中合理高效利用数据标准工具作为一项必不可少的环节，亿信华辰数据标准管理平台在此过程中可高效辅助企业进行数据资产建设和数字化转型，主要体现在以下几个方面：
在元数据管理方面，数据标准可从源头对元数据进行管理，制定数据采集标准，帮助构建规范的物理数据模型，在元数据管理方面，数据标准可以保证元数据的规范性和数据资源目录的完整性，同时对于多源异构数据的接入，数据接口规范可以保证的实时传输。数据标准也能够明确各业务的数据含义和业务规则，业务部门之间、业务和技术之间、统计指标之间统一认识与口径，提高业务和IT之间的一致性，保障IT系统能够真实反映业务事实。
在数据质量管理方面，数据标准是数据质量规则建立的主要参考依据。通过对数据标准的统一定义，明确数据的归口部门和责任主体，为企业的数据质量和数据安全提供了一个基础的保障；通过将数据质量规则与数据标准关联，一方面可实现字段级的数据质量校验，另一方面也可以直接构建简单的较为通用的数据质量规则，确保规则的全面性和可用性，提升数据质量。
在主数据管理方面，主数据作为企业的黄金数据，对于各系统之间的共享要求很高，只有标准化的主数据的共享才是有意义的，数据标准可协助主数据筒统一标准化的建立，统一分类标准，支撑主数据的分发和共享。
在数据资产管理方面，数据标准是数据资产管理的基础，是对数据资产进行准确定义的过程。对于企业而言，数据资产的共享整个在数字化时代显得尤为重要，对于一个拥有大量数据资产的企业，或者是要实现数据资产交易的企业而言，构建数据标准是一件必须要做的事情，数据标准的建设可以帮助企业消除数据的不一致性，实现企业数据资产有效共享。

④ 农业数据标准化的内容是什么

农业统计信息标准化乃为整个农业统计信息化建设的重要构成与关键基础。建设农业统计信息数据元内容，乃是基于农业统计信息标准化工作的实际需要及未来走向而提出的，其最终目标在于成功构建数据元的分类编码标准、命名原则、属性、分类及表示等。针对农业统计信息开展细致化的分类与编码，运用更加标准的数据元及其对应的表示法，强化农业统计信息标准化，最终达成农业统计信息的共享、交换与存储。

⑤ 数据标准化的几种方法是什么

方法一：规范化方法

也叫离差标准化，是对原始数据的线性变换，使结果映版射到[0,1]区间。

方法二：权正规化方法

这种方法基于原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。将A的原始值x使用z-score标准化到x’。
z-score标准化方法适用于属性A的最大值和最小值未知的情况，或有超出取值范围的离群数据的情况。
spss默认的标准化方法就是z-score标准化。
用Excel进行z-score标准化的方法：在Excel中没有现成的函数，需要自己分步计算，其实标准化的公式很简单。

步骤如下：
1.求出各变量（指标）的算术平均值（数学期望）xi和标准差si ；
2.进行标准化处理：
zij=（xij－xi）/si
其中：zij为标准化后的变量值；xij为实际变量值。
3.将逆指标前的正负号对调。
标准化后的变量值围绕0上下波动，大于0说明高于平均水平，小于0说明低于平均水平。

⑥ 什么是元数据

元数据（Metadata），又称中介数据、中继数据，为描述数据的数据（data about data）。

元数据作用是：

1、描述数据属性（property）的信息，用来支持如指示存储位置、历史数据、资源查找、文件记录等功能。

2、元数据算是一种电子式目录，为了达到编制目录的目的，必须在描述并收藏数据的内容或特色，进而达成协助数据检索的目的。

元数据的应用举例：

1、数据结构：数据集的名称、关系、字段、约束等；

2、数据部署：数据集的物理位置；

3、数据流：数据集之间的流程依赖关系（非参照依赖），包括数据集到另一个数据集的规则；

4、质量度量：数据集上可以计算的度量；

5、度量逻辑关系：数据集度量之间的逻辑运算关系；

6、ETL过程：过程运行的顺序，并行、串行；

7、数据集快照：一个时间点上，数据在所有数据集上的分布情况。

(6)什么是数据元标准化扩展阅读：

元数据的优点：

1、自描述：元数据自动提供 COM 中 IDL 的功能，允许将一个文件同时用于定义和实现。运行库模块和程序集甚至不需要向操作系统注册。结果，运行库使用的说明始终反映编译文件中的实际代码，从而提高应用程序的可靠性。

2、设计：元数据提供所有必需的有关已编译代码的信息，以供用户从用不同语言编写的 PE 文件中继承类。用户可以创建用任何托管语言（任何面向公共语言运行库的语言）编写的任何类的实例，而不用担心显式封送处理或使用自定义的互用代码。

⑦ 多元统计学分析：在数据处理时，为什么通常要进行标准化处理

数据标准化是统计学中对数据进行分析前处理的一种方法，目的在于消除数据计量单位及变异程度。
例如：第1个变量的单位是kg，第2个变量的单位是cm，那么在计算绝对距离时将出现将两个事例中第1个变量观察值之差的绝对值（单位是kg）与第2个变量观察值之差的绝对值（单位是cm
）相加的情况。使用者会说5kg的差异怎么可以与3cm的差异相加？不同变量自身具有相差较大的变异时，会使在计算出的关系系数中，不同变量所占的比重大不相同。例如如果第1个变量（两水稻品种米粒中的脂肪含量）的数值在2%到4%之间，而第2个变量（两水稻品种的亩产量）的数值范围都在1000与5000之间。为了消除量纲影响和变量自身变异大小和数值大小的影响，故将数据标准化。

⑧ 数据标准化的方法

在数据分析之前，我们通常需要先将数据标准化（normalization），利用标准化后的数据进行数据分析。数据标准化也就是统计数据的指数化。数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。数据同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评方案的作用力同趋化，再加总才能得出正确结果。数据无量纲化处理主要解决数据的可比性。数据标准化的方法有很多种，常用的有“最小—最大标准化”、“Z-score标准化”和“按小数定标标准化”等。经过上述标准化处理，原始数据均转换为无量纲化指标测评值，即各指标值都处于同一个数量级别上，可以进行综合测评分析。
一、Min-max 标准化
min-max标准化方法是对原始数据进行线性变换。设minA和maxA分别为属性A的最小值和最大值，将A的一个原始值x通过min-max标准化映射成在区间[0,1]中的值x'，其公式为：
新数据=（原数据-极小值）/（极大值-极小值）
二、z-score 标准化
这种方法基于原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。将A的原始值x使用z-score标准化到x'。
z-score标准化方法适用于属性A的最大值和最小值未知的情况，或有超出取值范围的离群数据的情况。
新数据=（原数据-均值）/标准差
spss默认的标准化方法就是z-score标准化。
用Excel进行z-score标准化的方法：在Excel中没有现成的函数，需要自己分步计算，其实标准化的公式很简单。步骤如下：1.求出各变量（指标）的算术平均值（数学期望）xi和标准差si ；2.进行标准化处理：zij=（xij－xi）/si其中：zij为标准化后的变量值；xij为实际变量值。3.将逆指标前的正负号对调。标准化后的变量值围绕0上下波动，大于0说明高于平均水平，小于0说明低于平均水平。
三、Decimal scaling小数定标标准化
这种方法通过移动数据的小数点位置来进行标准化。小数点移动多少位取决于属性A的取值中的最大绝对值。将属性A的原始值x使用decimal scaling标准化到x'的计算方法是：
x'=x/(10^j)
其中，j是满足条件的最小整数。
例如 假定A的值由-986到917，A的最大绝对值为986，为使用小数定标标准化，我们用1000（即，j=3）除以每个值，这样，-986被规范化为-0.986。
注意，标准化会对原始数据做出改变，因此需要保存所使用的标准化方法的参数，以便对后续的数据进行统一的标准化。
除了上面提到的数据标准化外还有对数Logistic模式、模糊量化模式等等：
对数Logistic模式：新数据=1/（1+e^(-原数据)）
模糊量化模式：新数据=1/2+1/2sin[派3.1415/（极大值-极小值）*（X-（极大值-极小值）/2） ] X为原数据

⑨ 元数据的标准

1、数字图书馆资源组织框架
2. 元数据开发应用框架
元数据的基本意义 Metadata（元数据）是“关于数据的数据”；
元数据为各种形态的数字化信息单元和资源集合提供规范、普遍的描述方法和检索工具；
元数据为分布的、由多种数字化资源有机构成的信息体系（如数字图书馆）提供整合的工具与纽带。
离开元数据的数字图书馆将是一盘散沙，将无法提供有效的检索和处理。
3. 元数据应用环境
3.1 Metadata的应用目的
（1）确认和检索（Discovery andentification），主要致力于如何帮助人们检索和确认所需要的资源，数据元素往往限于作者、标题、主题、位置等简单信息，Dublin Core是其典型代表。
（2）著录描述（Cataloging），用于对数据单元进行详细、全面的著录描述，数据元素囊括内容、载体、位置与获取方式、制作与利用方法、甚至相关数据单元方面等，数据元素数量往往较多，MARC、GILS和FGDC/CSDGM是这类Metadata的典型代表。
（3）资源管理（Resource Administration），支持资源的存储和使用管理，数据元素除比较全面的著录描述信息外，还往往包括权利管理（Rights/Privacy Management）、电子签名（Digital Signature）、资源评鉴（Seal of Approval/Rating）、使用管理（Access Management）、支付审计（Payment and Accounting）等方面的信息。
（4）资源保护与长期保存（Preservation and Archiving），支持对资源进行长期保存，数据元素除对资源进行描述和确认外，往往包括详细的格式信息、制作信息、保护条件、转换方式（Migration Methods）、保存责任等内容。
3.2 Metadata在不同领域的应用 根据不同领域的数据特点和应用需要，90年代以来，许多Metadata格式在各个不同领域出现
例如：
网络资源：Dublin Core、IAFA Template、CDF、Web Collections
文献资料：MARC（with 856 Field），Dublic Core
人文科学：TEI Header
社会科学数据集：ICPSR SGML Codebook
博物馆与艺术作品：CIMI、CDWA、RLG REACH Element Set、VRA Core
政府信息：GILS
地理空间信息：FGDC/CSDGM
数字图像：MOA2 metadata、CDL metadata、Open Archives Format、VRA Core、NISO/CLIR/RLG Technical Metadata for Images
档案库与资源集合：EAD
技术报告：RFC 1807
连续图像：MPEG-7
3.3 Metadata格式的应用程度
不同领域的Metadata处于不同的标准化阶段：
在网络资源描述方面，Dublin Core经过多年国际性努力，已经成为一个广为接受和应用的事实标准；
在政府信息方面，由于美国政府大力推动和有关法律、标准的实行，GILS已经成为政府信息描述标准，并在世界若干国家得到相当程度的应用，与此类似的还有地理空间信息处理的FGDC/CSDGM；
但在某些领域，由于技术的迅速发展变化，仍然存在多个方案竞争，典型的是数字图像的Metadata，提出的许多标准都处于实验和完善的阶段。
3.4 Metadata格式“标准化”程度问题
Metadata开发应用经验表明，很难有一个统一的Metadata格式来满足所有领域的数据描述需要；即使在同一个领域，也可能为了不同目的而需要不同的但可相互转换的Metadata格式。
同时，统一的集中计划式的Metadata格式标准也不适合Internet环境，不利于充分利用市场机制和各方面力量。
但在同一领域，应争取“标准化”，在不同领域，应妥善解决不同格式的互操作问题。
4. 元数据结构
4.1 总体结构定义方式 一个Metadata格式由多层次的结构予以定义：
（1）内容结构（Content Structure），对该Metadata的构成元素及其定义标准进行描述。
（2）句法结构（Syntax Structure），定义Metadata结构以及如何描述这种结构。
（3）语义结构（Semantic Structure），定义Metadata元素的具体描述方法。
4.2 内容结构
内容结构定义Metadata的构成元素，可包括： 描述性元素、技术性元素、管理性元素、结构性元素（例如与编码语言、Namespace、数据单元等的链接）。
这些数据元素很可能依据一定标准来选取，因此元数据内容结构中需要对此进行说明，例如MARC记录所依据的ISBD，EAD所参照的ISAD（G），ICPSR所依据的ICPSR Data Preparation Manual。
4.3 句法结构
句法结构定义格式结构及其描述方式，例如元素的分区分段组织、元素选取使用规则、元素描述方法（例如Dublin Core采用ISO/IEC 11179标准）、元素结构描述方法（例如MARC记录结构、SGML结构、XML结构）、结构语句描述语言（例如EBNF Notation）等。
有时，句法结构需要指出元数据是否与所描述的数据对象捆绑在一起、或作为单独数据存在但以一定形式与数据对象链接，还可能描述与定义标准、DTD结构和Namespace等的链接方式。
4.4 语义结构 语义结构定义元素的具体描述方法，例如 描述元素时所采用的标准、最佳实践（Best Practices）或自定义的描述要求（Instructions）。
有些元数据格式本身定义了语义结构，而另外一些则由具体采用单位规定语义结构，例如Dublin Core建议日期元素采用ISO 8601、资源类型采用Dublin Core Types、数据格式可采用MIME、识别号采用URL或DOI或ISBN；
又如OhioLink在使用VRA Core时要求主题元素使用A&AT、TGM和TGN，人名元素用ULAN。
5. 元数据编码语言与制作方式
5.1 元数据编码语言
元数据编码语言（Metadata Encoding Languages）指对元数据元素和结构进行定义和描述的具体语法和语义规则，常称为定义描述语言（DDL）。
在元数据发展初期人们常使用自定义的记录语言（例如MARC）或数据库记录结构（如ROADS等），但随着元数据格式的增多和互操作的要求，人们开始采用一些标准化的DDL来描述元数据，例如SGML和XML，其中以XML最有潜力。
5.2 元数据制作方式
（1）专门编制模块（例如对MARC、GILS、FGDC等）
（2）数据处理时自动编制（例如对Dublin Core等）
（3）数据物理处理时自动编制（例如数字图像扫描时的某些元数据参数）
（4）共享元数据（例如OCLC/CORC、IMESH
6. 元数据互操作性
6.1 元数据互操作性问题
由于不同的领域（甚至同一领域）往往存在多个元数据格式，当在用不同元数据格式描述的资源体系之间进行检索、资源描述和资源利用时，就存在元数据的互操作性问题（Interoperability）：
多个不同元数据格式的释读、转换和由多个元数据格式描述的数字化信息资源体系之间的透明检索。
6.2 元数据格式映射
利用特定转换程序对不同元数据元格式进行转换，称为元数据映射（Metadata Mapping/Crosswalking）。
已有大量的转换程序存在，供若干流行元数据格式之间的转化，例如
Dublin Core与USMARC； Dublin Core与EAD
Dublin Core与GILS；GILS与MARC TEI
Header与MARC FGDC与MARC
也可利用一种中介格式对同一格式框架下的多种元数据格式进行转换，例如UNIverse项目利用GRS格式进行各种MARC格式和其它记录格式的转换。格式映射转换准确、转换效率较高。不过，这种方法在面对多种元数据格式并存的开放式环境中的应用效率明显受到限制。
6.3 标准描述框架
解决元数据互操作性的另一种思路是建立一个标准的资源描述框架，用这个框架来描述所有元数据格式，那么只要一个系统能够解析这个标准描述框架，就能解读相应的Metadata格式． 实际上，XML和RDF从不同角度起着类似的作用。
XML通过其标准的DTD定义方式，允许所有能够解读XML语句的系统辨识用XML_DTD定义的Metadata格式，从而解决对不同格式的释读问题。
RDF定义了由Resources、Properties和Statements等三种对象组成的基本模型，其中Resources和Properties关系类似于E-R模型，而Statements则对该关系进行具体描述。
RDF通过这个抽象的数据模型为定义和使用元数据建立一个框架，元数据元素可看成其描述的资源的属性。
进一步地，RDF定义了标准Schema，规定了声明资源类型、声明相关属性及其语义的机制，以及定义属性与其它资源间关系的方法。另外，RDF还规定了利用XML Namespace方法调用已有定义规范的机制。
6.4数字对象方式
建立包含元数据及其转换机制的数字对象可能从另一个角度解决元数据互操作性问题。
Cornell/FEDORA项目提出由内核（Structural Kernel）和功能传播层（Disseminator Layer）组成的复合数字对象。
内核里，可以容纳以比特流形式存在的文献内容、描述该文献的元数据、以及对这个文献及元数据进行存取控制的有关数据。
功能传播层，主功能传播器（PrimitiveDisseminator）支持有关解构内核数据类型和对内核数据读取的服务功能，还可有内容类型传播器（Content-Type Disseminators），它们可内嵌元数据格式转换机制。
例如，在一个数字对象的内核中存有MARC格式的元数据，在功能传播层装载有请求Dublin Core格式及其转换服务的内容类型传播器。当数字对象使用者要求读取以Dublin Core表示的元数据时，相应的内容类型传播器将通过网络请求存储有Dublin Core及其转换服务程序的数字对象，然后将被请求数字对象中的MARC形式元数据转换为Dublin Core形式，在输出给用户。
7. 几点建议
跟踪元数据发展、积极参与制定元数据标准、加快元数据应用、注意国际接轨。
加快研究有效利用元数据进行检索（包括异构系统透明检索）、相关性学习、个性化处理等的机制。
加快研究元数据与数字对象和数字化资源体系有机整合的途径与方法。
推进研究利用元数据进行基于知识的数据组织和知识发现。

⑩ 安徽省居民健康档案管理系统的软件特点

软件产品具有如下八大特点。
一、是健康档案的基本架构标准化。软件系统设置健康档案、儿童保健、妇女保健、婚前医学检查系统、叶酸发放管理系统、两癌普查、孕产妇分娩补助、健康教育、托幼机构、短信模块、老年保健、疾病控制、疾病管理、医疗服务、系统配置等模块，符合国家的健康档案基本架构标准。
二、是健康档案的数据库标准化。软件系统的数据库结构、数据元标识符、数据类型、取值长度等与国家卫生服务32个基本数据集同一标准。确保软件系统健康档案数据信息全国统一，便于全国共享。
三、是健康档案的表格标准化。软件系统的表单界面布局源于《国家基本公共卫生服务规范》中规范表格，易于操作和理解。
四、是健康档案的数据元标准化。软件系统的国标数据字典来源于国家健康档案公用数据元集。确保国标数据字典的定义、格式、允许值、代码全国统一无歧义，确保数据采集、处理、储存规范化，便于全国共享，便于与国际接轨。
五、是健康档案的档案编码标准化。软件系统的居民健康档案编号执行《中华人民共和国行政区划代码（gb/t 2260-2007）》标准，确保每位居民及其家庭健康档案编码的全国唯一性。便于居民健康档案信息的分类、检索、查询、处理和利用。
六、是b/s和c/s共享网络模式。软件系统c/s模式专用网络，客户端与服务器直接相连，没有中间环节，访问安全快速。；b/s模式开放网络，居民（或用户)的电脑能上网就能共享卫生信息，不受时间、地点、操作系统的限制。
七、是全国共享网络大平台。软件系统将各地健康档案数据库服务器组成全国健康档案数据库服务器群组，实现全国共享。
八、是居民健康信息卡共享。居民可凭本人居民健康信息卡实现区外（外地）诊疗时查询、存取自己的健康档案。