民建李汉宇:运用大数据为监察体制改革插上科技翅膀

一些地方运用大数据,建设“数据铁笼”,积极探索把“权力关进制度的笼子”里,成效显著,值得推广。


640?wx_fmt=jpeg


一、大数据技术有利于解决当前监督问责的“盲点”。“灯下黑”已成为一些重要职权部门的老大难问题。如,一些领导机关以抓下级代替抓自身,监督别人不监督自己;一些执法人员存在违法乱纪现象。大数据技术则具有在海量数据中发现高概率现象,可以通过大数据手段收集、对比、分析与监督执纪相关的人、事和物,发现数据异常,挖掘问题线索,实现监督执纪工作从粗放式向精准化的深刻转变,从而解决直接监督问责的“死角”“盲点”问题。


二、大数据技术有利于解决当前监督问责的“痛点”。当前,党风廉政建设取得重要进展,反腐败斗争压倒性态势已经形成,党风政风明显好转,不敢腐、不能腐、不想腐的机制正在形成,但管党治党、加强党纪监督问责的痛点仍然存在。如,“两个责任”落实不到位,有的上面“九级风”下面“纹丝不动”,有的端坐城楼上观山景唱“空城计”,甚至执纪违纪、以权谋私,这些都给监察工作提出了严肃而沉重的课题,必须从根本上遵循权力监督与制约的普遍规律,创新监督执纪问责的方式。而大数据提供了横到边、纵到底的监督利器,其展现和预测、约束、监督执纪问责权力运用的全过程,为从根本上解决这些问题提供了方法路径。


三、大数据技术有利于解决当前监督问责的“难点”。大数据监督涵盖方方面面,涉及民用、政用、医用等领域,有利于建立惩治和预防体系、建设主题数据平台的跨部门数据互联互通共享机制,融合个性化数据,形成“用数据说话、用数据决策、用数据管理、用数据创新”的新模式,从而助推监督问责难点的解决。如,某省监督系统突破了信息共享壁垒,建立民政、人社、住建、卫计、移民等部门数据共享平台,自动采集与自动录入,解决不同部门数据表格模式不兼容的问题,减少导入工作量,快速发现和处置问题。该系统试运行短短一个多月中,10个试点县区采集民生资金类数据2400万条,涉及金额88亿元,通过对比发现问题数据2.7万余个,效率和成效均以倍数递增。


四、大数据技术有利于树立监察工作公开、公平、公正形象。监察工作的性质决定了其运行的封闭性、单向性和特殊性,而开放发展的大社会背景,亟须监督问责工作的透明性,这既是现代治理能力和治理体系的需要,也是社会和群众的期盼。而大数据的开放性、高效性很好地满足了这一需要,其生成的移动化社会场景海量数据,充分释放了群众和媒体监督正能量,使体制内外、线上线下形成无处不在的监督网络,构建自上而下和自下而上良性互动的监督问责新模式,有利于形成自我监督+社会监督“双轮互动”的理想态势。


数据资源稀缺是大数据应用的主要瓶颈。目前,纪检监察机关自建的相关数据库存在显而易见的局限性,在很多情况下无法准确识别真正的廉政风险。因此,建议各级各地纪检监察机关充分运用新媒体、新技术,特别是社会公共服务生成的移动化社会场景海量数据,充分释放群众和媒体监督正能量,形成自上而下和自下而上良性互动的监督问责新模式,依托大数据思维和技术,构建监督工作大平台,为监察体制改革开好局,起好步。


(作者系贵州省政协副主席、贵州省工商联主席、民建会员)


来源:团结报


640

大数据周刊

邮箱:tougao@bigdatamag.cn

电话:010-57524293


640

众论大数据 引领大时代

长按二维码关注


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值