Stacking多模型融合优化高校图书采购预测的研究

提出了一种基于Stacking多模型融合的图书采购预测模型,旨在提升高校图书采购预测的准确性和可靠性。传统的单一预测模型难以较好地应对高校图书采购中的诸多复杂因素。采用Stacking方法,构建了一个次级模型,能够有效整合不同基础模型的预测结果,并通过交叉验证来选择最佳的Stacking模型,以确保模型的稳定性和泛化能力。实验结果表明,Stacking多模型融合方法显著提升了高校图书采购预测的准确性和鲁棒性。这为高校图书采购管理提供了一种有效的决策工具,有望改善资源分配,降低不必要的成本,并提高管理决策的科学性。

深度森林融合模型优化高校电子图书采购策略

随着高校对电子图书采购需求的明显增加,为提升采购决策效能,文章提出了一种深度森林融合算法,即LightGBM和CatBoost融合为LHGCAT-XDF的优化模型。该模型兼具LightGBM低内存消耗、和CatBoost低时间复杂度的特点。通过实验结果显示,LHGCAT-XDF相较传统机器学习模型在综合性能上更为卓越,有效克服了传统采购模型在精准性和效率方面的限制,为高校图书馆电子图书采购提供可靠的决策支持。

数据挖掘及其发展研究

讨论了数据挖掘的产生、定义、操作对象和分类方法,论述了数据挖掘可以挖掘的模式及其兴趣度,简要介绍了几种流行的数据挖掘系统。最后提出了数据挖掘研究今后的若干发展趋势。

数据挖掘中聚类的研究

聚类是数据挖掘中重要的研究课题。文章介绍了聚类,讨论了聚类分析中的数据类型及其相异度,概括了数据挖掘中常用的聚类方法。最后,提出了聚类研究中今后的若干发展趋势。

数据挖掘中分类算法综述

分类是数据挖掘、机器学习和模式识别中一个重要的研究领域。通过对当前数据挖掘中具有代表性的优秀分类算法进行分析和比较,总结出了各种算法的特性,为使用者选择算法或研究者改进算法提供了依据。此外,提出了评价分类器的5条标准,以便于研究者提出新的有效算法。

一种基于Apriori的改进算法

关联规则采掘是数据采掘中重要的研究课题。该文对关联规则采掘中的Apriori算法进行了深入研究。作者探讨了Apriori算法,指出了该算法的某些不足,提出了一种改进算法。

一种用Visual FoxPro求频繁项目集的方法

采掘关联规则是数据采掘领域的一个重要问题。依据算法,提出了一种用求频繁项目集的方法,并用编AVisual FoxProVisual FoxPro写了求项目频繁集的程序。

一种蜜蜂交配优化聚类算法

K-means算法因简单、高速等特点而被广泛应用,但该算法仍然存在依赖于初始聚类中心、易陷入局部最优等缺陷.为此,提出了一种蜜蜂交配优化聚类算法.该算法利用密度和距离初始化蜂群,并将局部搜索能力较强的粗糙集聚类算法作为工蜂的一种编码,以增强算法的局部搜索能力,最后在迭代过程中不断引入随机种群,增加种群的多样性,提高算法的全局寻优能力.实验结果表明,该算法不仅能有效抑制早熟收敛,而且具有较强的稳定性,较好的聚类效果.

怎样获得有效的关联规则

关联规则采掘是数据采掘中重要的研究课题 .针对当前关联规则衡量标准的某些问题 ,笔者分析了产生的根源 。

关联规则衡量标准的研究

关联规则采掘是数据采掘中重要的研究课题。针对当前关联规则采掘中可能产生许多无效关联规则的问题 ,分析其原因 ,提出在衡量标准中增加有效度 ,并给出了有效度的定义。根据有效度的大小 ,将关联规则分为正关联规则、无效关联规则、负关联规则 ,提出了新衡量标准采掘关联规则的算法 ,并用 Visual Fox Pro进行了试验。实验表明 ,新方法能明显减少无效关联规则的数目。

带条件风险约束的发电商最优投标模型及计算

采用条件风险(CVaR)作为风险度量指标,建立了双层优化的发电商投标模型,上层解决社会效益最大和风险最小问题,下层解决发电商利润最大问题,设计了启发式粒子群算法(PSO)求解该复杂的双层优化模型.在4节点2机系统和9节点3机系统进行了实验,说明该模型和算法具有较好的计算效果和时效性,通过实验数据比较显示CVaR比VaR更准确地度量了发电商的风险.

采掘有效的关联规则

关联规则挖掘是数据挖掘中重要的研究课题.为了减少关联规则挖掘中的无效关联规则,我们分析了其原因,提出了二种改进方法,即在衡量标准中增加影响度或相对置信度.根据它们的大小,我们将强关联规则分为正关联规则、无效关联规则、负关联规则.我们给出了用新衡量标准挖掘关联规则的改进算法,并用VisualFoxPro进行了试验.实验表明:新方法能明显减少无效关联规则的数目.

巨型数据库中的数据采掘

数据采掘,也称数据库中的知识发现。传统进行数据分析的算法假设数据库中相关的记录比较少,然而,现在的许多数据库大到内存无法装下整个数据库,为了保证高效率,运用到大型数据库中的数据采掘技术必须是高度可缩放的。文章讨论了当今若干种先进的算法,它们能处理三类数据采掘:市场篮子分析、分类和聚类,并提出了今后的若干研究热点。

面向SD-DCN的OpenFlow分组转发能效联合优化模型

在软件定义网络(software-defined networking,SDN)中,OpenFlow交换机通常采用三态内容可寻址存储器(ternary content addressable memory,TCAM)存储流表,以支持快速通配查找.然而,TCAM采用并行查找方式,查找能耗高,因此有必要为OpenFlow交换机选择合适的TCAM容量,以平衡分组转发时延和能耗.针对软件定义数据中心网络(software-defined data center network,SD-DCN)这一典型应用场景,利用多优先级M/G/1排队模型刻画OpenFlow交换机的分组处理过程,进而建立OpenFlow分组转发时延模型.同时,基于网络流分布特性,建立TCAM流表命中率模型,以求解OpenFlow分组转发时延与TCAM容量的关系式.在此基础上,结合TCAM查找能耗,建立OpenFlow分组转发能效联合优化模型,并设计优化算法求解TCAM最优容量.实验结果表明:所提时延模型比现有模型更能准确刻画OpenFlow分组转发时延.同时,利用优化算法求解不同参数配置下的TCAM最优容量,为SD-DCN实际部署提供参考依据.

SPRINT算法及其改进方法

分类是数据挖掘中重要的研究课题。文章介绍了SPRINT分类算法。为了提高该算法在海量数据库中分类的总体效率,笔者提出了两种处理离散属性的新方法,这些方法能明显减少求最佳分割点的运算量,提高算法的执行速度。

数据库技术及其最新发展

该文介绍了数据库技术的产生和发展，论述了数据库领域的研究成果和发展趋势，提出了今后数据库技术研究的若干热点。

基于Apriori算法改进的关联规则提取算法

通过对Apriori算法的基本思想和性能的研究分析,认为Apriori算法存在一些不足。并且根据这些不足提出了相应的改进算法对Apriori算法进行优化,从而得到一种改进的Apriori算法,与原算法相比运算效率大大提高。

最优潮流问题的解耦半光滑牛顿型算法

提出一种求解最优潮流(OPF)问题的新算法——解耦半光滑牛顿型算法.该算法是对作者的投影半光滑N ew ton算法的改进和提高,它除了保持原算法不必识别不等式约束、对界约束的特殊处理以减少讨论问题的维数等优点外,其显著的特点是结合了电力系统固有的弱耦合性质,构造了求解OPF问题的一类解耦半光滑牛顿算法.解耦算法可达到加快计算速度、提高计算效率的目的.IEEE多个算例的数值实验以及与其他方法的比较均显示了新算法具有良好的计算效果.

求解最优潮流KKT系统的一类新模型及算法设计

电力工业的市场化改革对最优潮流(optim al pow er flow,OPF)的计算精度和速度提出了更高的要求.本文针对OPF模型中存在大量的无功界约束的特性,把一般非线性不等式约束和界约束分开处理,通过引入一个对角矩阵和非线性互补函数,建立了与OPF问题的K arush-Kuhn-Tucker(KKT)系统等价的约束非光滑方程新模型.进一步,基于新建立的模型,提出了一类具有理论上收敛性保证的投影半光滑N ew ton型算法.相对于传统的解OPF的KKT系统和非线性互补函数方法,新方法一方面保持了非线性互补函数法无需识别有效集的优点,同时又减少了问题的维数,且投影计算保持了无功界约束的可行性.IEEE多个算例的数值试验显示本文所提出的模型和算法具有较好的计算效果.

一种高效的频集挖掘算法

频集挖掘是关联规则挖掘的关键步骤,它对强规则、相关分析和时间序列有着重要的意义.常用的频集算法包括Apriori和FP-G rowth.为了提高算法效率,提出了一种基于D iffset的混合算法———D iffsetHybrid,该算法根据数据集的稀疏程度决定采用D iffset的某种形式来挖掘频集,减少了存储空间,提高了算法效率.试验表明,该算法对于稀疏数据集和稠密数据集都有良好的计算性能.