基于时频熵特征实现异步电机机械故障诊断

针对异步电机机械故障发生概率高且缺乏有效识别方法的现象,提出基于时频熵特征的支持向量机分类模型。通过搭建故障模拟平台,实现针对正常运转、动态偏心、不对中、基座松动以及轴承故障等多类型样本的振动信号采集,提取多维度的统计指标,并利用特征选择方法降低时间复杂度,以确保诊断的准确性和及时性,最后结合支持向量机进行模型训练,以完成故障诊断。实验结果表明:文中提出的方法,在已有的样本数据中准确度较高,一致性较好,整体方法实现简单。

基于k-means和关联度分析的网络招聘信息数据挖掘

本文基于K-means算法对网络招聘数据进行聚类分析,并运用关联规则对大数据和IT行业进行关联预测。从分析结果可知,学历和经验直接影响薪资水平,且金融银行职业类型的平均薪资水平在所得分类中最高,同时也得到大数据和IT行业对学历要求较高,其占总体职业类型比例有增加趋势。

文本向量化在网络招聘中的应用

由于大数据时代的来临,网络招聘形式占所有招聘形式的比重越来越大。本文通过对网络招聘信息数据进行中文分词和文本向量化处理后,运用k-means聚类算法的理论,结合网络招聘信息的实际需求,分析挖掘得到关于职业类型、薪资、地域、学历和工作经验的知识模式。