基于多维数据集的异常子群发现技术

非频繁项集是未被标准化的频繁项集产生算法(如APRIORI以及FP-Growth算法)提取的所有项集.在数据集上挖掘有意义的非频繁项集是数据挖掘的重要工作之一.目前,基于传统数据集的非频繁项集挖掘研究主要集中在负相关、负模式以及间接关联等方面,且主要是对整个数据集上的性质进行分析,而没有对数据集的切片进行分析.该文提出了一种新的模式,试图找到符合如下条件的特定子群,其描述的数据集切片上存在某些特殊项集,这些项集在整个数据集上并非频繁项集,但是在该数据集切片上却是频繁项集.根据用户要求自动找出这些异常子群以及其对应项集的算法在数据分析中有着十分重要的意义.该文提出的解决方案由两部分组成:候选产生阶段以及查询交互阶段.前者是一个脱机处理的过程,而后者则是在线实时反馈的过程.在候选产生阶段,该文提出了一种基于多维数据集高效产生频繁项集以及显著子群并有效建立索引的算法.根据索引,在查询交互阶段,该文提出的算法框架可以快速准确地返回给定查询对应的异常子群以及对应项集.基于多个真实数据集的实验表明,该文提出的方案可以根据用户要求实时返回有意义的异常子群以及对应项集.此外,该文提出的算法在多维数据集上的挖掘效率比UTMTU算法提升了数倍.

智能交通诱导设备专利技术现状

智能交通诱导设备作为当前智能交通领域的重要环节,主要由智能交通信号机、交通电子标志和交通电子标线构成,通过对交通参与者进行诱导缩短车辆在道路上的行驶时间、防止交通拥堵.从"九五"期间国家交通主管部门提出的要加强对智能公路运输系统研究发展之始,我国智能交通诱导设备技术蓬勃发展.从专利角度出发,对智能交通诱导设备领域的核心专利以及专利的申请趋势、主要申请人、地域分布状况等维度进行分析,为我国智能交通诱导设备领域发展提供参考.

义乌缸窑村:古窑重燃新生

浙江省义乌市义亭镇缸窑村地处浙中义西南,以烧窑制缸闻名。在上世纪60年代,缸窑村的制陶业到了鼎盛时期,成了村民赖以生存的主要经济来源。纵横交错的巷道中,几百号制陶师傅散落其间,素有"八位大缸师傅""专做小货师傅""看火师傅"之说,形成了互比技艺、择优拜师、争优评先的大生产格局。