现代数据挖掘技术研究进展

数据挖掘是一个多学科交叉融合而形成的新兴的学科。笔者介绍了数据挖掘的一些基本知识及有关概念,阐述了数据挖掘的一些基本方法(传统的统计学方法、神经网络、决策树、进化式程序设计、基于事例的推理方法、遗产算法、非线性回归方法),然后对当前数据挖掘在各种领域的应用进行了概括,并提出了一些难点(数据质量、信息可视化、极大数据库、信息分析员技能)和今后的研究方向。

增量式遗传RBF算法在转炉提钒中的应用

转炉提钒过程是一个非常复杂的多元非线性反应过程,从统计学和反应机理等角度出发,难以建立终点控制静态模型。为此提出了基于增量式遗传RBF算法。它不仅克服了RBF中心个数选择的随机性,较好地解决了样本聚类,而且为了保证网络结构能适应不断扩大的数据集,提出了增量数据处理方法,对原有网络参数进行修正,有利于连续生产操作。试验表明,用该算法预测冷却剂加入量,结果的误差较小,满足了终点命中率在90%以上的指标,具有工程实用性。

基于事务安全的电子商务过程安全控制模型

对电子商务安全的特点、基本要求、体系结构等进行了深入分析；提出了一种基于事务安全的安全控制模型，并对其特点和控制过程等问题进行了探讨。

烟草业务联机分析处理系统的实现

数据库技术的广泛应用以及数据仓库技术的出现为决策支持系统提供了新的发展方向。联机分析(onlineanalyticalprocessing,简称OLAP)正是在数据仓库的基础上发展起来的一门崭新的决策技术。文章结合某市烟草决策支持系统,介绍了基于联机分析处理技术的烟草数据分析系统的设计思路与实现方法,并对其中关键环节进行了较为详细的探讨与阐述,为联机分析处理技术的实用化提供了可借鉴的成功经验。

RBF神经网络在转炉提钒预报中的应用

该文用RBF神经网络建立了转炉提钒冷却剂预报模型。RBF网络的中心的选取采用了可以在线学习的最近邻聚类算法。为了进一步优化网络中心 ,提出了基于密度排名的最近邻聚类算法。该算法聚类前先将样本按其在样本空间的密度进行了排序 ,聚类过程始于样本空间最密集处。实践证明 ,该算法应用于提钒冷却剂预报模型的建立是合理的 ,可行的。

基于GRBF神经网络的脱硫预报模型

脱硫过程是一个复杂的非线性系统,文章建立了一个基于RBF神经网络的脱硫预报模型,并提出使用GRBF算法,从而较好地解决了传统RBF神经网络中心难于确定,存在过拟合的缺点。实践证明,该算法应用在脱硫预报模型的建立中是合理的、可行的。

IN和Internet互通综述

针对IN与Internet互通的研究状况进行综述 ,并对互通的功能模型。

IN和Internet互通接口研究

文章在分析IN与Internet互通概念模型和功能模型的基础上对互通接口问题进行了深入研究；对支持PINT业务的网关实体的功能、配置位置和模型进行了分析，并对INAP的操作进行了扩展。