基于体质测试大数据的灰色关联分析:建模与实证

目前,中国普遍采用电子仪器采集学生体质测试结果,积累了大量具有大数据特征的原始数据。在面对体质测试大数据时,如何利用数学模型找出测试项目之间的相关性,从而准确描述其相关性的强弱,具有科学意义。采用改进的灰色关联分析模型,对西部某高校31198名大学生体质测试大数据进行分析。该模型改变了传统邓氏模型的计算过程,使其适用于大数据。结果表明:BMI值对女生下肢耐力和爆发力有较大影响,是女生最重要的体质测试指标;肺活量对男生的耐力、灵活性和下肢爆发力有不同的影响,是男生最重要的体质测试指标;长跑,即男子1000 m跑、女子800 m跑和立定跳远,不仅是身体素质的2个最重要的指标,而且它们之间存在着很强的相关性。改进的灰色关联分析为大数据环境下体质测量指标之间的相关性分析提供了新的思路,为不同领域的大数据分析提供了建模参考。

基于关联规则的物联网海量数据分析系统研究

物联网设备产生的数据量庞大且复杂,如何有效地管理和分析这些数据是重要问题。文章基于已有的数据挖掘方法,提出了一种关联规则的网络检索算法,设计了一个物联网海量数据分析系统,并对该系统进行了性能测试与研究。测试结果表明,随着数据规模的增大,数据处理时间也相应增加,呈近似线性关系。在海量数据分析系统中,处理更大规模的数据会导致较长的处理时间,即数据处理时间与数据规模成正比关系。通过满足用户需求、提高系统性能以及降低成本费用,该算法能够有效地利用资源。

基于大数据关联分析的学生考试成绩分析

考试成绩不仅是院校教育者了解教学实施情况的重要参考,更是学生了解自身知识掌握情况、寻找短板弱项、科学制定个人学习目标的重要参考。开展基于大数据的考试成绩分析与应用,寻找学生考试成绩背后各科目之间的相互关联,对于各高校提升管理质量和管理效益,学生开展更有针对性的学习具有十分重要的意义。采用Apriori算法的数据挖掘技术,对我校已毕业的2018级学生高考、在校期间的考试成绩数据进行了分析,寻找制约学生成绩的关键课程和影响因素,为改进人才培养提供数据支撑。

基于面板数据的灰色重心三角网格关联分析模型

针对现有面板数据曲面簇的构造以及指标排列顺序改变引起关联度结果不唯一问题,提出了基于面板数据的灰色重心三角网格关联分析模型。首先,将样本矩阵分解为二元指标子矩阵,并将其投射为空间四面体网格。然后,利用空间几何学给出四面体的重心,并与四顶点相连得到重心三角曲面。其次,基于重心三角曲面为曲顶的柱体体积构建了灰色关联系数公式,并得到了面板数据的灰色重心三角网格关联分析模型。最后,所提出的模型成功应用到山东省东西沿线6城市的空气质量评估,验证了模型的合理性和有效性,结果表明所提出模型能够测度面板数据间的相关程度。

基于离线电子对抗历史数据的信息特征关联分析

针对复杂电磁环境电子对抗信号分析要求高、情报处理数据量大、多维信息分析提取困难等问题,基于电子对抗情报系统海量历史侦察数据特点和已有电磁目标知识库,研究跨行业数据挖掘标准流程(CRISP-DM)大数据处理方法,设计了一种离线电子对抗电磁信号历史数据处理分析平台。通过探索挖掘电磁目标参数、目标时间规律、多目标关联规则等情报分析的技术路径,实现了聚类、时间序列和关联规则挖掘等分析方法在电子对抗电磁信号历史数据处理中的应用;获取了未知电子目标聚类、目标数量规模预测和多目标关联共现规律等信息特征。结果表明,电磁目标参数特征和关联规则明显,目标时间特性拟合相关度达0.825,为后续进一步研究及实践应用提供了参考。

中国特色政府信息公开与数据开放关联性分析

政府信息公开与数据开放是数字政府建设的重要内容,厘清两者之间的关系,有助于两者相互促进、推进国家治理体系和治理能力现代化。政府信息公开与数据开放在发展过程中具有一致性和差异性,两者存在有益共生关系。基于此,未来应优化数据要素,推进政府信息公开和数据开放协同发展。同时,将开放推进到数据层面,实现数据的深度开放和共享。

产业政策关联度与企业社会责任关系研究——基于政策文本及财务年报的大数据分析

选取2012—2021年沪深新能源汽车上市公司为样本,利用Python软件测算企业年报与新能源汽车产业政策关联度,实证检验产业政策关联度对企业社会责任的影响。结果发现:中国新能源汽车产业政策关联度与企业社会责任具有正相关关系,该关系存在一个阈值:高于该阈值时,国有企业、大规模企业、盈利企业、东部企业社会责任与产业政策关联度存在显著正相关关系,而民营企业、小规模企业、亏损企业、西部企业社会责任与产业政策关联度关系不显著;低于该阈值时,产业政策关联度与企业社会责任关系不显著。结论有助于企业意识到应与政策保持较强的关联性,从而更好地履行社会责任。

关联规则分析中兴趣度量Lift与Conviction的关系探讨及教育数据验证

关联规则分析是数据挖掘中最常用的研究方法之一。在关联关系的发现过程中兴趣度量是关联规则发现的理论基础,它可以度量规则的重要程度,其中Lift和Conviction这两个度量在数据分析中被广泛应用于筛选关联规则。本文对这两种兴趣度量进行了研究。首先,提出并证明了当后项集固定时,Conviction取值随Lift取值单调增加,且Conviction (Lift)是一个凸函数。然后,证明了当Confidence固定时,Conviction取值随Lift取值单调增加,且Conviction (Lift)是一个凹函数。最后,综合以上两个方面,得到一个重要结论:当后项集保持不变或当Confidence固定时,根据Conviction和Lift筛选出来的规则都是相同的。最后,利用某高校数学类专业三个年级的成绩数据进行了定理及相应结论的验证。

基于优化Apriori算法的印刷检测数据关联分析

为了解决印刷企业的印刷缺陷检测问题,采用优化Apriori关联分析挖掘方法,从而找出印刷缺陷检测数据之间的关联。首先,搭建印刷工厂管理与印刷数据采集系统;其次,优化Apriori算法的运行效率;最后,进行关联分析得出生产数据之间的关联规则。实验表明,该方法在印刷缺陷检测数据的分析中具有可行性,对降低印刷缺陷率有着重要的指导作用。

基于模糊层析分析法与关联规则的数据安全漏洞智能识别方法

关联规则的数据安全漏洞智能识别方法是直接对数据安全漏洞特征进行采样,而未对安全数据进行分类,造成方法漏洞识别率较低。因此,文章提出了基于模糊层析分析法与关联规则的数据安全漏洞智能识别方法。依托该方法进行安全数据分类,可对数据安全漏洞特征进行采样并根据采样结果对数据安全漏洞进行智能识别。实验结果表明,该漏洞识别方法具有较高的识别率。

基于BIM技术的多维度桥梁健康监测数据分析与管理

本文探讨了基于BIM技术的多维度桥梁健康监测数据分析与管理方法。通过综合桥梁监测数据采集与处理、BIM技术在桥梁健康监测中的应用以及基于BIM技术的桥梁维护管理系统设计,实现了对桥梁结构健康状态的全面评估和有效管理。

基于校园大数据的学生行为关联分析研究

高校信息化的全面普及,高校学生行为数据的巨量存储,为学生管理数字化科学化提供了更广阔的空间。学生学业是高校学生管理中重要组成部分,可分析学生行为进行学生学业提前辅助干预和个性化管理。通过聚类分析提取出学生行为特征,通过关联规则挖掘各类行为与学生学业的关联关系,进而通过机器学习实现对学生未来学业表现预测,从中发现学生生活规律性及夜晚时间利用对学生学业的正相关作用关系,还通过支持向量机、随机森林、神经网络对学业行为预警进行试验,最高达到了87.8%的准确率,有助于高校进行校园综合治理和学生学业的分类分层引育。

多维度生长数据分析在农作物精准管理中的应用

智慧农业是未来农业产业发展的方向,随着农业科学技术快速发展,智慧农业将改变过去传统农作物耕种的方式和农业的管理模式,如将多维度生长数据的分析应用在农作物精准营养管理方面可以提高农作物的产量和品质。文章从多维度分析农作物生长数据,探讨多维度生长数据分析在农作物精准营养管理方面的应用,以展现其价值。

基于关联分析FP-Tree算法的企业风险信息数据在线挖掘方法

现阶段的数据挖掘方法缺少对数据关联分析的过程,挖掘效果较差,故文章提出基于关联分析频繁模式树(FrequentPattern Tree, FP-Tree)算法的企业风险信息数据在线挖掘方法。选取与企业风险相关的信息指标,收集有关数据并进行预处理操作后,设计一种考虑关联分析的FP-Tree算法,生成FP-Tree节点的条件模式树挖掘频繁项集,计算满足最小置信度的频繁项集,实现企业风险信息数据在线挖掘。实验结果表明,所用方法挖掘量和挖掘效率较高。

基于POI数据的城市近郊区制造业空间关联分析——以广州市白云区为例

在广州市“制造业立市”的背景下,运用核密度和双变量空间自相关数据方法分析白云区制造业企业POI点数据的空间位置关系。研究结果表明:(1)服装服饰业、家具制造业的POI平均中心远离其他行业平均中心;(2)服装服饰业、皮革等制品和制鞋业、电气器材制造业在部分镇街形成空间连片集聚;(3)在相同位置或位置滞后核密度值有较强相关性的前三对行业分别为电气器材制造业与计算机等电子设备制造业、服装服饰业与纺织业、橡胶塑料业与造纸及制品业;(4)三对行业在空间分布上耦合于白云区国土空间和产业规划。最后根据研究结果为白云区实体企业布局和产业发展方向提供建议。

基于组合关联分析的符号数据分类方法

分类是数据挖掘中一项非常重要的任务,目前大多分类算法处理的都是数值数据,少数处理符号数据的算法泛化性能不佳。针对这个问题,提出了一种基于组合关联分析的符号数据分类方法(categorical data classifi cation approach based on combinatorial association analysis,CD_CAA)。通过引入提升度,将符号数据的属性与标签关联起来转化成数值数据后训练模型;在预测过程中,将测试数据与所有可能的类标签进行组合关联分析,将一个实际的测试样本转化为多个虚拟的测试样本,综合分析虚拟样本的假设类别标签,最终得到真实的预测标签。通过组合关联分析,将符号数据转换为数值数据,而转化过程所采用的提升度恰好反映了同一属性对不同类别的不同贡献,提高了模型泛化性能。实验结果表明,与传统机器学习方法相比,所提出的CD_CAA方法能更好地处理符号数据分类任务。

考虑多维关联性的结构化数据文件三维可视化分析研究

数据格式间的浮点位数差异的忽略会导致三维可视化出现误差。为此,提出考虑多维关联性的结构化数据文件三维可视化研究。利用映射原理对源数据重构,引入增益矩阵消除数据格式间的浮点位数差异,转换数据文件头格式。求取数据多维关联度,构建三维空间数据体,对数据网格化处理,利用SynGlyphX和Tableau数据可视化数据库输出。实验显示,所提方法在不同数据量条件应用下,每秒绘制帧数均在50FPS以上,且三维可视化结果准确性更高,效果更优。由此说明,所提方法在考虑数据之间的多维关联性的同时,能够更准确地捕捉和表达数据之间的复杂关系。

基于灰色关联分析法的物联网数据异常检测方法

物联网数据具有构成复杂、规模庞大、异常形式多样化的特征,导致基于传统异常检测方法得到的结果正确率偏低。文中提出了一种基于灰色关联分析法的物联网数据异常检测方法。该方法利用灰色关联模型计算得到灰色关联系数,对原始物联网数据中的自有变量相关性进行排序,随后采用前向选择法进行变量排序选择,确定反推得到的特征参数误差达到最小值时的变量,并将其作为最优变量子集;在异常检测阶段,用最优变量子集对物联网数据进行异常位置寻优,实现异常检测。测试结果表明,该方法在不同攻击下,异常数据检测结果的F1值未出现明显的波动,对应的F1值为0.84~0.90。

基于关联分析的水电机组调速器运行数据多维度校验方法

为准确掌握水电机组调速器的实际运行情况,提出了一种基于关联分析的水电机组调速器运行数据多维度校验方法,即首先构建多维度关联校验架构,处理水电机组调速器多维度运行数据;然后采用关联分析法计算多维度运行数据变化序列之间的关联度,通过判断关联度的范围完成多维度运行数据的异常辨识;最后基于辨识后的异常数据特点分别从单点、多点及连续异常数据三个维度完成异常数据重构,实现水电机组调速器运行数据多维度校验。试验结果表明,该方法能够有效辨识异常数、重构缺失数据,通过校验降低数据异常率,提高了水电机组调速器运行数据的可用性。

基于数据驱动贝叶斯网络的化工事故风险分析

为减少化工厂风险分析中的主观干预,基于关联规则和贝叶斯网络构建1种数据驱动风险分析模型。该模型涵盖3个任务项,分别为数据集项、关联规则驱动项和贝叶斯网络风险评估项。首先,收集事故报告和事故因素构建事故数据库;其次,将事故数据导入Apriori算法,并根据关联规则的因素相关性确定贝叶斯网络和条件概率表结构;然后,基于事故因素出现频率计算先验概率和条件概率,并采用Fussel-Vesely计算事故因素的敏感度;最后,收集94起危险化学品中毒窒息事故实例,运用数据驱动风险分析模型评估事故因素的影响大小。研究结果可为减少和避免化工事故提供一定参考,有助于提高相关企业的整体安全水平。