基于多维时态关联规则的演化模糊推理预测算法

挖掘时态关联规则的目的是为了发现带有时态信息的项集之间有趣的关系.由于数据库经常动态更新,时态关联规则的挖掘也应该适应数据库的更新.然而,现有的大多数算法不仅需要重新挖掘更新的数据库,浪费了大量的时间和效率,而且不能利用已存在的规则定量地预测某些项的变化趋势.本文提出了一个基于多维时态关联规则的演化模糊推理预测建模算法(Evolving fuzzy inference model based on multidimensional temporal association rules,EFI-MTAR),主要优势是构建了一种基于多维时态关联规则的模糊推理建模算法(Fuzzy inference modeling algorithm based on multidimensional temporal association rules,FI-MTAR),实现了对时间序列的定量预测.此外,为了降低规则更新的代价和加快规则预测的速度,提出了概念漂移检测策略来处理时间序列数据以适应数据库的动态更新.实验结果表明了本文提出算法的有效性和准确性.

多维时态城镇地籍管理信息系统设计构想

目前所建立的地籍管理信息系统,绝大部分是二维的、静态的。为了提高地籍管理的效率和准确性,必须借助先进的计算机、网络等先进技术,建立多维时态城镇地籍管理信息系统,实现地籍信息的采集、分析、处理的自动化、标准化。建立多维时态城镇地籍管理信息系统,将改变传统的地籍管理方法,对于规范地籍管理工作、科学开发土地资源和保证土地可持续利用具有重要的指导作用和广泛的推广应用价值。

多维时态GIS在城镇地籍管理中的应用探讨

通过对多维时态GIS在城镇地籍管理中应用的有关问题探讨,可以认为:目前所建立的地籍管理信息系统,绝大部分是二维的、静态的;为了提高地籍管理的效率和准确性,必须借助先进的计算机、网络等先进技术,建立多维时态城镇地籍管理信息系统,实现地籍信息的采集、分析、处理的自动化、标准化;建立多维时态城镇地籍管理信息系统,将改变传统的地籍管理方法,对于规范地籍管理工作、科学开发土地资源和保证土地可持续利用具有重要的指导作用和广泛的推广应用价值。

基于MAPGIS的多维时态城镇地籍信息系统的设计与实现

目前中国所建立的地籍信息系统大多是二维的、静态的,难以持续有效地支持复杂多变的地籍管理现状。多维时态城镇地籍信息系统的建立,实现了对城市建筑的三维浏览、三维查询及空间分析,并可以方便地查询任一历史时期的宗地信息,大大增强了地籍管理信息的可视化程度和数据处理能力,对于规范地籍管理工作、科学开发土地资源和保证土地可持续利用具有重要的指导作用。

时态多维模型设计

传统的数据仓库基于维度时不变的观点,只考虑事实随时间的变化。实际上,数据仓库的多维模式是随时间缓慢变化的。数据仓库多维模式的变化会影响OLAP查询结果的正确性,有必要对多维模式的历史变化进行维护。在分析多维模型结构的基础上,对多维模式的元素进行时态扩展,给出了一种能解决复杂多维结构的时态多维模型的形式定义,并对时态模型更新操作的实现进行了分析,最后对时态模型各元素应满足的时间一致性约束进行了分析。

高校设备信息化跟踪时态多维数据模型的设计与研究

随着高校现代教育技术平台的发展和完善,其多元化设备的应用日趋广泛。因而高校对设备管理提出更高和更复杂的要求。本文简单介绍了高校现代教育技术平台下的多元化设备管理的特点与难点,设计了基于WEB的设备管理跟踪时态多维数据模型,为OLAM决策支持和分析系统的设计提供依据。

步态过程中人体下肢运动的实时预测

针对基于运动学传感器的识别算法在预测人体运动意图时普遍存在滞后性的问题,提出一种采用多维时态的关联规则对人体下肢运动进行预测的方法。首先对采集的人体运动信号进行离散化处理分析;然后,挖掘出不同时间段所对应的步态运动的信号模式;再根据关联规则来预测出人体步态运动在后续的时刻所表达的状态,以此来预测人体下肢步态运动的趋势。实验表明,所提方案对各信号片段模式状态的预测正确性到达87.9%,充分证明所提方法的可靠性。

一类基于多属性特征的时态近似周期挖掘算法

在多维时态近似周期模型的基础上,提出了一种基于时态数据库技术和层次聚类技术的多维时态近似周期挖掘算法,并应用于股票数据。实验表明此算法是有效的。

关于扭力冲击钻轴承故障诊断预测方法的研究

针对扭力冲击钻滚动轴承易多发故障问题提出了一种改进支持向量机的故障特征提取方法,并结合多维时态关联规则来判断轴承是否出现故障。主要借助抽样算法来形成向量集合,并且在此基础上提升识别效率,找到异常信号,并且对其来源进行判定,通过多维时态关联规则找出异常信号与故障类别之间的关系。通过不平衡转子动力学模型与搭建实验平台试验验证关联规则的准确性和可靠性,再根据各信号的实时状态通过已建立的时态关联规则实时预测下一时间段的信号状态,从而达到实时预测的目的。实验表明,本故障诊断预测方法有效,能够识别和预测滚动轴承的90%的故障。

多数据流的增量聚类实现与应用

针对时间序列数据流的增量聚类研究较少的现状,采用多维时态子空间聚类对数据流的增量聚类进行探究。多维时态子空间聚类是指在连续一段时间内,数据流中的值的距离小于2α,它的另一个要求是最后的聚类结果必须包含一定数量的数据流。聚类结果随时间的演变能持续增量地更新,这个更新机制采用滑动窗口的形式,把最早时刻的数据删除后,添加入新到达的数据。采用股票数据对算法进行测试与验证,实验证明,该算法效果较好。