基于改进SPRINT分类算法的数据挖掘模型

为解决目前数据挖掘模型分类时间长、挖掘准确率不高的问题,提出基于改进决策树分类算法(SPRINT)的数据挖掘模型。先采用最大-最小规范化公式完成原始数据线性变换,利用改进后的SPRINT分类算法按照输入数据特性进行分类,使用协同过滤技术生成与数据相近的属性集,计算数据属性相似度,生成语义规则集,为用户提供更优的数据服务。选取某公司营销数据集作为样本进行对比实验,结果表明,与对比模型相比,所提出的数据挖掘模型分类时间更短,挖掘准确率更高,能为用户提供更优质的数据服务。

军用航空器事故关键质量特性的数据挖掘模型

构建一种军用航空器事故关键质量特性的数据挖掘模型,由2个主要需求牵引型功能板块和3个功能层次模块所组成,理顺数据传导路径,发挥算法分析效能,实现从事故数据到关键质量特性情报的精炼与转化,为航空维修管理的一线决策提供智力支持。以收集和整理的Y国空军坠机事件数据集为算例依据,使用所设计的数据挖掘模型,对数据集开展时间、空间、关联三大维度的数据挖掘,得到清晰、新颖、可信的数据挖掘结果,并整理为有效的关键质量特性情报。

基于大数据融合的应急物资可追溯信息挖掘模型构建

传统的应急物资信息方法受到应急物资信息类型以及来源的影响,导致追溯效果不佳。为此,构建基于大数据融合的应急物资可追溯信息挖掘模型。选取巴科斯-诺尔范式规范化描述对应急物资可追溯信息,采用大数据融合匹配应急物资信息追溯结果。通过Dasarathy信息融合模型设计三层递进模式,利用EM算法建立挖掘模型,实现对应急物资可追溯信息的有效挖掘。实验结果表明,采用该模型可有效挖掘应急物资可追溯信息,不同情况下挖掘精度均高于99%,并具有较高的实时性。

基于TRIZ理论的专利挖掘模型研究与实践

本文利用现有的专利技术挖掘方法与经验,以产品功能结构框架中的关键技术为聚焦点,结合发明问题解决理论创新方法(TRIZ),提出一种功能分解—技术优化的专利技术挖掘模型,总结借鉴专利挖掘实践案例,剖析验证本文提出的模型。通过分析TRIZ理论,构建专利挖掘模型框架,解析专利挖掘实践案例,为电子信息行业技术研发人员专利挖掘布局工作提供实践参考与方法支撑。

基于物联网和云计算技术的数据挖掘模型设计

文章首先介绍了物联网技术和信息融合技术的相关概念与特点。其次,运用云计算技术,从云计算支撑平台层、数据挖掘能力层、数据挖掘云服务层3个方面入手,设计数据挖掘模型。最后,以某出租车数据集为研究对象,对其数据处理过程进行了详细的描述和验证。结果表明,文章提出的物联网实时数据处理方案具有较高的可靠性和可行性,完全符合实际应用需求。

基于粗糙集的电网业务营销时序数据关联规则挖掘模型

针对挖掘出的数据关联规则存在数目少、执行时间长、置信度低问题,提出基于粗糙集的电网业务营销时序数据关联规则挖掘模型。建立电网业务营销数据四元组,通过清洗、集成、转换、消减四步预处理电网业务营销时序数据;依据粗糙集理论设定的时序数据属性约简定义,约简电网业务营销时序数据属性;通过电网业务营销数据存在的时序关系,定义关联规则,采用压缩矩阵生成时序数据的频繁项集树,得到电网业务营销时序数据关联规则,完成关联规则挖掘模型建立。实验结果证明,应用该模型后,时序数据关联规则平均数目分别高4条和10条,平均执行时间分别减少4 s和25 s,平均置信度分别高出0.2和0.22。

基于关联规则的Web日志异常数据挖掘模型

常规Web日志异常数据挖掘模型使用Rough Sets粗集理论挖掘异常日志隐含信息,易受异常数据集的近似分类作用影响,导致挖掘相似度偏低,为此设计基于关联规则的Web日志异常数据挖掘模型。实验结果表明,与对比模型相比,该模型的挖掘相似度较高,性能良好,能够优化Web日志推荐效果。

短期负荷预测的实用数据挖掘模型

基于数据挖掘决策树算法和通用的决策支持对象(DSO)建模工具,结合区域电网气象负荷数据库设计与实现了决策树形式的数据挖掘模型并运用于日负荷预测。首先描述了决策树分类方法,分析研究了日负荷预测数据挖掘模型的决策树构造过程,给出了基于DSO的程序化实现,并给出用决策树算法的日负荷预测过程以及实际的预测结果情况。统计分析结果表明该数据挖掘模型完全满足实用标准,具有智能自适应、自学习和全过程自动化、通用可靠以及准确率高等特性。

复杂工业过程中数据挖掘模型研究

针对复杂工业过程中产生积累的大量数据,以新的视角分析了应用数据挖掘的基础和数据特点,讨论了数据挖掘的基本思想,提出了集成数据挖掘的模型结构,为复杂工业过程的监控开辟了一条新的途径并指出了要进一步研究的问题.

基于数据挖掘模型的配电网故障定位诊断

由于配电网故障定位所依据的故障信息来自于户外的 FTU,其运行环境较恶劣 ,元器件受损或信息丢失的可能性高 ,易形成变异故障模式 ,导致故障定位的错判 ,提出基于粗糙集 (RS)理论和遗传算法 (GA)相结合的数据挖掘 (DM)模型来处理实时输入信息的畸变和实现配电网的故障定位 .首先通过 RS对变异故障信息域的数据集进行划分 ,再用 GA挖掘出输入信息与故障定位诊断结果间冗余关系及内在关联性规则 .经仿真测试证明 ,基于 DM模型的故障定位与基于常规前馈神经网络 (FNN)故障定位原理相比 。

可视化中文文本挖掘模型

面对今天浩如烟海的信息,如何帮助人们有效地收集和选择所感兴趣的信息,更关键的是如何帮助用户在日益增多的信息中自动发现新的概念并自动分析它们之间的关系,使之能够真正地做到信息处理的自动化,这已成为信息技术领域的热点问题。在这样的需求驱动下,文本挖掘得到了长足的发展,并取得了相当的成功。由于目前在因特网上大多数的信息表现形式为文本形式,只有通过文本挖掘才能充分地利用信息资源。

文本挖掘与中文文本挖掘模型研究

文本挖掘,又称为文本数据挖掘或文本知识发现,是指在大规模的文本中发现隐含的、以前未知的、潜在有用的模式的过程。本文首先对文本挖掘进行了概述,给出了文本挖掘的定义、特点和研究现状。然后对国内中文文本挖掘的研究现状进行了分析,指出了当前中文文本挖掘研究中存在的主要问题和主要研究方向。最后提出了一个统一的中文文本挖掘模型——UCT-MF。该模型具有层次性、开放性和可扩展性,为中文文本挖掘系统提供了基本体系框架。

基于XML的Web数据挖掘模型的设计

目前很多网站都是用HTML构建的,要真正做到高效准确的挖掘数据非常困难,XML的出现为基于Web的数据挖掘带来了便利。在研究Web数据挖掘技术的基础上,利用XML数据抽取技术将半结构化数据映射为结构化数据,建立了一个具有基本挖掘功能的面向多种Web数据的挖掘系统模型Web_mining。最后将Agent技术引入数据挖掘,提出了一种基于Agent技术的体系结构,用来实现大容量的数据在分布式存放情况下的数据挖掘,并对基于Web的数据挖掘技术进行深入的研究和探讨。

基于粗糙集理论的续保规则挖掘模型

基于粗糙集基本理论,分析了衡量规则价值的方法,构建了一个基于粗糙集理论的续保规则挖掘模型.运用该模型对10000条车险保单客户数据进行了分析,挖掘出隐含在这些数据中的续保规则,找到了续保客户的描述性特征.

基于粗糙集的保险风险规则挖掘模型

加入 WTO后 ,中国的保险行业将全面与国际保险体系接轨 ,这意味保险行业的竞争更加激烈。机动车辆保险业务已成为我国财产保险业务的龙头险种。由于机动车经常处于运动状态 ,具有较高的风险性。如何对车险保单数据进行挖掘和分析出风险规则是本文的研究重点。本文介绍粗糙集理论的基本概念 ,运用 VPRS模型对车险保单数据进行分析 ,借助基于粗糙集理论的数据挖掘工具

电力用户数据中用电特征数据挖掘模型仿真

对电力用户中用电特征数据的准确挖掘,可以提高电力用户数据安全性能。由于电力用户数据的不断增加,用电特征数据特征数目也逐渐增加,导致用电特征数据呈连续型属性,并使传统的CURE算法进行电特征数据的挖掘时,必须对连续型数据进行离散化处理,这需要花费大量的预处理时间、并且离散化过程可能会丢失一些重要数据信息,导致用电特征数据的挖掘精度下降。提出一种新的电力用户中用电特征数据的挖掘建模方法,在电力用户数据的用电特征数据属性基础上,引入信息熵原则分析法,获取用电特征。通过Kohonen神经网络模型提取电力用户数据的用电特征数据参数曲线,采用斜率修正法将用户特征数据进行校正,随机选取具有周期性的电路用户数据参数,挖掘用电特征数据,实现电力用户数据中用电特征数据的挖掘建模。仿真结果表明,改进建模方法相比传统的CURE算法,用电特征数据挖掘准确度高。

云计算下的威胁数据挖掘模型仿真

随着网络高级持续威胁为主的犯罪活动逐渐增加,使得云计算环境下的高级持续威胁数据检测,具有高纬度、非线性等特征,导致传统基于PSO辨识树的高级持续威胁数据挖掘过程中,采用的数据主元特征以及关联特征存在显著的波动,无法获取准确的数据挖掘结果。提出了一种基于改进流形学习算法的云计算下高级持续威胁数据挖据模型,使用非线性流形学习算法,降低云计算下高级持续威胁数据向量特征的维数,通过特征提取模块对高级持续威胁数据进行预处理,采用改进经典流形学习算法,加大样本散布密集区域高级持续威胁数据间的距离,缩短样本散布稀疏区域样本间的距离,促使云计算下高级持续威胁数据样本库的整体分布均匀化,实现云计算环境下高级持续威胁数据的准确挖掘。实验结果说明,所提方法能够准确挖掘出云计算环境下的高级持续威胁数据,具有较高的挖掘效率和精度。

商务网站客户行为信息挖掘模型的设计

企业通过电子商务网站开展网络经营的过程中 ,可以获得大量的客户行为信息 ,通过一种合适的手段 ,对这些信息进行分析 ,从而使企业的电子商务网站达到更高的客户满意度 ,将大大地提高企业网络经营的效率。通过对数据挖掘技术的应用进行分析 ,提出了数据挖掘技术在客户行为分析中的应用方法 。

网络中涉恐信息的高效挖掘模型研究与仿真

对网络涉恐信息的快速挖掘,有利于对恐怖事件进行高效的监控。恐怖信息与一般网络非约束信息不同,为了逃避打击,往往带有极强的伪装性和隐蔽性,在涉及到的关键词和图像中刻意加以回避。利用传统方法进行涉恐信息挖掘的过程中,还是以特殊的词语和相关的特征作为挖掘对象,涉恐信息的隐蔽性和刻意伪装性使得挖掘模型难以形成有效的涉恐信息聚类中心,降低了对网络恐怖信息挖掘的准确率。提出基于聚类特征优化算法的海量网络中涉恐信息挖掘方法。对涉恐信息进行多维空间重构,避免挖掘复杂程度。根据涉恐词的概括度和模糊性设置涉恐信息的阀值,避免冗余信息造成的影响。根据涉恐词之间的相似度进行聚类,建立涉恐信息挖掘模型,用互信息的方法进行涉恐信息特征挖掘,挖掘出准确的涉恐信息。实验结果表明,利用改进算法进行海量网络中涉恐信息挖掘,能够有效提高挖掘效率。

数据挖掘模型的比较研究

比较了SQLServer2000和Oracle9i数据仓库的数据挖掘技术,分析其数据挖掘模型的异同点和优劣性,并针对其数据挖掘算法上的不足提出改进数据挖掘模型的方法,利用进化计算实现数据挖掘的进化学习机制,提高算法的效率、最优解求解能力,增强数据挖掘系统的鲁棒性和安全性,还讨论了结合两种技术优势实现数据挖掘模型的方法。数据挖掘是网络数据库以及数据仓库的最新功能,与机器学习机制有关。SQLServer2000和Oracle9i具有数据挖掘的功能,但是由于其数据挖掘算法简单,数据挖掘的现有学习能力和功能发展存在瓶颈。