面向船舶避碰的异常轨迹点数据动态挖掘方法

船舶在避碰状态下开展异常轨迹点数据动态挖掘时,若不能及时了解避碰危险等级,会降低船舶异常轨迹点数据挖掘的挖掘性能。为提升异常轨迹点数据动态挖掘精度,提出面向船舶避碰的异常轨迹点数据动态挖掘方法。首先对船舶航行避碰危险程度展开具体分析,并根据分析结果采集船舶异常轨迹点数据,通过小波去噪算法完成船舶异常轨迹点数据的去噪处理。再进行数据去噪处理,提取轨迹点船舶的各项参数特征,结合长短期记忆网络构建船舶异常轨迹点的数据动态挖掘模型。最后将提取的特征向量实施变异赋值,将其赋值结果作为模型输入值输入模型中。根据模型输出实现船舶避碰情况下,异常轨迹点数据的动态挖掘。实验结果表明,使用该方法开展船舶异常轨迹点数据动态挖掘时,挖掘性能较高,挖掘效果好。

基于动态数据挖掘的热力参数传感器故障诊断

针对火电机组热力参数动态数据的海量、高维特点,提出了一种基于动态数据挖掘的热力参数传感器故障诊断新方法。该方法通过对热力参数信号进行经验模态分解,获得一系列平稳的本征模态函数(intrinsic mode function,简称IMF)分量和一个趋势余量,实现传感器故障特征信息的动态挖掘。以各IMF分量和趋势余量的方差作为特征向量构建欧氏距离判别函数,结合径向基函数神经网络确认传感器是否发生故障。根据专家经验得到的规则分析传感器测量值与理论值之间的差值,判别传感器的故障类型。以某电厂600MW火电机组实时运行数据为基础进行仿真实验,结果表明:该方法能够仅使用热力参数传感器正常状态下的样本,有效区分传感器故障造成的信号变化与机组本身正常负荷波动造成的信号变化,实现快速准确地对热力参数传感器的工作状态和故障类型进行判别。

基于动态数据挖掘的匿名化隐私保护方法仿真

针对当前方法匿名化隐私保护效果差,导致出现隐私数据损失度大、数据可用性低的问题,提出基于动态数据挖掘的匿名化隐私保护方法。根据密码方案求解隐私数据的密文,并将其发送给数据挖掘的第三方,利用数据样本集和原始数据等条件构建隐私保护模型,在此基础上,通过数据特征来获取隐私数据的公钥和主密钥,得到隐私保护结构,根据隐私保护结构的根节点计算匿名用户的密钥,来达到系统初始化的目的;从密钥空间中选取一个数来当作密钥链的主密钥,从中得到存储密文,采用当前加密的密钥构成密钥链来存储隐私数据,并分析隐私数据的访问情况,利用拉格朗日系数计算匿名化隐私数据的加密密钥,得到隐私数据的临时密文,最终实现了匿名化隐私的保护。实验结果表明,提出方法在保护匿名化隐私对隐私数据加密时,加密时间较短,且隐私数据的损失度低、数据可用性高,具有较好的隐私保护效果。

滑坡监测动态数据挖掘方法研究

为有效挖掘海量、动态的滑坡监测数据中的有用信息及规律,提出了一种利用Oracle触发器监测数据的挖掘方法。以八字门滑坡为研究对象,结合ARIMA模型对累积位移进行预测,利用触发器精炼监测数据和优化模型参数,提升预测模型的拟合精度。实验结果表明,该方法能有效改良传统静态数据挖掘结果,有助于人们认识到动态数据挖掘在滑坡灾害监测中的价值。

面向低温镀铁过程质量控制的动态数据挖掘方法

从低温镀铁生产过程的特点出发,将动态数据挖掘技术运用于质量控制中,阐述了利用数据挖掘解决质量预测问题和质量分析问题的一般方法。以电镀车间生产过程为背景进行挖掘实验,表明这种方法在实际应用中的正确性和有效性。

动态数据挖掘过程中矛盾性知识的研究

目前知识发现领域中前沿的、棘手的但又是亟待解决的问题之一就是有关矛盾性知识的问题。本文在积累多年来对知识发现内在机理研究成果的基础上 ,进一步探求在动态大系统的知识发现过程中 ,矛盾性知识的概念模型及其突变规律 ,对当前主流的发展。

基于云计算的物流数据动态挖掘模型研究

物流数据的分析与挖掘已成为当前研究热点,但现有研究所提出的挖掘模型存在成本高、要求高、没有考虑数据的动态性等问题。针对这些问题,本文构建了一种基于云计算的物流数据动态挖掘模型,该模型包括云计算环境层、动态物流数据采集层、动态物流数据处理层、动态物流数据挖掘层、业务应用层、交互层;重点探讨了模型的主要功能和基于云计算的动态数据挖掘算法及流程,能较好地实现低成本、分布式、并行化物流数据的动态挖掘。

基于动态数据挖掘的物流信息分析模型设计分析

为了能够有效提高现代物流数据信息自动化操作及智能网络化水平,提高物流信息管理质量及效率,实现基于动态数据挖掘的物流信息分析模型设计。首先,对动态数据挖掘进行分析,其能够有效挖掘用户感兴趣的信息。之后,对物流信息分析模型的架构进行设计。最后,实现物流信息分析模型及数据库的设计。主要包括动态数据收集层、动态物流数据处理层、交互层、行业统计分析模块。对模型的使用进行分析,表示设计的模型能够提高物流信息管理效率。

动态数据挖掘技术在用户缴费信誉评估与预测的研究

设计了应用于缴费业务领域的动态数据挖掘模型,并引入产生式地知识库系统。解决了动态数据挖掘的算法路径推理问题,并且从软件开发角度设计了动态数据挖掘系统的结构。基于该模型,为油田管理局供水公司开发了用户非信誉行为模式挖掘应用系统。

动态数据挖掘研究

提出了一种新的数据挖掘形式——动态数据挖掘(DDM),寻求在不断更替产生的动态数据信息中找出能被应用的知识。给出动态数据挖掘的体系结构,并分析了动态数据挖掘实现过程,运用滑动窗口与动态数据窗口动态采集与处理动态新增数据,同时运用后续数据进行挖掘结果评价,用K标号法平滑地使用动态目标数据集进行数据挖掘,得出了一个动态数据挖掘测试算法。

基于动态数据挖掘的钻井复杂诊断专家系统研究

传统的基于案例推理的钻井复杂诊断专家系统的知识库往往长期得不到更新呈现"死库"状态,知识的不能及时获取和知识库的不能实时更新成了影响其发展的瓶颈。为满足实际的需求,本文提出了一种基于动态数据挖掘的案例推理钻井复杂诊断专家系统,该系统不断对数据进行实时挖掘产生了新的案例,这些新的案例又组成了一个临时案例库,从而实现了对系统原知识库的实时更新。

一种动态数据流的实时趋势分析算法

有效的趋势提取可提供监控对象早期预警、评估监控对象状态和决策支持信息.基于增量递推最小二乘回归参数估计和广义似然比变化点检测算法,提出一种动态数据流趋势分析算法.其计算实时性和分析精度均比现有算法有明显的改进.仿真实验结果验证了该算法的有效性.

基于动态挖掘的流程工业产品质量模型的研究与应用

针对目前流程工业产品质量控制采用人工检查和统计质量控制方法,缺乏产品质量预先预报以及实时调整生产过程的工艺参数存在困难的情况,利用生产过程采集到的实际数据,采用基于时间序列的动态数据挖掘技术和BP神经元网络,预测产品质量和分析产品生产过程的工艺,最大限度减少不合格产品的产出,提高生产效率。根据上述理论建立流程工业数据动态质量控制平台,以中厚钢板生产过程为例,应用表明了这种方法在实际应用中的正确性和有效性。

持久偏爱的Web用户访问路径信息挖掘方法

现有的Web用户访问路径信息发现方法大都着眼于从静态的Web日志快照中进行挖掘。本文力图从Web访问数据的历史演变过程中，发现新的知识——持久偏爱的Web用户访问路径PP-WAP。PP-WAP实际上是历史访问序列WAS中大部分时间支持度值波动很小且保持较高的访问路径信息。本文首先介绍了相关背景和PP-WAP的应用领域。接下来，利用无序树结构来表示历史WAS集合，同时给出了PP—WAP的定义和挖掘算法描述。最后，分别针对模拟和实际数据集对算法的可扩展性以及PP-WAP的应用价值作了实验分析。

一种数据流趋势分析方法的研究与应用

有效趋势的提取可为监控对象提供早期预警、状态评估和决策支持。传统的曲线趋势分析算法有滑动窗口(SW)算法、外推式在线数据分割(OSD)算法,二者均采用常规最小二乘法进行曲线拟合。与常规最小二乘法相比,总体最小二乘法具有更高的直线拟合精度。此外,针对SW算法的滑动窗口最大长度没有限制,当检测点阈值比较大时,窗口的长度可能很长;而0SD算法限定了最小滑动窗口长度,使得在最小滑动窗口内的突变点无法检测。针对SW算法和OSD算法的缺陷,提出了一种新的数据流趋势分析方法,该方法采用总体最小二乘法对数据流进行分段拟合,提高了趋势分析精度;还提出了可变滑动窗口算法解决SW算法和OSD算法的固定窗口问题,以实现对数据流的合理分割。实验结果表明,有效性较为明显。

动态KDD过程中矛盾规则的研究

随着数据量的海量扩张、数据类型的复杂化,矛盾知识的问题越发突出,成为KDD领域中一个亟待解决的问题。通过对知识发现内在机理的研究,探讨在动态的知识发现过程中,矛盾知识的产生原因以及矛盾区间的求解方法,对解决当前主流发展中所面临的若干难题将具有一定的理论和实际意义。

挖掘频繁波动的Web访问模式算法研究

考虑到Web访问数据的动态特性,给出了一个从Web访问日志历史演变中挖掘频繁波动的Web访问模式的方法.首先采用无序树结构表示用户历史访问页面序列集合,然后给出了频繁波动Web访问模式的详细定义以及挖掘算法描述,最后,根据数据集中访问序列的大小和数量变化对于算法扩展性和性能的影响进行了实验.结果表明,该算法具备良好扩展性的同时,能够比较高效地提取出频繁波动的Web访问模式.

免疫进化机制及其在时序模式挖掘中的应用研究

针对目前动态数据挖掘中存在的问题,提出基于数据增量的动态挖掘进程概念;在动态挖掘进程和生物免疫进化过程的相似性基础上,提出了知识发现中的免疫进化机制的基本内涵;给出了基于免疫进化机制的时序模式挖掘算法及其实验分析,以验证理论的正确性和有效性。

数据的动态挖掘与P-增广矩阵关系

P-增广矩阵是通过利用P-集合的结构与动态特征,改进普通增广矩阵A*提出的。P-增广矩阵是由内P-增广矩阵A^F与外P-增广矩阵A^F构成的矩阵对,或者(A^F,A^F)是P-增广矩阵。在一定条件下,P-增广矩阵(A^F,A^F)被还原成普通增广矩阵A*。利用P-增广矩阵的结构与动态特征,给出数据的动态挖掘研究及其与P-增广矩阵的关系。提出数据的动态挖掘的内P-增广矩阵判定定理,外P-增广矩阵判定定理与P-增广矩阵判定定理,给出数据的动态挖掘的P-增广矩阵准则,利用这些理论结果,给出一个简单应用。

基于动态数据挖掘的物流信息智能分析策略研究

智能化的物流信息分析策略与方法对于提高物流信息管理与服务质量、促进物流信息管理理论的发展、推动物流企业信息化应用具有重要价值。文章针对物流信息的动态特征,以动态数据挖掘技术为核心,提出了基于动态数据挖掘的物流信息智能分析策略,包括基于流数据挖掘的物流信息实时分析策略、基于动态关联挖掘的物流信息多主体分析策略、基于云挖掘的物流信息并行分析策略、基于语义网格挖掘的物流信息多维分析策略等。研究表明,在提高物流信息分析的自动化程度与智能化水平、提升物流信息处理的质量与效率等方面,基于动态数据挖掘的智能分析策略具有显著的效果。