探索数据挖掘分类技术在高校教学中的应用

数据挖掘是致力于数据分析和理解、揭示数据内部蕴藏知识的技术。由于数据库中存在着大量数据,因此从数据库中发现有用的信息显得十分重要。对数据挖掘技术的研究,国内外己经取得了许多令人瞩日的成就,并成功地应用到了许多领域,但在教育领域中的应用并不广泛。探索在高校教学中数据挖掘分类技术的应用,提出数据挖掘技术在高校教学应用中的实施方案,并以高校教学中学生成绩的分析为例介绍方案的实施过程。

数据挖掘分类方法中的决策树算法探究

数据挖掘分类法是指从大量的数据库中自动地、智能地抽取一些行之有效的、可以相信的和理解的以及有用模式的过程。作为数据挖掘的重要内容之一的分类法,日前,分类已经被广泛运用于天气预测、顾客区分、医疗诊断、欺诈甄别、信用证实当中。在数据挖掘的众多分类方法中,决策树算法在大量数据环境中应用的最为广泛。该文通过对决策树算法的基本思想进行分析,对决策树算法中遇到的一些问题作出分析并提出建议,在阐述决策树算法现状的基础上,对决策树算法未来的发展趋势作出预测,希望能对决策树算法的使用者和研究者提供一定借鉴。

基于数据挖掘分类模型对住房价值进行实证分析

现如今,居民的消费水平逐渐提高,人们对自己的生活水平的要求就越来越高。大部分人都会用自己的储蓄买一套舒适度高又物美价廉的房子。房地产事业因此得到了越来越多人的重视,在经济发展中也占着举足轻重的地位。然而近些年来国内外因住房价值而出现的房价涨跌的一系列问题却层出不穷,居高不下的房价更是影响了居民的生活水平,因此研究出住房价值的影响因素是当前较为重要的问题。本文就针对研究住房价值的影响因素这一课题,运用数据挖掘分类模型C4.5算法进行分析,找出影响居民收入适应性住房价值的最重要指标。

数据挖掘分类方法在中医证候研究中的运用探析

中医对疾病的诊治是建立在证候辨证的基础上,证候是指导临床正确选方用药、确定临床疗效的依据,是中医学理论的核心问题;但中医证候类型的复杂多样却在一定程度上制约着中医药科学的发展。文中对几大数据挖掘分类方法在中医证候研究中的运用进行探讨,并就今后的研究重点和方向提出看法。

浅析数据挖掘的分类与预测

数据挖掘技术是信息时代的宠儿,而分类和预测是数据分析的两种基本形式,能预测未知数据的趋势。本文主要介绍了何为数据的分类和预测,并且通过判定树归纳细化了数据分类的划分步骤;通过介绍线性回归、多元回归以及非线性回归等预测方法加深了对数据预测的认识;并介绍了分类法准确率评估方法以及分类和预测的异同点。

浅析Web数据挖掘

Web使用挖掘是一门新的综合性技术。文章介绍了数据挖掘的基本概念和数据挖掘的分类;在前人的研究基础上描述了数据挖掘的流程。

基于机器学习算法的广东省假期旅游数据挖掘

本文运用了随机森林、SUV、Logistic回归、决策树、朴素贝叶斯、KNN、BP神经网络等机器学习算法对交通路况、环境情况进行分类预测,并从中对比得出分类预测的最优算法。综合考虑得到的景区客流量、交通路况以及环境情况等预测数据,提出对某一景点是否推荐假期出行的建议。

基于水文模型的流域内降水预测方法研究及应用

降水预测对保障流域开展规划设计、规避气象灾害有重要意义。文章为准确预测流域降水,采用数据挖掘分类算法对待测样本进行类别决策判断,据此算法的并行化策略实现对降水数据的深入挖掘;通过降维处理实现流域内降水数据的预处理;构建流域水文模型,并基于程序设计模型编制一种流域内降水预测算法。将此方法应用于某流域进行降水预测,结果表明,在极端和异常气候条件下,该方法预测结果与实际吻合度较高,能满足流域降水预测需求。

一种改进的基于规则实例多覆盖分类算法

基于规则分类算法提取的规则集通常存在3个问题:首先,提取的分类规则集中短规则过少,致使高质量的规则不多;其次,规则集中规则数量少,训练数据中几乎所有实例仅被规则覆盖一次;第三,虽然提取大量的规则,但是训练数据中存在一些小类样本的实例不能被任何一条规则覆盖。本文提出一种改进的基于规则的实例多覆盖分类算法(Rule-based classification with instances covered by multiple rules,RCIM),其特点是:(1)为了提高规则的质量,在选择生成规则的第1项时不仅考虑属性值的好坏,而且还考虑了属性值补的好坏;(2)一次产生尽量多,高质量的规则,而且当训练数据的实例至少被两条规则覆盖后才将其删除;(3)当遇上难以判断的测试数据时,对测试数据的各个属性值进行二次学习提取规则。算法RCIM不仅可以有效地提取大量的规则,而且较大程度地提高了规则的质量。通过在大量数据上实验结果表明,RCIM比许多其他算法取得了更高的分类准确率。

利用软计算技术改善圆锥滚子轴承的工作性能

双列圆锥滚子轴承主要用于支承具有预紧力的组合式负载,以确保合理的运行状态。因为轴承滚道会出现高接触应力、疲劳剥落或表面点蚀,所以,开发一种工具,以期提前了解预设载荷是否会引发故障,就显得非常重要。为此提出一种基于四类荷载表达值的工况分类方法,首先建立了一种三维有限元(FE:Finite Element)模型;其次,设计了一个实验程序,在降低基于有限元模型的模拟计算成本的同时,提供最大的信息量;随后,将四种载荷条件分别进行实验,用统计分析和机器学习技术创建分类模型,再采用特征变换和约简、算法参数调整以及验证等方法,完成了鲁棒分类模型;最后,在柔性判别与分析的基础上,得到了最佳结果。该方法和最终模型都得到了验证,其准确性也得到公认。