基于数据自组织挖掘的机械设备状态退化预警方法

在设备状态监测过程中引入数据自组织挖掘思想,建立一种设备状态退化预警方法。采用隐马尔科夫模型(HMM)对设备的早期退化状态进行准确辨识和评估,并进一步建立设备退化过程的自组织预测模型。案例分析中将该方法应用到旋转机械轴承运行状态退化的预警过程中。结果表明,基于自组织数据挖掘的设备状态退化趋势预测方法预测效果准确、客观性强,预测值与实际值的拟合程度高,相对误差仅为3.1%。新方法能够预测设备未来时间段的退化状态及其发展趋势,提前给出预警信息,有效地制定预知维修计划,及时采取预防措施,防止因设备突发失效引起非计划停机造成生产和经济损失。

一种基于多模态数据自组织的城市移动增强现实方法

城市移动增强现实近年来受到研究界和应用界的高度关注。然而面对城市大场景,如何采集数据、合理管理和组织数据、以及高效利用数据成为了制约移动增强现实系统性能的重要问题。以城市街景增强为应用背景,提出一种基于多模态数据自组织的城市移动增强现实方法。通过以面向移动增强现实系统的多模态数据为中心,从数据采集、数据组织、数据使用三方面出发,研究如何有效获取和处理原始数据、合理组织数据、高效准确使用数据。实验结果验证了所提出方法的有效性和实用性。

自组织数据挖掘与回归分析方法的比较研究

采取定性分析、理论分析和实验研究相结合的方式,从三方面对自组织数据挖掘方法与回归分析方法进行比较:包括二者的算法过程,对不同对象的拟合和预测效果以及二者的联系。结果不仅揭示了二者的区别和联系,而且表明,自组织数据挖掘方法是复杂系统模拟预测的有效工具。

自组织数据地图用于近海水质分析的研究

通过对自组织数据地图SOM(SelfOrganizingMap)理论及技术的研究和应用,力求找到近海水质分析的新途径,并以渤海湾水质数据为例,采用批处理SOM算法为计算核心,利用MATLAB语言编制的SOM工具箱开发了近海水质分析软件包。该软件包通过SOM的训练对数据特征进行分析和显示,并在此基础上进一步分析SOM训练结果,将监测数据分成5种不同的污染类型,还实现了数据跟踪和新的监测数据的自动归类。应用表明,提出的方法以多种图形形式直观、综合、深入的分析近海水质,可为近海水域污染状况的辨识和采取相应措施提供决策支持。

煤矿瓦斯涌出时序预测的自组织数据挖掘方法

为分析煤矿瓦斯涌出复杂系统时间序列预测方法,提出自组织数据挖掘(SODM)与相空间重构(PSR)相结合的预测建模方法。首先应用C-C方法计算时间序列的最佳嵌入维数和延迟时间后进行PSR;然后以二元二次方程为传递函数,以嵌入维数变量为自变量,以延迟时间后的时间序列为因变量,通过内准则确定传递函数系数和外准则选择最优传递函数,并以最优传递函数的输出为下层迭代传递函数的输入,最后获得最优复杂度预测模型。算例结果表明:该方法对煤矿瓦斯涌出量预测的相对误差为-5.751 7%~6.049 3%,平均相对误差2.145 7%,预测结果能满足煤矿安全生产实际工程应用要求。

自组织数据挖掘在卫生总费用预测中的应用

本文采用自组织数据挖掘方法建立了卫生总费用的预测模型 ,发现影响我国卫生总费用的重要因素有 :GDP、医疗卫生服务成本、全国保险福利费用总额、全国从业人员数、城镇职工医疗卫生支出、政府卫生支出等。模型预测结果显示 :中国卫生总费用在今后若干年会有比较快的增长 ,需要政府从宏观政策上加强卫生改革的力度来控制医疗卫生服务成本 。

自组织数据挖掘方法研究综述

从对自组织数据挖掘方法(SODM)本身的改进和SODM与其他建模方法结合两方面介绍了SODM的研究进展.对SODM本身改进的方面包括模型表示、选择准则和搜索方法.分析SODM与神经网络、遗传算法、模糊法则归纳法以及模拟方法的结合.在此基础上,指出SODM改进方向应该在改善算法本身的基础上,将其从单纯的数据挖掘技术扩展为知识发现的全过程.

基于自组织数据挖掘的电子商务客户流失预测模型

为解决电子商务客户流失预测中的高维、非线性问题,本文将自组织数据挖掘理论(SODM)引入客户流失预测,提出一种新颖的基于自组织数据挖掘的电子商务客户流失预测模型。该方法将自组织数据挖掘中的客观系统分析算法(OSA)和改进分组数据处理网络(GMDH)集成起来进行电子商务客户流失预测。首先利用OSA算法选择出重要的电子商务客户流失关键属性,然后将训练样本送入改进GMDH网络进行学习和训练,进而对测试样本客户流失状态进行判别。将该方法应用于某网上商店客户流失预测实证分析,预测结果验证了该方法对包含多种因素影响的电子商务客户流失预测具有优势,基于自组织数据挖掘的电子商务客户流失预测模型具有较强的实用性和可操作性。

基于自组织数据挖掘的铁路客运量预测方法研究

由于传统的预测方法难以对影响铁路客运量变化的因素进行全面考虑,其预测精度不高。选择影响铁路客运量变化的因素:经济社会发展的原生性需求、铁路自身供给能力、不同交通方式、客运价格和旅行费用、运输服务质量等,建立基于自组织数据挖掘的铁路客运量预测模型。通过算例进行验算结果表明,自组织数据挖掘建模预测方法在变量多、数据少、普通的建模预测方法难以胜任建模任务的情况下,可以得到较满意的结果,适宜进行多因素的铁路客运量预测。

基于自组织数据挖掘理论的海洋经济预测

自组织数据挖掘理论是新兴的一门交叉学科,其在小样本、受到噪声干扰的经济系统建模预测时比计量经济学和人工神经网络方法更优越。GMDH——分组数据处理法是自组织数据挖掘方法中的一个成熟算法。构建GMDH预测模型,对我国主要海洋产业进行经济预测,得出2007—2010年我国主要海洋产业产值的预测数据,我国海洋经济将继续快速平稳发展的结论。

基于自组织数据挖掘方法的经济预警研究

目前经济预警方法主要包括指标预警、统计预警、模型预警3类,这3类方法各有优劣。模型预警法常使用ARCH模型预警与人工神经网络模型预警。将自组织数据挖掘方法引入经济预警建模过程,通过实证研究发现:自组织数据挖掘方法在经济预警研究中具有较强的学习能力,在模型变量筛选时能有效避免人为因素的影响;与人工神经网络相比较,它建立的显式模型能够反映输入指标对输出指标的具体影响状况,将有助于分析警源,排除警情。研究结果表明,自组织数据挖掘方法将为经济预警提供一种新的模型预警法。

自组织数据地图在大辽河河口水质分析中的应用

自组织数据地图(SOM,Self-organizing Map)具有强大的数据压缩和提炼功能,应用它可以对水质监测数据进行处理,找到水质分析的新方法。本文以大辽河河口水质监测数据为例,应用MATLAB中SOM工具箱,采用批处理SOM算法,利用MATLAB语言编写出水质分析程序。该程序通过SOM的训练对数据特征进行分析和显示,并进一步分析SOM训练结果,将监测数据分成4类,最后实现数据跟踪及新的监测数据的自动归类。该方法可以将水质监测数据的特征可视化,便于直观、深入地分析水质状况,为识别水质特征、跟踪水质变化和应对措施提供决策支持。

基于自组织数据挖掘信息产业测度综合法

为了进一步研究信息产业对经济增长的影响,量化信息产业的发展规模和程度,将数据挖掘技术用于信息产业测度中。设计了基于自组织数据挖掘的信息产业综合水平法,并利用该方法对信息产业进行测度,分析了影响信息产业的主要因素。研究结果表明,该方法克服了信息产业测度中的主观性,弥补了单一方法对信息产业测度的不足;增加了测度结果的准确度和科学性,适合输入输出关系较复杂的经济问题(非线性问题)的评价。

自组织数据挖掘在能源消耗预测中应用

自组织方法又称数据组合处理方法GMDH(GroupMethodofDataHandling),是目前国际上先进的建模工具。本文简单地介绍该方法的算法及其优点。文章还给出了将该方法运用于我国能源消耗的预测的实例,得出了较好的数据结果,并分析了出现相关结果的原因。

基于自组织数据挖掘的利润结构盈余质量分析

本文利用自组织数据挖掘(GMDH)方法,建立了一个由新准则下利润构成项目组成的盈余质量分析模型,说明了不同利润构成项目对盈余质量的影响,为利用利润结构分析法分析盈余质量提供了依据。

基于自组织数据挖掘的住宅空置影响因素分析

空置是反映房地产市场状况的一个重要因素。本文运用自组织数据挖掘方法来分析中国住宅空置面积的影响因素,我们发现,在所有的因素中,人均住宅面积是影响空置面积的最重要的因素,其中也有其他因素的较小的相关影响。

自组织数据挖掘及灰色理论比较应用研究

通过对自组织挖掘算法的理论分析和实验研究,对自组织数据挖掘和灰色理论在不同对象中的拟合和预测效果进行比较分析,揭示了自组织数据挖掘与灰色预测方法的不同特征和属性。灰色数列预测是指利用动态GM模型,对系统的时间序列进行数量大小的预测,即对系统的主行为特征量或某项指标,发展变化到未来特定时刻出现的数值进行预测。比较研究的结果显示:对于周期性的贫信息数据及噪声干扰的复杂系统,灰色理论是适宜的选择。

基于迭代自组织数据聚类阈值PCNN的图像分割法

基于迭代自组织数据聚类阈值的脉冲耦合神经网络的图像分割算法改进了传统脉冲耦合神经网络在图像分割中由于不恰当的参数选择而导致图像欠分割和过分割的问题。基于迭代自组织数据聚类阈值的脉冲耦合神经网络图像分割算法无需确定参数和循环次数,也不需要用特定原则确定循环结束的条件,只需利用图像中的每个像素点的灰度值进行聚类,然后利用改进的迭代自组织数据算法确定图像的初始聚类数目以及聚类中心,并以此作为脉冲耦合神经网络的最佳阈值,一次点火过程自动完成分割。实验结果表明,这种算法具有较好的分割结果和分割速度,提高了分割的准确性。

基于迭代自组织数据分析的测向定位新算法

针对传统交会定位方法精度不高的问题，从概率论角度出发，利用离信号源真实位置越近出现定位点概率越大的统计特性，首次提出将迭代自组织数据分析算法（ISODATA）应用到定位计算中。新算法自动对交会点进行聚类，消除聚类程度低的点集，选择聚类程度高的点集，然后利用最小二乘算法进行定位计算。理论分析和仿真结果表明，新算法能有效提高定位精度，尤其在低信噪比情况下性能表现较传统算法优越。

官渡:一种用于命名数据MANET网络的缓存策略

针对在命名数据自组织移动网络(named data mobile ad hoc network,NDM)中,原命名数据网络(named data networking,NDN)默认的沿路径全缓存策略会占用网络节点上大量缓存空间,因而不适用于NDM中存储空间有限的移动节点问题,设计了一种适用于NDM的缓存算法,取名官渡策略,意在将最有用的内容布置在最合适的节点上响应尽可能多的兴趣包.该算法基于间隔缓存等思路,综合考虑了节点间距离、节点缓存储空间和网络缓存分布等影响因素,并尽可能地简化以便使其具有可用性.实验结果表明:官渡策略可以有效地减少缓存空间,并维持较高的应答率,代价是增加少量的网络流量和承担一部分的网络延迟.官渡缓存策略相对简单,实现开销小,因此,更适合于节点存储空间小、计算能力有限的NDM网络.