基于语义特征挖掘的图书馆文献资源智能检索方法

为提升图书馆文献资源检索精度,使检索结果与索引标准、用户需求适配,文章提出基于语义特征挖掘的图书馆文献资源智能检索方法。构建图书馆元数据特征空间,计算特征空间量化结果与特征信息的聚类范围;对图书馆文献资源信息进行编码重构与分布采集,提取图书馆文献资源检索特征;计算特征相似度分数,提取显性关键词;利用加权向量组合控制方法优化图书馆文献检索,实现文献资源智能检索输出。实验结果表明,利用所提方法获取的检索结果,适配度均在98%以上,最高检索精度达到0.97,有较好实际应用效果。

基于特征挖掘的时间序列异常检测算法

为了有效地挖掘监控指标时间序列的周期性特征和节假日效应,本文提出了一种基于特征挖掘的时间序列异常检测集成算法。通过FFT算法检测序列的周期性特征,以及MODWT算法识别非周期序列的局部波动特征,以天为单位计算不同子序列的CSBD值,作为OPTICS聚类算法的距离半径,进而识别序列的节假日特征,并基于Holt-Winters算法所得的预测误差,构建余弦加形变量波动指标,以降低序列的时间、形状和量级等其余特征对异常点检测的影响。经过实际业务的应用验证,本文算法相对传统的算法准确率得到显著提升,且可以保持良好的稳健性。

基于特征挖掘的企业融资信息资源数据智能匹配方法

企业融资信息数据多处于异构数据属性,在匹配过程中需要进行数据结构转换。由于现有数据匹配方法处理相似匹配特征,易受数据结构转换作用影响,导致智能匹配召回率偏低,因此,基于特征挖掘设计了一种企业融资信息资源数据智能匹配方法。提取了信息资源数据智能匹配特征,为有效区分异构数据属性,避免数据结构转换作用影响,进一步进行了信息资源智能匹配数据特征挖掘,保证数据智能匹配的准确性。最终基于挖掘后的特征,设计了跨模态信息资源数据智能匹配函数,从而实现了信息资源数据智能匹配。实验结果表明,设计的企业融资信息资源数据特征挖掘智能匹配方法,在不同类型融资信息资源数据下的智能匹配召回率均较高,匹配效果较好,具有准确性,有一定的应用价值,有利于推动企业信息化管理升级。

三维非刚体图像的特征挖掘定位算法

以实现图像特征定位为目的,设计了一种适用于三维非刚体图像的特征挖掘定位算法。利用摄像机拍摄目标的三维非刚体图像,通过重建非刚体三维结构获取运动目标的三维轨迹信息,再利用直线段检测算法挖掘运动目标三维轨迹的直线特征。将挖掘到的直线特征作为输入信息,利用图像消影点方法处理图像内目标的视觉里程数据,并推算三维非刚体图像内的目标位置,从而实现特征挖掘定位。结果表明:利用该算法构建的三维非刚体目标结构较为精确,提取直线特征信息时不易受图像模糊程度的影响,能够有效定位三维非刚体图像内的目标,定位误差数值较小。该方法具有较好的特征挖掘定位效果。

基于大数据技术的警务体能特征挖掘

由于当前已有方法考虑警务特征挖掘问题,导致警务体能训练结果不理想。为了有效解决上述问题,提出一种基于大数据技术背景下警务体能训练方法。将警务人员的体能测试数据作为研究对象,通过关联规则技术分析测试项之间的关联,同时进一步优化提升测试指标,挖掘警务体能特征。在大数据技术背景下,通过警务体能特征提取结果,针对不同的警务人员,分别给出不同的体能训练方法。仿真实验结果表明,所提方法能够有效提升警务体能,获取满意的警务体能训练结果。

基于决策树的供应商全链路动态特征挖掘算法

为了降低特征挖掘结果的汉明损失和错误率,提出了一种基于决策树的供应商全链路动态特征挖掘算法.对数据实施数值化、离散化和归一化处理,通过降低数据值域的差异来降低汉明损失和错误率.利用处理后的数据建立决策树,通过剪枝操作提高了数据分类的精度,采用改进的CHI值和RBF神经网络有效挖掘全链路动态特征.该算法降低了挖掘结果的汉明损失和错误率,且分类处理精度、准确率、召回率均有所提高.该算法有效提高了供应商全链路动态特征的挖掘效果.

基于特征挖掘的低压配电段用户异常用电数据挖掘方法

常规的用户异常用电数据挖掘方法多数采用离散数据挖掘原理,不确定性与不平衡性较高,面对海量用电数据时,异常用电数据挖掘准确率较低。基于此,引入特征挖掘,以低压配电段用户为例,开展了用户异常用电数据挖掘方法的深入研究。首先,建立用户异常用电行为检测模型,全过程检测分析用户的历史用电数据,提取用户用电模式的特征量。在此基础上,利用特征挖掘方法,反映数据集内部结构特征与用电数据特征,基于用户分类角度,对用户年用电量进行检测分析,挖掘异常用电数据。实验分析可知,新的方法应用后,在测试样本集数据量逐渐增加的情况下,异常用电数据挖掘的准确率均达到了98%以上,应用效果优势显著。

基于特征挖掘的电网故障诊断方法

专家系统在应用方面的主要瓶颈是:规则库的维护;推理的速度和准确度的协调。分析了故障信息序列中必有或特有的信息,提出了基于特征挖掘的关联规则挖掘方法。结合电网故障信息的特征,改进了频繁模式(frequent pattern,FP)–算法:考虑了故障信息的特征,如时序和因果关联关系、故障性质、严重故障、稀有故障等因素;增加了规则的"或"逻辑;改进了FP-树的修剪技术。算例表明该算法能够大量减少无效挖掘,推理速度和准确度显著提高,适用于在线诊断。

高光谱遥感数据特征挖掘技术研究进展

从目标空间尺度和传感器空间分辨率的相对大小,把高光谱遥感图像目标检测、识别与分类中的特征挖掘问题划分为多像元、单像元和亚像元3个层次,因而更具自然特性也更适合特征挖掘和目标分类与识别技术的分析。把高光谱遥感图像特征挖掘方法归纳为以保留波段物理意义为主要目的的特征选择、以综合利用所有观测数据信息为主要特色的特征提取,和考虑亚像元多目标混合信息的特征混合3大类。重点且简明地从高光谱遥感数据光谱曲线与光谱特征、特征提取、特征选择以及特征混合分析几个方面综述高光谱遥感数据/图像的特征挖掘技术的研究进展并通过热点问题展望其未来的发展趋势。

光谱数据的特征挖掘降维方法

"去繁存精"的光谱数据解耦方法可去除高维光谱数据的大量冗余,提炼其特征谱段,是光谱仪器得以广泛应用的重要基础。应用各异性和光谱特征优选方法普适性所构成的矛盾,在一定程度上制约了光谱仪器的应用。本文提出了序列前向选择(Sequential forward selection,SFS)的光谱特征自适应数据挖掘方法,生成最优变量组合作为支持向量机(Support vector machine,SVM)分类模型的输入,在对光谱数据降维的同时,实现了高精度的数据分类。本文方法可有效解决大量光谱数据的多类分类问题,并在红木分类中得到了实际验证和应用,为破解因光谱特征峰高度混叠而难以进行主观经验特征选择的困境提供了新思路。

匿名用户的网络浏览特征挖掘

在网络使用挖掘 (web usage m ining)中 ,分析用户的行为模式是一个关键的问题 ,尤其对于匿名用户特征挖掘更有实际意义 ,首先介绍如何从网络使用数据 (web usage data)中提取出会话 (session)信息 ,接着讨论会话的特征抽取和特征空间 (feature space)的表述方式 ,并以此为基础提出了一种建立在会话特征信息上的匿名用户的网络浏览特征挖掘方法算法 ,这种算法在提高精确性的基础上减少了计算耗费 ,可以较好地解决路径的变长。

基于大数据可视化技术的审计线索特征挖掘方法研究

电子数据审计的研究与应用是近年来审计领域的热点问题。传统的电子数据审计方法一般是查找审计线索,发现被审计单位中存在的问题,没有进一步挖掘审计线索的特征,分析产生相关问题的规律和原因。因此只能是发现被审计单位存在的表面问题,不能通过发现的审计线索分析出更深层次的问题。本文首先分析了研究审计线索特征挖掘方法的重要性、目前常用审计方法及其存在的不足,在分析大数据可视化技术的基础上,提出了基于大数据可视化技术的审计线索特征挖掘方法,并分析了该方法的原理。以某医院审计为例,验证了该方法的有效性。最后,探讨了该方法的优缺点及适用情况。研究结果为今后大数据环境下开展电子数据审计提供了理论基础与技术方法。

基于鲁棒特征挖掘的图像副本检索

为了提高视觉特征的鲁棒性,提出尺度空间下最稳定极值区域特征的挖掘算法.该算法在尺度空间下检测特征,首先通过分析特征的局部稳定性来挖掘鲁棒的特征,然后对区分力低的特征基于熵值进行过滤;在此基础上,基于尺度空间下最稳定极值区域特征的尺度一致性提出了基于最大匹配尺度的检索算法,可提高局部敏感哈希高维索引的检索性能.与多种已有方法进行比较的结果表明,文中算法的平均检索精度相对提高10%以上,查询效率也有提升.

程序理解中基于类图的特征挖掘

针对从大型系统源代码逆向恢复出的类图十分复杂,不利于系统理解和特征挖掘的问题,从类图中抽象出类型依赖图(TDG),并分为无权值及带权值类型依赖图,利用图上的集合划分算法对TDG进行分层抽象的特征挖掘,挖掘算法将图中的节点划分到不同的集合中,每个集合展现系统关键设计的一个侧面.采用TDG上的分层算法能够有效地降低类图的复杂度并挖掘出系统设计特征.

企业微博粉丝的特征挖掘——以天猫腾讯微博为例

通过对企业微博粉丝的特征挖掘,可以准确地捕捉用户的偏好,达到个性化服务。本文将企业微博粉丝的特征分为人口分布特征和行为特征两类。以天猫腾讯官方微博为例探讨倾向关注该企业微博的粉丝人口分布特征,并挖掘不同社会信息的粉丝群体的行为特征。

钻井用柴油发动机特征挖掘及故障诊断

柴油发动机状态监测及故障诊断的关键环节是特征参数的挖掘。提出了一种将距离测度和奇异值分解相结合的特征挖掘方法,将该方法应用到发动机的特征挖掘中,并将挖掘到的特征作为BP神经网络的输入向量用于发动机的故障诊断。结果表明,根据类间距离和类内距离之比定义的特征敏感度可以很好地区分不同的类,基于距离测度和奇异值相结合的方法可以优化特征,提高诊断的准确率。利用训练好的BP神经网络对现场12台发动机进行故障诊断,有11台诊断结论完全正确,诊断的准确率为91.67%。

基于智能学习的海量红外激光图像特征挖掘技术

传统基于FPGA的快速图像特征提取方法,未对图像实施轮廓构建,导致特征挖掘结果不理想,提出基于智能学习的海量红外激光图像特征挖掘方法。构建红外激光图像的活动轮廓模型,对图像实施小波降噪处理,对降噪后的海量红外激光图像进行活动轮廓线套索融合检索,基于检索结果采用SIFT算法实现海量红外激光图像特征挖掘。实验结果表明,所设计方法进行海量红外激光图像降噪的误差小于1%,特征挖掘平均用时约为8. 63 s,特征挖掘准确率高达98%以上,所设计方法能够用于海量红外激光图像特征的准确、高效挖掘。

衰落噪声干扰下网络攻击数据散布特征挖掘算法

提出一种基于随机近场混叠谱分析的网络攻击数据散布特征挖掘算法,实现对衰落噪声干扰下的网络攻击信号的准确检测。采用自适应陷波器对衰落干扰噪声进行滤波降噪预处理,提高了待检测信号的纯度,进行随机近场混叠谱分析,采用时频分析方法进行攻击信号的时延估计,提取随机近场混叠谱特征,实现网络攻击数据散布特征挖掘优化。仿真实验表明,采用该算法能有效提取在强衰落噪声干扰下的网络攻击数据时频散布特征点,特征聚焦性能明显,提高了对网络攻击数据的检测性能。

引入多模判决反馈提升B2C忠诚度特征挖掘算法

在B2C模式下对客户的忠诚度特征挖掘是对商户交易信任度评价的基础,进而促进用户忠诚度的提升。传统的B2C忠诚度特征挖掘算法采用基于负反馈动态的渐进控制算法,当用户数据呈现稀疏状特征时,挖掘效果不好。提出一种基于多模判决反馈的特征挖掘算法以提升B2C忠诚度。构建B2C模式下的忠诚度特征分析评估机制,根据B2C模式下多模判决反馈忠诚度控制稳定性理论,提出一种电子商务用户忠诚度评价渐进提升控制算法,这里选取Lyapunov函数构建提升目标函数,实现特征挖掘算法改进。仿真结果表明,采用该算法进行B2C模式下的商户忠诚度特征挖掘和评价,忠诚度评价准确度有所提高,用户的数据信息特征预测性能较好,特征挖掘精度提升,提高了对B2C模式下的商户的定量评价精度。

Internet路由前缀宣告的特征挖掘与分析

基于大量的历史BGP路由表快照,对BGP路由宣告信息进行深度挖掘.提出了前缀宣告稳定性度量方法,验证了绝大多数路由宣告是稳定的,历史上发生的路由劫持事件都是瞬时的(不具备稳定性);设计了前缀宣告的相似性测度算法,对大量历史BGP路由宣告进行了分析,结果表明大多数大型AS宣告的路由前缀具有自相似性,即,同一个AS宣告的多个路由前缀有一定的连续性.基于以上两个特征,从历史路由信息中可进一步提取前缀宣告的可信集,构造BGP路由宣告的可信知识库,为后续的路由前缀劫持检测和路由安全监测提供依据.