基于竞争凝聚的个性化网页推荐

为了提高网站访问效率并得到有价值的个性化网页推荐,针对Web日志的新特性,提出了一种新的基于竞争凝聚的聚类算法.新算法对K-paths聚类算法进行了扩展和改进,按照路径的相似性进行聚类,采用竞争凝聚的思想,自动确定最佳的聚类数目.由于算法考虑了用户的访问兴趣,个性化网页推荐不打扰用户且不需要用户注册信息.利用关联规则得到个性化网页推荐集.用户推荐集和页面推荐集的结合大大提高了推荐效果,具有较好的扩展性.实验结果表明,与其他聚类方法相比该算法具有更高的推荐精度.

基于关联规则和竞争凝聚算法的高压电缆缺陷识别模型

为便于运维人员及时准确判断高压电缆缺陷类型,提出了一种基于关联规则和竞争凝聚算法的高压电缆缺陷识别模型。该方法基于现有在线监测、离线试验和运维系统等数据,利用关联规则挖掘出不同缺陷类型与状态数据的关联关系,并建立电缆缺陷关联规则库;针对现有关联规则算法只能处理布尔型数据局限,采用竞争凝聚算法对连续型数据进行离散化处理;最后通过实例对所提的模型进行分析验证,仿真结果表明该模型识别准确率高、求解效率高、解释性好,有助于运维人员对电缆进行及时动态的维护管理。

基于竞争凝聚的Web用户聚类

为了给网站提供个性化推荐服务,提出了基于Web日志用户访问事务的聚类算法CAKPS。该算法采用竞争凝聚思想,自动确定最佳聚类数和初始聚类中心。实验结果表明CAKPS聚类算法可以取得较好的收敛性,同时用户聚类集之间的差异性也更高。

330MW机组湿法烟气脱硫控制系统目标值优化

基于火电机组脱硫系统在实际运行过程中积累的历史数据,采用数据挖掘的方法对系统的重要运行参数进行优化,挖掘出在满足脱硫效率要求时经济效益最大的最佳运行参数值。提出了一种模糊关联规则挖掘算法,对某330 MW机组石灰石-石膏湿法烟气脱硫系统运行优化目标值进行确定。针对历史运行数据利用竞争凝聚算法决定分类数、软化划分边界并构造优化的模糊数据集,以满足脱硫效率为前提,以经济效益作为优化目标,利用模糊Apriori关联规则挖掘算法得到的频繁项集进行关联规则挖掘,最终得到运行参数最优目标值,实验结果和理论分析表明挖掘结果能为电厂脱硫系统的经济运行作出贡献,可以作为指导机组优化运行的重要依据。

改进模糊关联规则及其在电站锅炉运行优化中的应用

提出了一种改进的模糊关联规则挖掘算法对电厂运行优化目标值进行确定,首先利用竞争凝聚算法决定分类数、软化划分边界并构造优化的模糊数据集,再结合某300 MW机组的历史运行数据,以供电煤耗率作为优化目标,利用频繁模式树生成算法得到的频繁项集进行关联规则挖掘,最终得到运行参数最优值,实验结果和理论分析表明挖掘结果能够正确反映机组运行机理、可以作为指导机组优化运行的重要依据。

基于点密度的半监督CA算法在图像聚类中的应用

经典竞争凝聚(CA)算法具有自动寻找聚类总数的特性,避免了预判参数对聚类结果的影响,但在聚类过程中,该算法并未利用样本数据中普遍存在的少量已知信息,而这些已知信息往往能够对整个聚类过程提供有益的帮助;此外算法在相似度度量函数上采用了最为常见的欧氏距离,该距离仅适用于球状的聚类,且存在等划分的趋势,这就制约了算法的应用范围.针对上述问题,通过引入具有半监督学习能力的半监督项,增强隶属度矩阵的划分能力,并利用样本数据的点密度信息,生成距离调节因子修正欧氏距离,最终得到了基于点密度的半监督CA算法.在人造模拟图像和真实图像上的聚类分割结果,以及与其它算法的性能比较,表明了所得算法,能得到较为准确的中心值,有更佳的聚类效果.

基于多元模糊支持向量数据描述的高压电缆缺陷识别

为了实现高压电缆缺陷状态准确识别,该文提出基于多元模糊支持向量描述的高压电缆缺陷识别方法。针对原始支持向量描述(SVDD)对异常数据敏感的问题,首先利用竞争凝聚算法对高压电缆训练样本进行模糊聚类和筛选,并利用筛选后样本的隶属度对SVDD加权处理,进而获得高压电缆每种状态的训练样本的最小超球体,实现对高压电缆多种缺陷状态的有效识别。最后,利用广东珠海高压电缆的实际数据对所提模型的可行性和准确性进行验证。

粤高速的市场分析和前景展望

企业与市场密切相关 ,通过企业之间横向比较 ,可以了解企业的市场水平 ,进而发现企业自身的突出问题 ,在此基础上 ,提出要结合各种有利因素或转化不利因素 ,寻求实现公司发展的突破。要明确投资导向、合理发挥财务杠杆作用、促进集团和上市公司优势互补和利益共享、凝聚竞争力、以及利用闲置资金投资证券市场和加强与中介机构的合作 。

基于PCA和半监督聚类的入侵检测算法研究

针对网络入侵检测数据存在大量冗余信息和传统聚类算法对离群点检测不足的问题,提出一种基于主成分分析(principal component analysis,PCA)和半监督聚类的入侵检测算法。首先使用PCA对数据进行特征提取,消除数据间的冗余属性;然后利用少量已标记样本和成对约束信息,通过引入竞争凝聚让系统主动学习,以实现对大量未知样本的检测。在入侵检测数据集和UCI基准数据集上的实验结果表明,该算法能有效提高系统的性能。

基于模糊关联规则的脱硫系统运行优化

为了解决石灰石-石膏湿法烟气脱硫系统(Wet Flue Gas Desulfurization System,WFGD)的运行优化问题,基于某电厂600 MW机组的脱硫系统历史运行数据,采用关联规则挖掘方法中的FP-tree(Frequent Pattern-Tree)算法对历史数据进行关联规则的挖掘。在数据挖掘过程中,利用3σ法则去除原始数据中的粗大误差;利用聚类方法中的竞争凝聚(Competitive Agglomeration,CA)算法,对处理后数据的各个属性分别进行聚类,使其划分为不同的区间;选取不同锅炉负荷工况下的数据,利用FP-tree算法挖掘关联规则;挑选出有意义的关联规则。结果表明:在锅炉负荷为540 MW工况时,将脱硫系统中的可调参数浆液pH值设置为4.9901,吸收塔液位设置为8.9478 m,吸收塔给浆流量设置为8.1782 m^3/h,吸收塔给浆密度设置为1229.2723 kg/m^3,可以在满足脱硫效率的前提下使得脱硫成本最低,从而提高电厂的经济效益。