基于关联分析FP-Tree算法的企业风险信息数据在线挖掘方法

现阶段的数据挖掘方法缺少对数据关联分析的过程,挖掘效果较差,故文章提出基于关联分析频繁模式树(FrequentPattern Tree, FP-Tree)算法的企业风险信息数据在线挖掘方法。选取与企业风险相关的信息指标,收集有关数据并进行预处理操作后,设计一种考虑关联分析的FP-Tree算法,生成FP-Tree节点的条件模式树挖掘频繁项集,计算满足最小置信度的频繁项集,实现企业风险信息数据在线挖掘。实验结果表明,所用方法挖掘量和挖掘效率较高。

Apriori算法在用户特性关联分析中的应用

Apriori算法作为一种经典的关联规则挖掘算法,将其应用在用户位置信息挖掘中,有助于运营商发掘其数据资源的潜在价值,拓展业务范围。介绍了Apriori算法的基本原理和方法步骤,以及在用户基本信息、位置信息和热点地区等数据集合的关联分析中的应用,最后,结合实例对Apriori算法的应用进行了探讨。

基于灰色关联分析与RBF的图像分割算法

传统基于灰色关联分析的图像分割算法存在很多错分、漏分的情况。为此,提出一种基于灰色关联分析和径向基函数(RBF)网络的分割算法。采用量子遗传算法对RBF网络进行优化,通过灰色关联分析提取待处理图像的边缘信息,识别噪声点与非噪声点,以此作为优化后RBF网络的输入,利用该网络良好的逼近能力纠正错分和漏分像素点。实验结果证明,与传统算法相比,该算法的分割效果更优,且能进一步提高抗噪性能。

基于信息论优化的Apriori算法在交通事故分析中的应用

为研究造成道路交通事故的关键因素,采用关联规则挖掘的Apriori算法挖掘交通事故相关因素的关联,同时通过信息论方法分析各因素在交通事故中所占比重。为交管部门分析交通事故成因,降低交通事故率等提供理论参考。以天津市2010年至2015年交通数据为研究对象,用此算法对多个相关因素分析处理,得出本地区交通事故的主因。本文拓展了交通事故研究的深度,对交通事故分析、道路设计交通管理等有一定的参考价值。

基于FP-Growth的电力调度通信网告警信息关联分析

随着电力数字化的快速发展,对电力调度通信网具备“万物”互联能力的要求不断提高,这不仅使整个网络变得复杂且庞大,其自身的运维难度也不断提高。如何有效利用其监控系统产生的海量告警信息,提升通信网络的运维、检修的有效性和精确性,是亟待解决的问题。利用海量历史告警数据分析了电力调度通信网的基本结构与特点,基于FP-Growth算法提出了一种电力调度通信网告警信息关联分析方法,构建告警信息挖掘模型,对某电厂某时段的历史告警数据进行分析验证,发掘到电力调度通信网具有强关联的告警信息规则。研究成果可为网络运维检修提供指导。

基于关联规则的日志分析系统的设计与实现

网上广告势必成为中国广告业不可取代的部分,广告人总是期望广告能获得最好的效果.为此,本文设计并实现了一个基于关联规则数据挖掘的日志分析系统,数据挖掘引擎在实现过程中针对挖掘数据的特点对Apriori算法进行了改进,并通过仿真数据库对挖掘结果进行了验证,日志分析系统获得的“知识”可以直接用于改善Web的信息服务.

DEM信息伪装算法的灰色多层次评价模型

文中提出一种基于灰色多层次模型进行的DEM信息伪装算法评价方法,可以更好地保证DEM数据在存储和传输中的安全。结合影响因素,建立多层次的评价指标体系,并利用层次分析法思想确立各项指标的权重系数;然后根据灰色理论中的关联度分析方法,构建用于DEM信息伪装的灰色多层次评价模型;最后利用该方法对4种算法进行实例评价并做简要分析,得到的结果真实可靠,可以为DEM信息伪装算法选择提供依据。

一种基于灰色关联度的改进位置指纹定位方法

针对传统位置指纹算法中没有充分挖掘和利用原始数据中的方差信息的问题,提出一种基于灰色关联度的改进加权K最近邻法(WKNN)的定位方法:将方差应用到关联度的计算中,通过对关联系数求加权平均值,一定程度上削弱了WiFi信号不稳定带来的影响。实验结果表明,该方法能有效提高定位精度。

支持服务关联的全局最优服务选择算法

针对面向服务的军事综合电子信息系统候选服务的服务质量往往依赖于其他候选服务的问题,提出了一种支持服务关联的全局最优服务选择方法。该方法将基于QoS的军事信息服务选择问题建模为带QoS约束的多目标组合优化问题,采用基于独立成分分析(ICA)的多目标分布估计算法同时优化多个目标函数,最终产生一组满足约束条件的Pareto最优解服务组合集。对比实验结果表明,基于ICA的多目标分布估计算法通过概率图模型可以描述服务间的相互关系,可以更好地解决存在服务关联的组合服务选择问题,具有良好的有效性和可行性。

采用专利信息分析机器视觉自动分拣技术发展

自动分拣技术作为先进制造业中的技术热点越来越受到人们的关注,其中,基于机器视觉的自动分拣技术则是重中之重。本文从专利信息的角度,对该领域的专利申请进行统计分析,并得到了其国内外的专利申请现状、分布情况、重要申请人以及技术分支和技术路线。通过对技术分支和技术路线的梳理可知,今后基于机器视觉的自动分拣领域将重点围绕"多线索"和预测的方式来实现目标跟踪;采用人工智能算法实现目标识别;并综合考虑图像信号和位置信号实现对分拣动作的精确控制。

农业信息搜索可视化平台研究

针对传统搜索引擎检索返回结果数量庞大、专业性差且只能为用户提供一维、线性搜索结果的问题,在分析研究农业垂直搜索引擎的基础上,构建农业信息搜索可视化服务平台。基于农业文献,对数据进行信息抽取、关联分析,并设计了一种基于最大距离法选取初始质心的K-means层次聚类算法来发现领域概念间关系;在此基础上,利用信息可视化模型与基于Java的Prefuse插件包为用户提供图形化的结果呈现方式,实现信息的交互控制,优化检索过程。通过实验验证,改进的层次聚类算法提高了领域概念间关系聚类效果的同时降低了聚类总耗时,平台满足用户检索的专业性需求。

基于医案挖掘的痉病四诊信息研究

目的:本研究旨在挖掘痉病的四诊规律。方法:收集古今痉病医案,运用Microsoft Office Excel2007建立数据库后,采用统计软件对痉病四诊信息进行频数分析、关联规则分析和因子分析,寻求其规律。结果:痉病的主要症状有:四肢抽搐、神昏、牙关紧闭、发热、口渴、谵语、角弓反张;舌红、苔黄、舌绛、舌淡、脉数、脉弦。痉病的核心证素为:热、津亏、动风。结论:本医案挖掘的结果具有可靠性,为痉病接下来的证素研究提供了有价值的参考,亦为痉病指南的修订提供了依据。

基于PSO的三维薄壁管件支撑位置的定位方法

考虑三维薄壁管件在非合理支撑位置及支撑角度下,在重力作用下管件的变形会变大,进而影响制造装配精度的问题,利用商业软件在寻找最优支撑位置时的操作繁琐程度和计算时间过长的问题,提出了基于PSO的三维薄壁管件支撑位置的优化方法。该方法以利用二次开发技术提取的管件轴线为参考,利用有限元原理对轴线进行拆分,并重新建立管件单元的有限元刚度矩阵,用来计算管件的变形量,并提取最大变形量,作为评价支撑位置优劣的评价函数;最后,利用PSO粒子群优化算法,以最大变形量作为评价函数,通过优化迭代找到最佳的管件支撑位置组合。结果显示:该方法中有限元模型计算出的变形量与商业软件中计算的变形量差距在10%以内,表明该数学模型是准确的。该有限元模型结合粒子群算法迭代收敛速度迅速,迭代30次以内即可找到最优支撑位置,计算300次数学模型的时间少于商业软件计算1次的时间。

数据挖掘在证券交易系统分析中的应用

本文以沪深证券市场的公开数据和部分实时券商交易数据为基础,应用数学集合论、博弈学习论和金融微观结构理论与计算机信息系统相关概念,提出了金融市场数据挖掘的合并算法,并分别讨论了数据挖掘在序列模式、关联分析、聚类分析、偏差检测、进化遗传模拟五方面的应用。

基于灰色关联神经网络的主机热力参数监测研究

为了对船舶主动力系统的热力性能参数进行监测研究,以确保故障预警的可靠性,针对主机热力参数间的非线性关系,建立了基于灰色关联分析的BP神经网络监测模型(GRA-BP),通过灰色关联分析和信息熵加权对网络输入量进行预处理,并利用遗传算法优化网络的初始权值和阈值,提高模型监测精度;最后,以实船主机排气温度为待监测对象,验证了该监测模型的准确性,平均相对误差为0.549℃,优于传统网络的监测结果。

基于数据挖掘技术的图书馆读者借阅行为分析研究

阐述数字化信息时代面对的大数据,合理地收集、挖掘、分析和利用数据,对决策者具有重要的参考价值。以上海浦东图书馆的自动借还书系统"Horizon系统"中的借阅记录和读者信息为基础数据来源,采用数据挖掘方法分析读者的行为模式,从而提升图书馆的价值和服务能力。

基于MPEG-2压缩域的车辆牌照字符实时提取算法

文字作为高层次的语义抽象,对于图像和视频的理解有着重要的意义.如可根据街道路牌获得位置信息,从商业广告中的文字获得产品名称、公司名称等重要信息,根据电视字幕中的人物对话获取节目的主题信息,对于图像/视频来说,从中自动地定位和识别字符是抽取语义内容的基础和关键所在,在基于内容的图像/视频分析、检索、索引、浏览中有着广泛应用.

基于灰关联分析的模糊C均值算法

标准的模糊C均值算法(FCM)采用欧式距离测度,均等地利用所有特征来计算数据间的相似性,但其存在受局部特征影响、对非球状簇识别效果不佳、无法适应高维数据等缺点.为此,提出一种将基于差异信息理论的灰关联分析结合到FCM中的新算法,利用均衡接近度描述数据间的相似性,强调从整体上判断数据的相似程度,减弱局部特征高关联性的影响,能够适应不同形状簇的识别.在人工和真实数据集上的实验表明,所提出的新算法具有更高的聚类精度和更好的稳定性.

基于最优保留的CGA及其在TSP欺骗问题中的应用

本文在对CGA算法分析说明的基础上,运用改进CGA的方法来解决TSP欺骗问题。虽然CGA能够“快速、简单”的解决一些优化问题,但是由于其概率向量中基因的独立性,使得它在进化计算中会丢失基因之间的关联信息,从而可能无法解决如欺骗函数等复杂、困难问题。文中通过对CGA在TSP算法上的改进,以一定遗传尺度保留竞争最优个体,从而有效地解决TSP欺骗问题,并通过仿真结果验证了该算法,给出解决该类组合优化问题的一个有效例证。

煤层底板破坏深度预测的GRA-FOA-SVR模型

针对煤层底板破坏深度影响因素冗余、预测方法种类繁多且参数优化较为困难的问题,选取支持向量回归机来预测煤层底板破坏深度,引入灰色关联度分析法和近年来较为流行的果蝇优化算法以用于影响煤层底板破坏深度的主控因素的提取和对常规支持向量回归机的优化,提出了煤层底板破坏深度预测的GRA-FOA-SVR模型;选取开采深度、煤层倾角、开采厚度、工作面斜长、煤层底板损伤变量和煤层切穿型断层或破碎带数等6个影响煤层底板破坏深度的因素,采用灰色关联度分析法选出关联度在80%以上的因素组成煤层底板破坏深度的主控因素;用果蝇优化算法对支持向量回归机参数进行迭代寻优,将最优参数代入支持向量回归机模型中。将测试样本的模型预测值与实测值、规程公式计算值、常规支持向量回归机计算值对比分析,结果表明:GRAFOA-SVR模型比规程公式和常规支持向量回归机的预测误差更小,更能有效地预测煤层底板破坏深度。利用排序加权平均算子法将GRA-FOA-SVR模型同"下四带"理论公式、岩石力学试验和规程公式融合,提出了预测煤层底板破坏深度的多源信息融合的方法,并以良庄井田51302工作面为例,表明了该融合方式的实用性,最后据此方法预测出了肥城煤田6个工作面的煤层底板破坏深度。