一种企业能耗预警相关性分析的时空挖掘算法

为了挖掘工业企业能源监测点之间的预警关联规则,寻求生产过程中可能存在的能耗相关性,针对工业企业综合能耗具有的时间特征和空间特征,本文提出了一种新的基于结构化项集的时空挖掘算法,以解决传统的挖掘算法遇到的诸多瓶颈。该算法对经典的Apriori算进法行了改进,引入时间维度和空间维度,可在各个时间段和不同的空间层中,挖掘出更多的能耗关联知识。该算法通过引入时间维度和空间维度,建立最小能耗监测单元,构架分时分层的数据挖掘策略,避免传统的挖掘产生过多的候选项集。这种算法应用于国内一家大型企业工业生产过程的能耗数据分析,取得了较好的实际效果。

低质量遥感图像的时空两维联合挖掘实现仿真

研究遥感图像的准确挖掘定位问题。在遥感图像采集中,大量的低质量图像会使真正需要定位图像的特征变模糊。传统的基于决策树的图像挖掘分类器,无法处理低质量图像中存在的数据缺失以及噪声干扰,导致图像数据库中某些属性的字段缺值或数据不完整或丢失,使产生的决策树无法对图像数据进行有效的挖掘分析。提出一种时空两维联合的低质量图像挖掘方法。首先,在Apriori算法中融入时间维度以及空间维度。然后,在不同的时间段以及空间层中,通过最小能耗监控单元,塑造分时分层的数据挖掘模型,挖掘出更多的图像关联知识。最后,采用自适应遗传方法对算法的挖掘过程进行优化,避免算法出现局部最佳解。仿真实验结果表明,改进方法的挖掘时间开销以及空间开销都优于决策树方法,能够对低质量遥感图像进行快速、准确的挖掘,具有较高的应用价值。