基于数据挖掘及免疫组织化学技术分析EPHA5在肺腺癌中的表达

目的探索促红细胞生成素产生型人肝细胞受体A5(erythropoietin-producing hepatocellular receptor A5,EPHA5)在肺腺癌中的表达。方法通过网络数据库获得EPHA5在不同肿瘤中的变异情况,构建EPHA5蛋白互作网络图,分析EPHA5在肺腺癌中的预后情况。收集肺腺癌患者的手术标本及临床资料,采用免疫组织化学方法检测EPHA5的表达情况,分析肺腺癌中EPHA5表达与患者临床特征的相关性。结果EPHA5在肺腺癌中的突变频率最高,以错义突变为主。除EPH家族的配体之外,EPHA5与RhoA、ADAM10蛋白密切相关。EPHA5的高表达与肺腺癌患者的总生存时间和首次进展时间相关。EPHA5在肺腺癌组织中表达上调,与患者淋巴结转移、分化程度、TNM分期显著相关。结论EPHA5在肺腺癌组织中高表达,可以作为预测肺腺癌预后的一个因素。

基于数据挖掘研究国医大师周仲瑛治疗结缔组织病合并间质性肺病证治规律

目的:基于数据挖掘研究国医大师周仲瑛教授辨治结缔组织病合并间质性肺病(CTD-ILD)的诊疗规律及用药经验。方法:收集周仲瑛教授诊治CTD-ILD医案,运用频数分析、关联规则、聚类分析等方法进行数据挖掘。结果:共筛选出128份医案,含193味中药。涉及病种有6种,病机排名前5位的是气阴两伤、痰瘀阻肺、肺虚热郁、肝肾亏虚、脾虚肺弱;使用中药排名前5位的是南沙参、北沙参、麦冬、紫苏子、太子参;关联规则分析显示,置信度、支持度均较高的为气阴两伤-南沙参、北沙参、麦冬、太子参、黄芪;痰瘀阻肺-紫苏子、桃仁、鱼腥草、炙僵蚕、泽漆、法半夏、老鹳草;高频药物聚类分析得到4个方剂组,以益气养阴、祛痰化瘀、补肺健脾、补益肝肾、祛风除湿为主。结论:国医大师周仲瑛教授辨治CTD-ILD主张病证结合,在疾病发展动态过程中,基于复合病机,通润为要,复法制方。

组织数字化管理中的多重数据安全风险及影响因素动态关联机制研究

[目的/意义]识别组织数字化管理中的多重数据安全风险及影响因素间动态关联机制,有利于提升组织数据安全风险管理能力,支持对数据安全风险防控的科学决策。[方法/过程]在文献梳理归纳基础上,以专业领域高质量调研报告为语料,整合文本因果关系挖掘和模糊认知图,构建反映组织数字化管理中多重数据安全风险、影响因素及其因果关系的复杂系统,通过系统仿真探究系统要素的动态作用机制及风险管理策略效用。[结果/结论]辨识了组织数字化管理中的数据安全风险关键影响因素及其作用机制,探究了风险管理策略及其动态效用,提出了风险治理建议,丰富了基于模糊认知图建模复杂系统的方法,为组织数据安全风险治理提供了风险管理对策的量化分析和决策支持方法。

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。

一种基于关联规则挖掘的组织数据方法

针对在数据挖掘中采用二进制转换的方法,定义了二进制序列集的相关概念并为此提供依据。分析了事务与关联规则在二进制序列集中的表示方法及其在空间、时间上的复杂度。通过实验验证,在关联规则数据挖掘中采用二进制序列集这一组织数据方法是有效且可行的。

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。

自组织数据挖掘在电力需求预测中应用

简要回顾了各种电力需求预测方法,并针对最近兴起的神经网络方法的不足,提出了用自组织数据挖掘技术进行电力预测。用成都市电力需求的有关数据进行了电力需求预测,得出了较好结果,指出了近期电力需求预测出现偏差的可能原因。

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.

基于突现自组织映射的数据挖掘:测井岩性识别新方法

提出一种基于突现自组织映射的测井岩性识别数据挖掘方法。采用大规模神经元和无边界环面映射,用U矩阵进行可视化,最后通过人工交互进行聚类和分类。将该方法用于准噶尔盆地陆东-五彩湾地区的火山岩岩性识别,效果良好,准确率达90%以上。该方法能有效发现高维数据中隐藏的模式,尤其适合复杂岩性的测井识别。

数字资源组织与数据挖掘比较分析综述

本文分别从数字资源组织和数据挖掘的内涵、方法、过程等方面对其基本内容进行了概述,并在此基础上分析了数字资源组织与数据挖掘的联系,同时阐述了元数据和XML在数据挖掘中的应用。

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 。

基于自组织映射模型的数据挖掘算法在对二甲苯吸附分离过程中的应用

以PX吸附分离过程为研究对象,运用基于SOM模型的数据挖掘算法对其进行分析研究.SOM模型在整个挖掘过程中起了关键性的作用.一方面,SOM模型作为探索性数据分析的有效工具,为进一步的挖掘提供了依据.另一方面,SOM模型为聚类算法提供参数指导和数据支持.最终,通过数据挖掘实现了两个目标,得到了在不同负荷情况下操作参数的稳态优化区域;建立了可用于指导操作员改进操作的可视化实时评估模型.

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。

自组织映射模型在医学领域数据挖掘中的应用

目的 介绍自组织映射模型的基本原理、常见算法及其研究进展,阐述自组织映射模型在医学领域数据挖掘中的应用,以期为相关研究提供参考方法 本文从医学领域的数据挖掘角度出发,采用文献回顾的方法,阐述自组织映射模型在处理非线性、高度冗余数据时运算速度和精度上的优势,并分析自组织映射模型各种算法的特点及不足结果 相对于传统的数据挖掘方法在大规模的医学数据挖掘时无法消除数据冗余及捕捉非线性特征,从而导致挖掘过程速度慢、精度低等问题,自组织映射模型可以自动地、智能地、可视化地将待处理的数据转化为有用的知识,较好地弥补传统数据挖掘方法的不足.自组织映射模型算法的不断改进,保证了它可以适用于具有不同特征的数据结论 自组织映射模型在医学领域的数据挖掘中得到了较好的应用,其算法还有进一步改进的空间,在医学领域的应用前景将会得到进一步扩展.

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。

车载自组织网络中车辆路径预测序列模式数据挖掘方法

为了向交通参与者提供实时、可靠的交通状况信息,提高出行效率,根据车辆序列模式特点,联系车载自组织网络拓扑结构与实际车辆运动路径,提出车载自组织网络环境下序列模式定义,采用基于路侧单元(R SU-Based)和基于车辆(V ehicle-Based)两种方案收集车辆路径信息,建立车辆行驶路径数据库,进行序列模式数据挖掘,评估其通信开销,计算车辆路径模式生成的运动规则的支持度和置信度,提取车辆频繁行驶路径及其概率。案例分析表明,在动态路网中使用序列模式数据挖掘方法能有效解决单车路径选择问题。

基于数据挖掘分析软组织肉瘤中PRC1的表达与意义及其对肉瘤细胞生长的影响

目的通过数据库挖掘,深入探讨细胞分裂蛋白调节因子1(PRC1)在软组织肉瘤(STS)中的表达及意义,以及沉默PRC1对脂肪肉瘤(LPS)细胞增殖和周期的影响。方法Oncomine数据库提取PRC1在STS组织和癌旁正常组织中的表达数据,随后以TCGA数据库加以验证;OncoLnc数据库提取PRC1的预后信息,分析PRC1表达水平与STS患者预后的关系;CCLE数据库提取PRC1在STS细胞中的表达数据;String网站获取PRC1的共表达分子并绘制PRC1的共表达网络。Western blotting和Real-time PCR检测LPS细胞株SW872及人皮下前脂肪细胞株HPA-s中PRC1的表达;应用siRNA构建沉默PRC1的SW872细胞(SW872-siPRC1),MTT和流式细胞术分别检测沉默PRC1后对SW872增殖及细胞周期的影响。结果Oncomine数据库中共11项研究涉及STS组织和癌旁正常组织中PRC1的表达,PRC1在STS中高表达(P<0.05)。TCGA数据库的验证结果与Oncomine数据库挖掘结果一致。OncoLnc数据库的预后分析结果显示,高表达PRC1的STS患者总体生存率较差(P<0.05)。CCLE数据库的结果提示,PRC1在STS细胞中呈普遍高表达(P<0.05)。String网站绘制PRC1的共表达网络,包括11个节点和55个连接。PRC1在LPS细胞SW872中呈高表达,细胞增殖曲线显示,沉默PRC1的SW872-siPRC1细胞培养48、72 h,较癌旁对照组SW872-NC细胞增殖明显降低,差异具有统计学意义(P<0.05)。与SW872-NC细胞比较,SW872-siPRC1组细胞G1期的细胞比例明显下降[(40.27±7.42)%vs.(62.01±4.89)%];G2/M期的细胞比例明显上升[(25.65±1.54)%vs.(8.17±0.96)%],差异均有统计学意义(均P<0.05)。结论PRC1在STS组织和细胞中呈现高表达,与STS预后相关;沉默PRC1基因抑制LPS SW872细胞增殖,阻滞细胞于G2/M期,可能为STS特别是LPS的临床治疗和预后研究提供潜在靶点。