基于改进粒子群算法的数据预测挖掘应用研究

针对粒子群优化算法早熟、易陷入局部收敛的问题,提出一种克服早熟的粒子群算法.该算法在标准粒子群算法基础上加入极值扰动和自适应调整系数,使其易于跳出局部最优。又分析了灰色GM（1,1）预测模型的局限性,提出了一种带极值扰动的自适应调整惯性权重的改进PSO优化灰色模型AdPSO-GM,并将此模型用于数据预测挖掘研究中。最后,通过一个实例对所提方法进行验证,结果表明,本文所给模型具有较高的预测挖掘精度。

F-规律预测与规律挖掘

给出F-规律预测,F-规律预测的规律挖掘概念,提出F-规律预测的规律挖掘定理与F-规律预测的规律挖掘原理。F-规律预测的规律挖掘是预测系统中未知规律的一个新的研究方向。

浅析数据挖掘的分类与预测

数据挖掘技术是信息时代的宠儿,而分类和预测是数据分析的两种基本形式,能预测未知数据的趋势。本文主要介绍了何为数据的分类和预测,并且通过判定树归纳细化了数据分类的划分步骤;通过介绍线性回归、多元回归以及非线性回归等预测方法加深了对数据预测的认识;并介绍了分类法准确率评估方法以及分类和预测的异同点。

基于农产品市场价格的数据挖掘预测分析

本文运用大数据采集、清洗、存储、挖掘等技术实现农产品市场价格的挖掘预测。通过建立ARIMA模型以玉米销售价格的时间序列走势,完成对玉米未来销售价格的短期预测,并通过数据可视化的图表形式呈现。

电力负荷预测方式探究

作为我国电力系统规划重要内容,电力负荷预测在电力系统经济运行中有着重要作用,会对电力系统运行和规划产生直接影响。文章将通过对电力负荷预测基本情况的介绍,对电力负荷预测方式方法展开深度分析,通过对人工神经网络以及模糊预测等预测方式的介绍,对具体预测方式进行深度分析,期望能够有效提高电力负荷预测水平。

视频数据挖掘——框架、方法及趋势

目前视频数据挖掘概念、体系尚不明确,现有的一些分类方法不能突出数据挖掘关于"新颖性"这一特性。该文尝试从概念和分类方法2个方面解决这些问题,根据数据挖掘和视频各自的特点,将视频数据挖掘的概念分为广义和狭义2种。从数据分析的角度,提出一种新的分类方法,将广义的视频挖掘分为描述性和预测性2类,并且按照视频内容所关联的领域,提出了一个描述性视频数据挖掘的分类框架,讨论了视频挖掘的现有方法,并展望了视频数据挖掘的发展趋势。

基于数据挖掘技术的水工混凝土力学性能预测

为研究水工混凝土的配合比与力学性能之间的关系,基于数据挖掘技术,比较了线性、高斯过程、单一决策树和集成回归树模型在预测水工混凝土抗压强度、劈裂抗拉强度、弹性模量、极限拉应变和干缩率方面的效果。结果表明:进行水工混凝土力学性能预测时,集成回归树模型的精度高、鲁棒性强、准确度得分均在80分以上,集成回归树模型的性能优于单一决策树模型。利用数据挖掘技术进行水工混凝土力学性能的预测具有一定的潜力。

基于多实例学习算法的课程结果预测

教学过程中的各种变化,给利益相关者带来了诸多挑战,不利于学员了解不同教学方法及其在各种教学环境中的表现。基于此,笔者创建了适用于多实例算法的教育数据集,以预测学员在课程中的学习结果。实验采用多实例学习算法进行,最后发现简单MI方法非常有效。

基于机器学习算法的广东省假期旅游数据挖掘

本文运用了随机森林、SUV、Logistic回归、决策树、朴素贝叶斯、KNN、BP神经网络等机器学习算法对交通路况、环境情况进行分类预测,并从中对比得出分类预测的最优算法。综合考虑得到的景区客流量、交通路况以及环境情况等预测数据,提出对某一景点是否推荐假期出行的建议。