风力提水机高效集能与风向调节控制装置机理研究可行性探讨

高效集能与风向调节控制装置是保证风力提水机有效利用风能及在低风速下可靠工作的重要装置,本文针对其机理研究的可行性进行分析,从而得出结论,为研制开发中小型水平轴风力提水设备提供依据。

数据流上的约束跨层级高效用项集挖掘

传统的高效用项集挖掘算法无法发现不同抽象层级类别之间的关系。因此,有研究者提出了跨层级的高效用项集挖掘算法。针对当前跨层级的高效用项集挖掘算法仅能处理静态数据并且无法控制挖掘层级范围的问题,提出了一种动态类别列表结构DTUL存储并维护窗口内的项集效用和类别信息。基于此结构,首次提出了基于滑动窗口的约束跨层级高效用项集挖掘算法,包括自下而上挖掘的CCLHM_DTU算法和自上而下挖掘的CCLHM_UTD算法。在含有类别信息的数据集上进行了大量实验,实验结果表明提出的算法能够有效处理数据流并灵活约束项集的层级范围。

HHUIM:一种新的启发式高效用项集挖掘方法

针对基于启发式的高效用项集挖掘算法在挖掘过程中可能丢失大量项集的问题,提出一种新的启发式高效用项集挖掘算法HHUIM。HHUIM利用哈里斯鹰优化算法进行种群更新,能够有效减少项集丢失。提出并设计了鹰的替换策略,解决了搜索空间较大的问题,降低了适应度函数值低于最小效用阈值的鹰的数量。此外,提出存储回溯策略,可有效防止算法因收敛过快陷入局部最优。大量的实验表明,所提算法优于目前最先进的启发式高效用项集挖掘算法。

基于统计显著性检验的高效用项集挖掘算法

针对传统高效用项集挖掘算法在具有不同类型标签事务中报告假阳性高效用项集的问题,提出两个基于统计显著性检验的高效用项集挖掘算法——FHUI和PHUI算法。这两个算法首先找到所有待检验高效用项集并依据项集长度进行分组;然后,FHUI算法根据项集自身的频率分布生成零分布,PHUI算法根据事务内置换策略或事务间置换策略构造置换事务集合来生成零分布。最后,FHUI和PHUI算法从零分布中计算出p值并运用错误发现率剔除假阳性高效用项集。基准事务集合实验结果显示FHUI和PHUI算法能够剔除大量的假阳性高效用项集,在后续分类任务中取得了更高的正确率;仿真事务集合实验结果显示FHUI和PHUI算法报告的项集中假阳性高效用项集数量占比低于4.8%且平均效用高于39000。实验结果证明,在具有不同类型的标签事务中,FHUI和PHUI算法报告的统计显著高效用项集可靠性和实用性更强。

电炉企业异构网络共享数据跨级高效项集挖掘系统

由于电炉企业数据存在多级结构,且数据量庞大,为解决因数据库中事务长度过大导致的数据项挖掘深度较差的问题,从而提升数据的跨级传输和项集挖掘能力,设计电炉企业异构网络共享数据跨级高效项集挖掘系统。在电炉企业异构网络体系中,根据MP共享节点定义标准,完善AP数据分片原则,再利用获取到的共享数据样本,确定高效项集的RCAUL调用方案,实现对数据样本的挖掘需求分析,完成电炉企业异构网络共享数据跨级高效项集挖掘系统的设计。实验结果表明,应用所设计系统可将事务长度控制在0~512 kB,能够有效增强电炉企业网络共享数据跨级传输能力。

高效碳捕集、利用与封存(CCUS)技术在石油开采中的应用与优化

高效碳捕集、利用与封存(CCUS)技术在石油开采中的应用与优化是当前应对气候变化和实现碳中和目标的重要途径。本文重点探讨CCUS技术在捕集、利用和封存阶段的优化策略。通过提高捕集效率、降低捕集成本,采用安全高效的运输方式,控制运输成本,以及优化封存技术和确保封存安全性,全面提升CCUS技术的经济性和可行性,为实现大规模二氧化碳减排提供技术支持。

基于数据索引结构的跨级高效用项集挖掘算法

针对现有的跨级高效用项集挖掘(HUIM)算法非常耗时且占用大量内存的问题,提出一种基于数据索引结构的跨级高效用项集挖掘算法(DISCH)。首先,为了高效存储和快速检索到搜索空间中的所有项集,拓展带有分类信息和索引信息的效用链表为数据索引结构(DIS);然后,为了提高内存利用率,对不满足条件的效用链表所占的内存进行回收再分配;最后,在构建效用链表时使用提前结束策略,以减少效用链表的产生。基于真实零售数据集和合成数据集进行的实验结果表明,与CLH-Miner(Cross-Level High utility itemsets Miner)算法相比,DISCH在运行时间上平均降低了77.6%,同时在内存消耗上平均降低了73.3%,可见该算法能高效完成跨级高效用项集的搜索,并且降低算法的内存消耗。

基于长度约束的蝙蝠高效用项集挖掘算法

为了挖掘满足用户特殊需求,如含指定项目数量的高效用项集(HUI),提出一种基于长度约束的蝙蝠高效用项集挖掘算法(HUIM-LC-BA)。该算法融合蝙蝠算法(BA)和长度约束构建高效用项集挖掘(HUIM)模型,首先将数据库转换为位图矩阵,实现高效的效用计算和数据库扫描;其次,采用重新定义的事务加权效用(RTWU)策略缩减搜索空间;最后,对项集进行长度修剪,使用深度优先搜索和轮盘赌注选择法确定修剪项目。在4个数据集的仿真实验中,当最大长度为6时,与HUIM-BA相比,HUIM-LC-BA挖掘的模式数量分别减少了91%、98%、99%与97%,同时运行时间也少于HUIM-BA;且在不同长度约束条件下,与FHM+(Faster High-utility itemset Ming plus)算法相比运行时间更稳定。实验结果表明,HUIM-LC-BA能有效挖掘具有长度约束的HUI,并减少挖掘模式的数量。

增量数据上的闭合定量高效用项集挖掘算法

高效用项集(HUI)挖掘能够提供数据集中高利润的项的组合信息,有利于在现实应用中制定有效的营销策略。然而,HUI仅提供项集及其总效用,不提供单个项的购买数量,而现实场景中项的数量能提供更精准的信息。因此,研究者提出定量高效用项集(HUQI)挖掘算法。针对当前的HUQI挖掘算法仅能处理静态数据且存在结果集冗余的问题,提出增量更新的定量效用列表结构来存储并更新数据集中项的效用信息,并基于该结构提出一种挖掘闭合定量高效用项集(CHUQI)的算法。将所提出的算法与FHUQI-Miner(Faster High Utility Quantitative Itemset Miner)算法在结果集数量、最小效用阈值、批次数目以及可扩展性上对比时间与内存消耗。实验结果表明,所提算法能够有效处理增量数据,挖掘出更有趣的项集。

基于滑动窗口含负项的高效用模式挖掘

针对传统高效用模式挖掘均未考虑项的效用值为负,以及对流数据处理的时效性问题,提出一种基于滑动窗口的高效用挖掘算法HUPN_SW。利用一种新定义的滑动窗口正负效用列表PNSWU-List,维护挖掘最近批次高效用模式集所需的所有信息,实现有效的逐批次挖掘,避免重复的数据库扫描,在不产生候选效用模式集的情况下,直接挖掘出高效用模式,使HUPN_SW有效适应于动态流数据。实验结果表明,HUPN_SW算法在运行时间和可扩展性方面有良好表现。

基于智能优化算法的高效用项集挖掘方法综述

高效用项集挖掘(HUIM)能够挖掘事务数据库中具有重要意义的项集,从而帮助用户更好地进行决策。针对智能优化算法的应用能够显著提高海量数据中高效用项集的挖掘效率这一现状,对基于智能优化算法的HUIM方法进行了综述。首先,以智能优化算法的类别为角度,从基于群智能优化、基于进化以及基于其他智能优化算法的方法这3个方面对基于智能优化算法的HUIM方法进行了详细的分析与总结。同时,从粒子更新方式的角度对基于粒子群优化(PSO)的HUIM方法进行了详细梳理,包括基于传统更新策略、基于sigmoid函数、基于贪心、基于轮盘赌以及基于集合的方法。另外,从种群更新方法、对比算法、参数设置、优缺点等角度对比分析了基于群智能优化算法的HUIM方法。然后,从遗传和仿生两个方面对基于进化的HUIM方法进行总结概括。最后,针对目前基于智能优化算法的HUIM方法所存在的问题,提出了下一步的研究方向。

基于滑动窗口的数据流高效用模糊项集挖掘

高效用项集挖掘可以提供有趣的结果集,但并不能提供单个项的数量,因此,本文提出了高效用模糊项集.但是,现实世界的数据是不断出现的,需要实时处理新到来的数据.为解决当前高效用模糊项集不能处理数据流的问题,又提出了模糊效用列表(fuzzy utility list,FUL)结构用于存储当前窗口中项的批次号、项在事务中的事务标识符、项的模糊效用以及项的剩余模糊效用,该结构能有效的对批次进行插入和删除操作.最后,基于FUL提出了数据流高效用模糊项集挖掘算法.对真实数据集和合成数据集进行了广泛的实验,结果证实了算法的效率及可行性.

基于马尔可夫优化的高效用项集挖掘算法

基于树型和链表结构的高效用项集挖掘(HUIM)算法通常需要指数量级的搜索空间,而基于进化类型的挖掘算法未能充分考虑变量间的相互作用,因此提出一种基于马尔可夫优化的HUIM算法(HUIM-MOA)。首先,采用位图矩阵表示数据库和使用期望向量编码,以实现对数据库的快速扫描和效用值的高效计算;其次,通过计算优势个体间的互信息估计马尔可夫网络(MN)结构,并根据它们的局部特性使用吉布斯采样以产生新的种群;最后,为防止算法过快陷入局部最优和减少高效用项集的缺失,分别采用种群多样性保持策略和精英策略。在真实数据集上的实验结果表明,相较于次优的基于粒子群优化(PSO)的生物启发式HUI框架(Bio-HUIF-PSO)算法,在给定较大最小阈值的情况下,HUIM-MOA可以找到全部的高效用项集(HUI),收敛速度平均提升12.5%,挖掘HUI数平均提高2.85个百分点,运行时间平均减少14.6%。HUIM-MOA较进化型HUIM算法有更强的搜索性能,能有效减少搜索时间和提高搜索质量。

高效价冷凝集素对输血相容性的准确性与安全性研究

目的探讨高效价冷凝集素和蛋白样凝集对输血相容性检测结果准确性与输血安全的影响。方法在2019年4月—2022年3月进行输血相容性检测的血液样本中,选取出现强凝集现象的输血相容性检测不合的血液样本27份。针对血液样本进行红细胞、血清处理后进行血型鉴定、抗人球蛋白试验、交叉配血试验,对比处理前后的检测结果。结果血型鉴定结果:血液样本处理前27份血液样本鉴定结果均显示正反定型不相符,自身细胞对照阳性;血液样本处理后:在A型患者(n=8)中,鉴定结果显示抗-A(4+)、抗-B(-)、抗-D(4+)、A细胞(-)、B细胞(3+)、O细胞(-)、自身细胞(-);在B型患者(n=7)中,鉴定结果显示抗-A(-)、抗-B(4+)、抗-D(4+)、A细胞(3+)、B细胞(-)、O细胞(-)、自身细胞(-);在O型患者(n=10)中,鉴定结果显示抗-A(-)、抗-B(-)、抗-D(4+)、A细胞(3+)、B细胞(3+)、O细胞(-)、自身细胞(-);在AB型患者(n=2)中,鉴定结果显示抗-A(4+)、抗-B(4+)、抗-D(4+)、A细胞(-)、B细胞(-)、O细胞(-)、自身细胞(-)。直接抗人球蛋白试验结果:在冷凝集素综合征、骨髓异常增生综合征、多发性骨髓瘤患者中,血液样本处理前的检测结果为多抗(+)、抗-IgG(+)、抗-C3d(+)、AB浆(+),血液样本处理后的检测结果为多抗(+)、抗-IgG(-)、抗-C3d(+)、AB浆(-)。在自身免疫性贫血患者中,血液样本处理前的检测结果为多抗(+)、抗-IgG(+)、抗-C3d(+)、AB浆(+),血液样本处理后的检测结果为多抗(+)抗-IgG(+)、抗-C3d(+)、AB浆(-)。在27例患者中,对受冷凝集素干扰的21例血标本进行冷凝集素效价测定,结果效价为128~512、1024、2048的患者分别为18、2、1例。结论在输血相容性检测中,高效价冷凝集素、蛋白样凝集是影响检测结果准确性的重要因素,关系输血治疗的安全性。将发生输血相容性检测不合现象的血液样本进行处理,可以有效减少高效价冷凝集素、蛋白样凝集的影响,获取准确的检测结果,进而为输血治疗的安全、顺利进行提供可靠的保障。

基于差分隐私的高效用项目集挖掘算法

在大数据时代,互联网安全事件频繁发生,用户数据安全性已成为大数据分析的热门话题。通过有效挖掘高效用项集获得的知识可能包含重要信息,如果被恶意滥用,可能威胁到数据拥有者的隐私或利益。为了防止数据信息泄露,提出了基于隐私保护的高效用项目集挖掘算法DPUP-Growth(based on Differential Privacy Utility Pattern Tree).首先在构建树的过程中,使用指数机制来混淆项头表的顺序,将拉普拉斯噪声添加到每个节点,从而得到差分隐私的树结构DPUP-Tree.最终进行高效用项目集挖掘。该方法以牺牲部分完整性为代价,大大提高了用户数据的安全性。实验结果表明,该方法的完整性损失在误差可接受的范围内,安全性能大大提升。

挖掘意外高效用项集的有效方法

针对传统的高效用项集挖掘存在可能会丢失特定切片上的意外项集的利润、缺乏反单调性、计算量大等问题,提出了挖掘意外高效用项集(Unexpected High Utility Itemsets Mining, UHUIM)的算法。算法用于挖掘意外的高效用项集,给需要定期分析的数据集带来了意外的利润。上述算法提出了意外高效用列表的数据结构(UHUI-list),能够更加紧凑的存储项集的有用信息且在挖掘过程中重用内存,提高了挖掘效率及节省存储空间;所提算法提出了UHUI-Prune策略,有效地缩小了挖掘过程中的搜索空间。在3个真实数据集上进行性能评估,上述算法在运行时间、存储空间及可伸缩性方面皆优于ULB-Miner算法及HUI-Miner算法。

高效用项集挖掘算法

现有高效用项集挖掘算法主要采用项集枚举和两阶段方法 (或称为候选项集测试方法),后者时空效率的主要瓶颈在于候选项集过多。针对该问题,采用降低候选项集twu值,及利用项最大最小效用值来估计候选项集的效用值等策略,进而进行剪枝,从而有效地提高挖掘算法的时间和空间效率。实验采用真实数据集和合成数据集进行算法性能测试,实验结果表明改进后的算法性能得到较大的提高。

HUIM-IPSO:一个改进的粒子群优化高效用项集挖掘算法

高效用项集挖掘是数据挖掘中发现数据之间关系的技术之一.例如在商业服务领域效用值代表了某些商品组合的利润.高效用项集挖掘能够挖掘出数据中效用值比较大的项集—高效用项集,因此高效用项集挖掘近年来受到了更多的关注与研究.针对高效用项集在数据集中的不均匀分布,提出一个改进的粒子群优化高效用项集挖掘算法.算法改进了粒子群优化流程中种群优化值的生成方式,通过轮盘赌选择法在当前代种群的高效用项集中以一定概率选择下一代种群的初始优化值.这个改进增加了种群的多样性,使得算法能够挖掘出更多的高效用项集.实验结果验证了算法的可行性和有效性.

基于事务型滑动窗口的数据流中高效用项集挖掘算法

由于能反映用户的偏好,可以弥补传统频繁项集挖掘仅由支持度来衡量项集重要性的不足,高效用项集正在成为当前数据挖掘研究的热点.为使高效用项集挖掘更好地适应数据流环境,提出了一种基于事务型滑动窗口的数据流中高效用项集挖掘算法MHUIDS.首先在二进制向量的基础上,提出了高事务加权效用项集树(HTWUI-树)的结构.进而分别给出了事务型滑动窗口初始化与滑动的算法描述.最后,提出了高效用项集的剪枝策略与挖掘算法.实验结果表明,MHUIDS算法具有较高的挖掘效率及较低的存储开销.

一种高效用项集并行挖掘算法

由于能反映用户的偏好,可以弥补传统频繁项集挖掘仅由支持度来衡量项集重要性的不足,高效用项集正在成为当前数据挖掘研究的热点。为使高效用项集挖掘更好地适应数据规模不断增大的实际需求,提出了一种高效用项集的并行挖掘算法PHUI-Mine。提出了记录挖掘高效用项集信息的DHUI-树结构,描述了DHUI-树的构造方法,论证了DHUI-树的动态剪枝策略。在此基础上,给出了高效用项集挖掘的并行算法描述。实验结果表明,PHUI-Mine算法具有较高的挖掘效率及较低的存储开销。