Data Mining for Flooding Episode in the States of Alagoas and Pernambuco—Brazil

The increasing volume of data in the area of environmental sciences needs analysis and interpretation. Among the challenges generated by this “data deluge”, the development of efficient strategies for the knowledge discovery is an important issue. Here, statistical and tools from computational intelligence are applied to analyze large data sets from meteorology and climate sciences. Our approach allows a geographical mapping of the statistical property to be easily interpreted by meteorologists. Our data analysis comprises two main steps of knowledge extraction, applied successively in order to reduce the complexity from the original data set. The goal is to identify a much smaller subset of climatic variables that might still be able to describe or even predict the probability of occurrence of an extreme event. The first step applies a class comparison technique: p-value estimation. The second step consists of a decision tree (DT) configured from the data available and the p-value analysis. The DT is used as a predictive model, identifying the most statistically significant climate variables of the precipitation intensity. The methodology is employed to the study the climatic causes of an extreme precipitation events occurred in Alagoas and Pernambuco States (Brazil) at June/2010.

An Experimental Analysis of the Applications of Datamining Methods on Bigdata

Data mining is a procedure of separating covered up,obscure,however possibly valuable data from gigantic data.Huge Data impactsly affects logical disclosures and worth creation.Data mining(DM)with Big Data has been broadly utilized in the lifecycle of electronic items that range from the structure and generation stages to the administration organize.A far reaching examination of DM with Big Data and a survey of its application in the phases of its lifecycle won't just profit scientists to create solid research.As of late huge data have turned into a trendy expression,which constrained the analysts to extend the current data mining methods to adapt to the advanced idea of data and to grow new scientific procedures.In this paper,we build up an exact assessment technique dependent on the standard of Design of Experiment.We apply this technique to assess data mining instruments and AI calculations towards structure huge data examination for media transmission checking data.Two contextual investigations are directed to give bits of knowledge of relations between the necessities of data examination and the decision of an instrument or calculation with regards to data investigation work processes.

A Decision Support Model for Predicting Avoidable Re-Hospitalization of Breast Cancer Patients in Kenyatta National Hospital

This study aimed to develop a clinical Decision Support Model (DSM) which is software that provides physicians and other healthcare stakeholders with patient-specific assessments and recommendation in aiding clinical decision-making while discharging Breast cancer patient since the diagnostics and discharge problem is often overwhelming for a clinician to process at the point of care or in urgent situations. The model incorporates Breast cancer patient-specific data that are well-structured having been attained from a prestudy’s administered questionnaires and current evidence-based guidelines. Obtained dataset of the prestudy’s questionnaires is processed via data mining techniques to generate an optimal clinical decision tree classifier model which serves physicians in enhancing their decision-making process while discharging a breast cancer patient on basic cognitive processes involved in medical thinking hence new, better-formed, and superior outcomes. The model also improves the quality of assessments by constructing predictive discharging models from code attributes enabling timely detection of deterioration in the quality of health of a breast cancer patient upon discharge. The outcome of implementing this study is a decision support model that bridges the gap occasioned by less informed clinical Breast cancer discharge that is based merely on experts’ opinions which is insufficiently reinforced for better treatment outcomes. The reinforced discharge decision for better treatment outcomes is through timely deployment of the decision support model to work hand in hand with the expertise in deriving an integrative discharge decision and has been an agreed strategy to eliminate the foreseeable deteriorating quality of health for a discharged breast cancer patients and surging rates of mortality blamed on mistrusted discharge decisions. In this paper, we will discuss breast cancer clinical knowledge, data mining techniques, the classifying model accuracy, and the Python web-based decision support model that predicts avoidable re-hospitalization of a breast cancer patient through an informed clinical discharging support model.

基于大数据与人工智能的采矿工程优化决策支持系统研究

本文主要研究了基于大数据与人工智能的采矿工程优化决策支持系统,主要探讨了大数据与人工智能技术在采矿工程中的优势,以及如何有效地应用于采矿工程的优化决策中。本文主要包括以下内容:介绍大数据与人工智能在采矿工程中的应用现状、探讨大数据与人工智能技术在采矿工程中的优势、分析大数据与人工智能技术在采矿工程中的应用案例、探讨大数据与人工智能技术在采矿工程中的研究方法以及总结本文的主要研究结论。

基于数据挖掘的提高汽车座舱推送类产品触发成功率的研究

随着汽车行业向智能化和网联化转型,智能座舱体验已成为中高端车型的核心竞争力。传统的推送功能研发方法受限于人工配置的随意性,导致触发成功率低、触达精准性差等问题,为了解决这些问题,提出了一种基于车联网数据的智能座舱场景推送模型。该模型通过深入分析功能数据特征,运用监督学习技术训练多个算法,采用半监督学习方法克服数据标签不足的挑战,利用终端数据埋点技术,对模型进行精细优化,以提高推送的准确性和效率。实验结果表明,与传统方法相比,该模型在触发成功率和触达精准性上取得了显著提升。这一成果不仅为智能座舱技术的发展提供了有力支持,也为用户带来了更加个性化、高品质的座舱体验。

基于决策树挖掘算法的水利工程信息化管理数据共享系统设计

当前,水利工程信息化管理面临着数据共享困难、分析决策效率低等挑战。文中利用决策树挖掘算法,设计了一种水利工程信息化管理数据共享系统。该系统采用模块化设计,包括数据采集与预处理、决策树挖掘、数据共享与交互、决策支持与管理等模块,并综合应用物联网、边缘计算、高性能计算、可视化等技术,实现了水利工程数据的高效采集、智能分析、实时共享和科学决策。仿真实验结果表明,该系统能有效处理大规模水利工程数据,提供精准的管理决策支持,具有良好的性能和应用前景。

智能型元搜索引擎的设计与实现

研究现有元搜索引擎技术，提出了智能型元搜索引擎模型，即采用数据挖掘技术，根据独立型搜索引擎工作情况的记录，动态生成元搜索引擎的调度策略。在对各数据挖掘方法进行比较之后，选择了决策树归纳分类分析技术生成元搜索引擎调用策略，并详细介绍了调度策略的处理过程、系统评估度量的建立以及用微软最近发布的OLE DB for DM数据挖掘通用接口进行数据挖掘的具体实现。

基于决策树的城市短时交通流预测

运用决策树对城市道路上下游短时交通流量关系进行了分析,并建立了相应的规则库,得到了一个城市短时交通流的预测方法,为城市交通流控制与诱导提供了良好的基础。

基于决策树的汉语未登录词识别

未登录词识别是汉语分词处理中的一个难点。在大规模中文文本的自动分词处理中 ,未登录词是造成分词错识误的一个重要原因。本文首先把未登录词识别问题看成一种分类问题。即分词程序处理后产生的分词碎片分为‘合’(合成未登录词 )和‘分’(分为两单字词 )两类。然后用决策树的方法来解决这个分类的问题。从语料库及现代汉语语素数据库中共统计出六类知识 :前字前位成词概率、后字后位成词概率、前字自由度、后字自由度、互信息、单字词共现概率。用这些知识作为属性构建了训练集。最后用C4 5算法生成了决策树。在分词程序已经识别出一定数量的未登录词[6 ] 而仍有分词碎片情况下使用该方法 ,开放测试的召回率 ;6 9 4 2 % ,正确率 :4 0 4 1%。实验结果表明 ,基于决策树的未登录词识别是一种值得继续探讨的方法。

数据挖掘在智能题库系统中的应用

首先介绍了数据挖掘技术,接着介绍实现数据挖掘的关键问题,最后论述了如何利用数据挖掘技术实现 题库系统的智能化．

精准农业智能决策技术体系探讨

以农业系统论为指导,以精准农业决策需求为出发点,基于农业生产的时空性和不确定性,构建了精准农业智能决策技术体系,给出了智能决策技术与精准农业需求结合的方法。

基于决策树方法的液体火箭发动机稳态段故障诊断

以泵压式液体火箭发动机为研究对象,针对故障特征难以提取的问题,提出了在大量试车数据的基础上,应用决策树方法提取故障特征并进行稳态段故障检测与诊断的思路,对某型发动机大量热试车数据进行了实例分析,将得到的故障检测和诊断结果与神经网络等方法所得结果进行了比较。并利用仿真数据对该方法的性能进行了进一步验证。研究结果表明,决策树方法是一种有效、可靠的液体火箭发动机故障检测与诊断的新途径。

结合动态时间弯曲与决策树方法的液体火箭发动机故障诊断

对某大型液体火箭发动机的热试车数据及通过发动机模型仿真得到的故障数据进行动态时间弯曲分析,得到弯曲路径集,然后结合决策树方法进行了故障检测和诊断。对于故障试车没有出现漏报警和误报警,对于正常试车没有出现误报警。通过与神经网络、支持向量机等方法所得结果的对比,证明该方法可以成功地应用于火箭发动机的故障检测和诊断。

数据挖掘在高校图书馆智能分析中的应用

本文给出一种高校图书馆智能分析应用数据挖掘的思路和模式,以江苏广播电视大学图书馆为实例,详细分析了读者关联挖掘、图书动态聚类分析、读者特征细分挖掘在图书管理中的具体应用,经实施表明,数据挖掘的结果合理,可以帮助图书馆的决策者进行优化管理。

基于决策树和相异度算法的移动通信客户分类方法

移动通信领域中的客户信息挖掘是数据挖掘和商务智能领域中典型应用之一,具有较高研究意义和商业应用价值。在基于决策树的数据分类算法基础上,采用相异度计算原理进行再次分类,以此对移动通信客户信息中的不同属性进行分析,重点对移动通信客户是否可能成长为高价值客户的分类进行了研究。测试结果表明,该组合分类算法在移动通信客户分类时的平均准确率达到了83.1%。

基于决策树的工程项目管理优化研究

为了使企业能够更好地适应社会的需求,对市场的变化做出快速地反应。针对工程项目的特点,运用改进的ID3决策树算法对工程项目管理进行优化。首先,构建工程项目管理的优化属性,聘请相关专家对属性与工程项目风险进行评分,然后,对评分进行离散化处理,最后利用ID3决策树算法对工程项目信息进行充分挖掘,生成工程项目管理优化决策树,找出其中影响工程项目优化管理的分类规则,分析工程项目的实施情况,给出个性化提示,从而达到对企业工程项目的有效控制和优化。

基于属性相关的智能学习指导模型的设计与实现

决策树分类算法是智能指导系统实现"智能"的一种有效工具。通过对数据的分析和挖掘,能够实现对数据的精确分类。另外,对于决策树和产生式规则集的计算相对简单而且高效。提出了智能指导系统,并介绍了该系统的主要功能模块。在比较了ID3算法和C4.5算法后,结合个性化教学的需求,提出了新的基于规则属性相关的C4.5r算法。同时,给出了系统的计算评估模块。实验结果表明,新的C4.5r算法在运算时间、产生式规则集的规模及计算产生式规则的开销方面明显优于传统的C4.5算法。

基于SQL Server 2005的决策树挖掘算法在安徽省高等职业院校招生决策中的应用研究

新生报到数据中隐藏着大量对学院管理与发展决策具有支持作用的信息,通过简单的统计报表无法发掘这些信息,如果能把先进的数据挖掘技术引进到招生报到系统中,利用Microsoft决策树算法对丰富的新生报到数据进行挖掘,重点对影响报到率的内在因素进行发掘,并借助于SQL Server Business Intelligence Development Studio平台,将深奥的理论和技术通过简单、易操作和容易理解的图形、报表等形式展示在领导和主管部门面前,从而能够为学院领导和主管部门在招生决策中提供可靠的决策依据。

数据挖掘技术与智能查询应答结合分析

数据挖掘过程基于查询启动．论述了数据挖掘过程及基于ＳＱＬＳｅｒｖｅｒ２０００的数据挖掘技术。

一种基于改进频繁树模型的智能交通信息关联挖掘方案

针对传统交通系统在对海量交通信息深层次处理和分析上的不足,文章提出了一种新的智能交通系统体系结构以及一种基于该结构和数据挖掘技术的改进频繁树模型的关联挖掘分析方案。该方案运用系统工程的思想,对改进算法的步骤及其关键技术的实现做了详细阐述,最后通过实验对比验证了该方案的可行性及有效性。实验结果表明:该方案不仅能够实现对智能交通信息快速而有效的挖掘,而且还能根据需求得到精确、简练的有用信息,为评估和决策提供准确依据。