基于数据挖掘的锂电池剩余电量分析

随着锂电池在各类电子设备中的广泛应用,对其剩余电量(State of Charge,SOC)的准确估计变得至关重要。本文提出了一种基于数据挖掘技术的锂电池SOC分析方法。通过收集锂电池充放电过程中的相关数据,利用数据挖掘算法对数据参数进行分析和处理,建立了锂电池SOC预测模型。实验结果表明,该模型能够有效地估计锂电池的SOC,为锂电池的使用和管理提供了重要依据。

赛事分析与预测的KDD建模

把KDD用于赛事决策支持,见之报道的还很少,本文针对一类非对垒式的,以个体成绩为主进行名次排序的体育和娱乐赛事,给出了一个该类赛事分析与预测的KDD建模方法,用于帮助分析和确定对每个参赛者的比赛成绩有影响的各种重要因素,并对比赛结果作出预测。我们的方法以轻量的、多模型的和多种技术的组合/结合为策略;兼顾到了问题的各个方面和主要特征;可以通过对几个参数的简单处理,自动、方便地对已建立的模型进行不断的修正;同时还能主动建议对模型的改进或重建,并为模型的改进或重建提供有用的帮助信息,从而能够较好地解决参赛群体多样性、多变性、影响因素的复杂性和预测的困难性等问题。

考虑模糊时间序列的高维大数据挖掘方法研究

高维空间的大数据维数越高,其高维索引结构的性能越差,无法通过数据之间的相似性度量完成挖掘。为此,提出基于模糊时间序列预测的高维大数据挖掘方法。对初始的高维大数据集求取各维度数据的属性信息熵,根据信息熵筛选数据,通过主成分分析备选集合中的数据属性,结合成分协方差与特征值,降低数据维度。采用K均值聚类算法二分聚类处理降维数据,取得粗聚类结果。利用支持向量机的最优超平面与决策树作细化分类。基于时间序列上的数据极值,明确数据集的论域个数与范围,根据模糊化处理的模糊集序数,建立模糊逻辑关系,建立模糊时间序列预测模型,对大数据去模糊化处理,完成高维大数据挖掘。选用UCI大数据库作为样本集设计对比测试实验。实验结果验证了研究方法的大数据挖掘精度更高,数据挖掘加速比高达0.9以上,说明所提方法的实时性较强,具备更好的应用性能。

基于数据挖掘的图书馆借阅量预测研究

图书馆借阅量受多种因素影响,导致传统基于线性回归和灰色理论的预测方法预测精度较低。针对该问题,引入数据挖掘理论和方法,提出一种基于因子分析(FA)模型联合粒子群(PSO)优化BP神经网络的图书馆借阅量预测模型。利用FA对借阅量原始数据进行建模分析,确定与借阅量密切相关的公共因子,将公共因子作为BP神经网络模型的输入神经元,进而建立预测模型实现对未来借阅量的预测,同时针对BP神经网络模型初始参数设置难题,提出改进的粒子群算法进行全局寻优,提升预测精度。仿真实现表明,所提模型相对于对比方法预测精度更高,整体预测性能更加优越。

数智赋能体育创新应用与发展——第14届国际体育计算机科学研讨会综述

第14届国际体育计算机科学研讨会于2023年9月27日—30日在浙江大学教育学院成功举行,汇聚了来自德国、奥地利、西班牙、瑞士、土耳其、爱尔兰、韩国、日本、新加坡、澳大利亚和中国的35所大学和科研机构,近百名专家、学者和学生,共同探索体育科学与计算机科学等多学科的交叉研究。会议精选了67篇论文、5个主旨报告和2个工作坊,包括体育领域中的机器学习、计算机视觉、数据挖掘、模式识别、数据库、大数据、建模与预测、传感器,以及球类、田径、跆拳道、射箭等比赛数据和运动表现分析等主题。这些研究为体育科学领域带来了崭新的见解,展现了多学科、跨领域合作研究的重要性及发展潜力。

数据挖掘技术的微信影响力预测模型

信息时代的到来,催化了微信等通讯工具的发展,微信属于网络信息传输的核心载体,信息传输速率快,能够提升微信影响力,为此构建了基于数据挖掘技术的微信影响力预测模型。该模型使用基于粗糙集理论和BP神经网络的微信传播数据挖掘算法,采集预测微信影响力的有效数据;通过基于主成分分析的微信影响力预测模型,使用Z-Score法降低数据维度,实现数据标准化后,使用主成分分析法,提取微信数据特征,按照特征值大小设定微信影响力预测指标,将预测指标主成分特征实施归一化并设置权重后,构建影响力整体预测函数,实现微信影响力预测。预测结果显示,此模型预测的微信影响力和实际高度吻合,预测误差最大值仅有1%,且具有较高的查全率和查准率。

时间序列模式及其预测模型算法应用

通过对时间序列模式分析研究,提出了时间序列的趋势性、季节性和随机性分析的应用模型及随机性12类预测数学模型算法,以该算法实现的数据挖掘系统经实际应用后效果很好。

基于学习分析技术的预测模型构建与实证研究

随着教育信息化的不断深入及大数据时代的到来,学习分析技术逐渐成为人们关注的热点。挖掘教育数据背后的知识,优化教学效果成为教育者的共同诉求。笔者采用文献分析法对国内外学习分析发展现状进行了梳理,在此基础上构建"预测模型",并将该模型应用于实际教学中,对教育技术初级能力培训课程产生的相关数据进行分析,验证了该模型的可行性和有效性。期望为日后国内学习分析相关研究起到借鉴作用。

一种高效的随机块模型学习算法

由于随机块模型能够有效处理不具有先验知识的网络,对其研究成为了机器学习、网络数据挖掘和社会网络分析等领域的研究热点.如何设计出具有模型选择能力的快速随机块模型学习算法,是目前随机块模型研究面临的一个主要挑战.提出一种精细随机块模型及其快速学习算法.该学习方法基于提出的模型与最小消息长度推导出一个新成本函数,利用期望最大化参数估计方法,实现了边评价模型边估计参数的并行学习策略,以此方式显著降低随机块模型学习的时间复杂性.分别采用人工网络与真实网络,从学习时间和学习精度两方面对提出的学习算法进行了验证,并与现有的代表性随机块模型学习方法进行了对比.实验结果表明:提出的算法能够在保持学习精度的情况下显著降低时间复杂性,在学习精度和时间之间取得很好的折衷;在无任何先验知识的情况下,可处理的网络规模从几百节点提高至几万节点.另外,通过网络链接预测的实验,其结果也表明了提出的模型及学习算法相比现有随机块模型和学习方法具有更好的泛化能力.

基于数据挖掘的人口数据预测模型综述

论文调查了国内外基于数据挖掘技术的人口数据预测模型。根据预测目的不同对这些模型进行了分类比较,在此基础上综合各模型的优缺点,对今后的研究工作做了进一步展望。

电子商务客户网络购物行为挖掘

电子商务已经成为越来越多的消费者购物的一个重要途径,分析网络购物客户的个人特征及其购物行为,对商业的成功有着至关重要的作用。然而电子商务还是一个崭新的商业领域,很多的业界人士仍忙于技术方面的考虑,却很少分析客户的网络购买行为。而使用真实网络购物KDD Cup 2000数据,分析Gazelle.com公司客户的个人特征和网络购物行为,并应用数据挖掘的购物篮模型对各商品之间的关联性进行分析,才能更确切地预测模型预测客户的忠诚度。

基于支持向量机的软件缺陷预测模型

软件缺陷预测在软件系统开发的各个阶段发挥着极为重要的作用。利用机器学习的相关方法建立更好的预测模型已经被广泛研究。文章分析了支持向量机SVM作为二值分类模型应用到软件缺陷预测中的实现方法,构造了基于SVM的可迭代增强的缺陷预测模型SVM-DP。在13个基准数据集上开展比较实验,定量地分析了应用各种核函数对SVM-DP模型性能的影响。实验结果显示,应用线性内积核函数的SVM-DP具有最优的预测性能。同时,在与J48的比较实验中,最高超过J48预测模型20%的性能进一步证明了SVM-DP模型应用于软件缺陷预测的有效性。

利用数据挖掘技术建立城市区域交通流状态分析预测模型

ITS中的一个重要研究领域就是交通流的诱导 ,而为了要正确地诱导交通流 ,就需要对交通流的状况进行实时分析和预测。本文运用计算机科学领域中的数据挖掘技术 ,提出了一个城市区域交通流分析预测模型。通过模型中的预测级神经网络、决策树约束集、关联规则约束集和修正级神经网络 ,全面地考虑了区域内交通流本身与其它动态、静态指标对未来交通流状况的影响 。

大数据挖掘技术的图书馆移动用户行为分析

传统行为分析方法存在预测能力不足、分析片面化,获取的行为特征数据规律性较差等问题,导致得到的分析结果与实际不符。基于此,提出大数据挖掘技术的图书馆移动用户行为分析方法。该方法将获取的大数据预先清洗、筛选,并利用转换算法集成特征数据;使用BP神经网络适应度函数构建评估预测模型,挖掘行为特征规律,根据预测结果将特征相互信息值排序;通过聚类算法捕捉具有关联的数据,利用交叉分析法分析用户行为内在性质,实现全面的图书馆移动用户行为的全面挖掘。实验结果表明,与传统方法相比,所提分析方法挖掘用户行为特征数据的能力更强,分析结果准确度更高,可应用于现阶段图书馆移动用户行为分析。

Integration system research and development for three-dimensional laser scanning information visualization in goaf

An integration processing system of three-dimensional laser scanning information visualization in goaf was developed. It is provided with multiple functions, such as laser scanning information management for goaf, cloud data de-noising optimization, construction, display and operation of three-dimensional model, model editing, profile generation, calculation of goaf volume and roof area, Boolean calculation among models and interaction with the third party soft ware. Concerning this system with a concise interface, plentiful data input/output interfaces, it is featured with high integration, simple and convenient operations of applications. According to practice, in addition to being well-adapted, this system is favorably reliable and stable.

基于PMML数据挖掘应用研究

在理论研究的基础上,介绍了预测模型标记语言(PMML),探讨了PMML标准在数据挖掘系统中的应用,提出了基于PMML的语法描述,并对挖掘系统中的PMML标准进行了详细分析。最后对PMML在数据挖掘中的应用前景进行了展望,并能对用户进行智能及个性化设计提供依据。

线形回归优化最小二乘法的战术配合成功率预测模型

针对高水平排球比赛中复杂战术变化,教练员无法深入、细致地把握比赛中的战术全过程,本文根据排球比赛数据的特点,提出了一种基于线形回归优化最小二乘法的战术配合成功率预测模型。首先确定排球比赛战术分析配合分析类型,然后采用最小二乘法对采集的数据进行分类预测,接着构建战术配合成功率预测影响因素模型,并采用Logistic线性回归的方法对影响战术配合成功率预测的原因进行假设检验,对影响因素采取列联分析的方法进行验证,以提高战术配合成功率预测的准确性。通过算法仿真实验表明,本文提出的改进算法相比较最小二乘法,与实际战术配合成功率更为接近,准确性更高。

实验教学研究方法(3):数据处理

从回收到的问卷中得到大量数据需要处理。说明了数据处理的目的和任务,并通过实例介绍了部分数据处理的方法。

基于数据挖掘的房地产价格预测

根据房地产价格的非线性变化特点,提出一种基于数据挖掘技术的房地产价格预测模型.首先收集房地产价格的历史样本,对其进行混沌分析后得到相应的训练样本集和验证样本集,然后采用数据挖掘技术对训练样本建模,并对验证样本进行预测.仿真实验结果表明,数据挖掘技术可以从房地产价格历史数据中发现其变化趋势,获得了较高的房地产价格预测精度,与其他经典房地产价格预测模型相比,数据挖掘可以更好地描述房地产价格的变化特点,预测精度能够满足人们对房地产价格预测的要求.