基于自适应聚类算法的工业企业用电模式分析

为了有效地挖掘工业企业的用电模式,提出了一种基于自适应k均值聚类算法的工业企业分类方法。该方法通过计算轮廓系数得出最佳的企业分类数,进而实现对工业企业的自适应分类。通过样例数据验证了所提出方法的可行性和有效性。试验表明:采用本文提出的方法能够有效挖掘出企业用电模式与工业产值之间的规律性信息。

大数据技术在工程造价预测中的应用研究

随着信息技术的不断发展,大数据技术已渗透至各行各业,工程造价预测领域亦不例外。本研究探讨了大数据技术在预测工程造价中的应用,并讨论了此技术提高预测精度的效果。研究结果表明,相较于传统的造价预测方法,基于大数据技术的预测模型准确度大大提高,误差率明显减少。透过大数据技术在工程造价预测中的应用,可以优化资源配置、提高工程效益,进而促进整个工程行业的健康发展。总结来说,本研究破解了大数据技术在工程造价预测中的应用,为相关领域的研究者和行业人士提供了有益的参考。

基于结构相似性的k-modes算法

聚类是数据挖掘中重要的技术之一,它是按照相似原则将数据进行分类。然而分类型数据的聚类是学习算法中重要而又棘手的问题。传统的k-modes算法采用简单的0-1匹配方法定义两个属性值之间的相异度,没有将整个数据集的分布考虑进来,导致差异性度量不够准确。针对这个问题,提出基于结构相似性的k-modes算法。该算法不仅考虑属性值它们本身的异同,而且考虑了它们在其他属性下所处的结构。从集群识别和准确率两个方面进行仿真实验,表明基于结构相似性的k-modes算法在伸缩性和准确率方面更有效。

融合出行拓扑与序列分析的车辆时空出行模式挖掘

城市小汽车出行的时空特性是支撑城市交通规划设计与交通需求管理的重要基础。针对传统的以集计数据或抽样数据研究的局限性,本文基于车牌识别数据,全量感知车辆出行活动,分析城市中个体车辆的出行时空模式。首先,从数据中提取并分离车辆出行链,获得小汽车出行的时间、空间、频率和拓扑特征,根据各时段停留点构造车辆出行活动序列。其次,融合兴趣点(Point of Interest, POI)数据识别出行起讫点关联的土地利用特性作为停留点特征,在出行活动序列上应用k-modes聚类算法挖掘出常规通勤模式、特殊通勤模式、短时活动模式和外来办事模式这4类30种小汽车出行模式。最后,对每一类模式的群体规模、特征和典型出行行为进行详细地分析讨论。结果表明,95%的车辆出行活动可以用不多于3条边组成的简单拓扑结构表示,其中,约30%的车辆可构造出行活动序列,并用k-modes聚类算法有效分离出各类机动车全天出行的时空模式。工作日车辆出行主要表现为常规通勤模式,休息日则以短时活动模式为主。通过对个体车辆的微观行为分析,结合出行拓扑结构和出行活动序列进行出行模式的挖掘,能够全面地反映城市机动车出行的实际情况,为精细化机动车出行行为分析与管控策略制定提供理论支撑。

基于动态层次K-Modes的电网数据聚类分析

随着电力工业的发展与电力计量体系的不断完善,电网需求侧用电特性呈多样化发展态势。智能电表走进人们的生活,带来海量电力数据。如何挖掘用户的用电行为特性,从而促进电价市场化成为人们所关心的问题。首先介绍了聚类分析中的K-modes算法以及层次K-means算法,并结合考虑其优缺点提出动态层次K-modes算法来处理类属型数据并给出合理的k值;其次提出了将曲线数据进行差分及类属型转化的数据处理方法,使之能更好地反应用户曲线形态;最后利用动态层次K-modes算法在模拟数据以及厦门岛内地区电力用户的真实数据上进行聚类试验,得到优良的分类结果。

大数据背景下学生体质健康分类促进模式的应用研究

目的:构建基于k-means聚类分析的学生体质健康分类促进模式,为大数据背景下实施学生体质健康促进工作提供有益参考。运用Python编程语言中的数据分析库技术对学生体质测试数据进行方差分析,采用算法k-means聚类对学生数据进行分类。结果表明:学生个体之间的体质健康差异化、数据驱动学校体育工作的范式转变和因材施教的传统教学理念是构建学生体质健康分类促进模式的现实依据;学生体质健康分类促进模式以聚类分析算法为核心方法,应用案例发现低水平学生体质健康水平的结构表现整体优于高水平学生。该模式运用大数据分析方法,能够精确掌握学生健康信息,优化体质健康促进工作方案与效能,创新学生体质健康评价方法,可以为教学评价提供客观依据。

基于聚类分析的综合杆设计应用

道路杆件具有数值和分类两种数据类型,应用聚类算法开展道路杆件数据的探索性分析。针对杆件坐标的数值型变量,采用基于欧式距离的K-means算法进行空间聚类,而对杆件类型、杆件设施类型及高度等分类型变量采用基于汉明距离的K-modes算法进行属性聚类。实例应用表明:K-means算法可将现状杆件样本沿道路划分为相应的簇,簇数可作为综合杆工程量的参照,而K-modes算法得出的分类属性聚类结果可作为综合杆件选型的依据。

基于模式识别的钻头选型新方法

针对目前钻井过程中因钻头选型不合理、钻头与所钻地层不匹配,导致钻头使用效果差的问题,建立了一种基于模式识别的钻头选型新方法。利用模式识别理论,对已钻井地层及使用的钻头进行聚类分析,建立了地层-钻头标准模式,然后利用K-NN算法对待钻地层进行识别归类,通过地层-钻头标准模式即可选出最佳钻头。该方法在青海油田东坪、牛东区块的2口井中进行了钻头选型现场试验,给出了钻头优选方案,实钻数据表明,与未使用推荐钻头的邻井相比,2口井的钻速和进尺都有了很大提高,提速效果明显。研究结果表明,基于模式识别的钻头选型新方法既考虑了地层多种抗钻特性参数,又考虑了钻头使用效果,钻头优选方案更合理,可以更好地实现钻井提速提效的目的。

聚类和判别分析在测井岩性识别中的应用

应用多元统计方法和计算机技术对测井数据进行岩性识别。以济阳坳陷中的某钻井测井资料为例,首先进行了层次聚类和k-means聚类分析,然后根据聚类分析结果进行判别分析,两种统计方法相结合识别钻井岩性,得出了预测岩性剖面和录井剖面基本吻合的综合柱状图。结果说明,聚类分析和判别分析相结合的定量方法在测井岩性识别方面具有实用价值。

面向轮胎点云的胎面花纹边界特征提取

为有效地从点云数据中提取吻合轮胎结构设计特征的花纹边界,提出面向胎面点云映射阵的花纹边界提取方法.首先以优化分割获取的胎面点云为对象,将栅格作为基本单元进行3D胎面点云到点云映射阵的转化;然后采用列链码连通性生长的方式获取花纹结构知识单元,构建能够表征花纹结构信息的结构知识库;最后通过求解知识单元相似度实现知识库中花纹的聚类,并借助模式识别实现聚类结果与花纹设计基本类型的匹配,进而驱动基本类型花纹边界特征归类机制实现花纹边界特征点的提取.实例结果表明,该方法能够高效、稳定、准确地提取半钢子午线轮胎点云中的花纹边界特征信息.

基于柔性力敏传感器的左右脚动态识别方法

在利用柔性力敏传感器获取动态足底压力分布数据时,能够准确快速自动区分左右脚的数据将极大提升数据的可视性和分析的便利性。为此,提出了一种基于足底压力和脚印外观形状的左右脚动态识别方法。首先,基于足底动力学原理,利用连通域的图像分割算法对足底压力数据进行聚类分析,得到每一步压力脚印的时间和坐标范围;在此基础上进一步分离出完整的单步压力数据;最后利用单步压力数据刻画脚印轮廓,并根据轮廓的外观特征进行左右脚识别。本文提出的方法可应用于步态分析、临床辅助诊断、步态识别等领域。通过108个实测数据样本的测试表明:本文方法的识别率高达94.5%,并具有较好的鲁棒性。

飞机机动划分的数据挖掘方法

飞机机动划分是将飞行数据分解成若干具有明确物理意义的机动动作子序列的重要前处理方法,也是健康监控、飞行模拟、飞行品质评估等研究工作的必要步骤。结合数据挖掘技术提出一种自动的飞机机动划分方法,该方法根据法向过载数据的趋势提取出飞行数据中的机动片段,并用ISODATA聚类将机动片段归并为若干分类,可以证明每个分类代表一种机动动作。将该方法分别应用于小规模飞行数据与大规模飞行数据中能够识别并正确划分至少89%的机动动作,证明该方法有效且满足工程精度要求。

基于经验模态分解样本熵的肌电信号识别

针对表面肌电信号非线性、噪声强等特点，设计一种快速有效的表面肌电信号手部多运动模式识别方法，用于肌电假手的实时控制。提出了一种基于经验模态分解样本熵和聚类分析的表面肌电信号多运动模式识别方法。该方法对动作持续阶段的信号首先进行经验模态分解，将其分解为多个平稳的固有模态函数（ IMF），再依据频率有效度选取若干个包含肌电信号有效信息的IMF分量求和后，计算其样本熵。以尺侧腕伸肌和尺侧腕屈肌两路肌电信号对应的EMD样本熵作为特征向量，设计了主轴核聚类算法的聚类分类器进行模式识别。成功识别了展拳、握拳、腕上翻和腕下翻4种动作，平均识别率达到93%。该方法取得了较高的识别率，抗干扰能力强，计算量少，可用于肌电假手的控制。

基于数据挖掘的明清时期带下病用药规律研究

目的研究明清时期带下病用药规律,为临床相关治疗提供参考。方法检索明清时期23部妇科典籍中治疗带下病的文献,提取方剂及药物信息,建立数据库,统计证型频次、药物类别、药物使用频次及性味归经情况,对高频药物(频次≥15)进行聚类分析及关联规则分析。结果纳入191首方剂,涉及证型17种、药物185味。使用频次前5位的药物(频次)分别为当归(73)、甘草(66)、白芍(65)、茯苓(56)、白术(49);使用频次前5位的药物类别(频次)分别为补气药(204)、补血药(184)、清热药(151)、温里药(111)、利水渗湿药(94)。使用频次≥10的药物共42味,药性以温、寒为主,药味以辛、甘、苦居多,主要归脾、肾、肝经。高频药物聚类分析得到9个核心药物配伍,关联规则分析得到14条药对及药组关联规则。结论明清时期治疗带下病重视脾、肾、肝,用药多以祛湿、清热、疏肝、温里、补气血为法,注重攻补兼施,平调寒热。

模糊聚类分析在低频振荡主导模式辨识中的应用

互联系统中,利用振荡曲线提取多机振荡信息,需要选择合适的曲线才能快速得到系统主导振荡模式。文章首先提出了一种基于模糊划分的迭代自组织数据分析技术的聚类方法;然后在一些基本假设的基础上,形成了模糊集合,并运用模糊聚类分析法将系统分区;最后用Prony分析算法从合适的低频振荡信号曲线中准确地提取区域主导振荡模式。通过对中国电力科学研究院8机36节点系统的算例仿真验证了该方法的可行性和有效性。

数据挖掘技术在目标识别中的应用研究

提出了基于数据挖掘技术的水中目标识别方法。藉助提取目标噪声特征量及模式识别算法 ,研究了三类目标的特征量提取与选择 ,实现了相同工作情况下的目标聚类分析。

矿渣粉磨健康状态识别模型及系统设计

提出一种基于数据挖掘的装备健康状态识别模型,实现对矿渣粉磨系统的运行健康预测。首先,利用一种多算法综合的特征筛选方法对工况数据进行挖掘分析,确定影响设备运行健康状态的评估指标参数;其次,以健康运行状态评估指标为对象,开展系统运行工况状态聚类挖掘,分析历史样本运行数据中的健康工况模式分布,以此为依据定义工况的运行状态类别,建立健康工况模式库;然后,将实时运行数据与健康工况模式库比对,利用自回归积分滑动平均算法(auto-regressive integrated moving average,简称ARIMA)训练预测评估模型,对健康评估指标参数的变化趋势进行预测,获取系统健康状态评估结果;最后,基于上述模型开发了矿渣粉磨健康状态识别系统软件,并应用于某生产现场,验证了该模型及系统的有效性和实用性。

基于数据挖掘的火电机组运行模式建立方法研究

为使火电机组运行方式更经济,充分利用火电厂历史运行数据,设计一种基于聚类分析的模式归并算法,用于建立火电机组典型的运行模式集合。该算法以划分工况区间的数据为挖掘对象,通过对典型热力参数的相似性比较与分析,将满足条件的运行记录归并为一类运行模式。运行模式集合挖掘完毕后建立典型运行模式库。利用该归并算法对盘山电厂历史运行数据进行挖掘,结果表明了算法的有效性。

树木生长量远程遥测数据失真支路识别方法

依据模糊C均值聚类分析原理,充分利用来自测量数据本身所蕴含的信息,提出了一种识别多路容栅胸径数据无线遥测仪中数据失真支路的方法。以6路全为有效数据、6路中只有一路数据失真、6路中有两路或两路以上数据失真等3种类别为对象,对随机抽取的5组实际测量样本进行识别计算,并与现场实际对比。结果表明:该方法对只有一路失真数据的正确识别特别有效,而对于两路或多于两路数据失真识别该算法效果不好,需要寻找新的识别方法。

一种基于数据挖掘技术的战机识别算法

探讨了有效识别敌空袭兵器对指挥决策的重要性。依据现代防空作战指挥决策的特点，以及战场态势的预测对海量数据组织与存储的需求，简要论述了数据挖掘技术，建立了基于数据挖掘技术的战机识别模型，应用该模型对新采集到的战机样本进行识别。定义了数据仓库全体数据记录上待分类的样本集，采用决策树方法进行聚类分析，归纳出数据挖掘算法从数据仓库中发现的模式，求出各模式的平均指标，对新样本进行预测；最后，指出了模型的普遍适用性。