线性低秩逼近与非线性降维

综合分析介绍了在线性与非线性数据约化两方面的最新工作: 对线性情形, 讨论了列分块矩阵奇异值分解的结构分析和稀疏低秩逼近方法与算法; 对非线性情形, 研究了非线性降维与流形学习的方法. 这些问题均为数据挖掘 与机器学习领域极受关注的研究课题.     

城市住宅建筑立面色彩设计的可拓数据挖掘研究

伴随着大数据时代的社会发展,对城市建筑形象进行了更为深入和细致的描述,而建筑立面色彩设计却往往依靠设计师感性认知和设计经验来把握,并且色彩本身具有的模糊性、复杂性更容易使人产生困惑.在新数据环境下,为了用数据实证说明住宅建筑立面色彩设计的规律性问题.本文提出应用可拓数据挖掘方法的城市住宅建筑立面色彩设计研究.首先文章阐述了可拓数据挖掘方法的概念、优势及步骤;其次,针对城市住宅建筑立面色彩设计实际案例,通过现场拍照获取原始图片信息、Adobe Photoshop计算机软件提取色彩量值(色相、亮度、饱和度),对立面色彩数据展开可拓数据挖掘研究,获取规律模型;最后,根据总结出的色彩设计搭配规律,提出城市住宅建筑色彩设计选色指导.研究结果表明,该方法能够挖掘出地区的城市住宅建筑色彩搭配的倾向性问题,进而辅助色彩设计.一方面,以数据实证提高色彩设计的科学性,并激发设计师的创造力,另一方面为计算机智能化辅助可拓住宅建筑设计提供方法支持.     

基于数据挖掘的全球恐怖主义数据库数据分析

运用数据挖掘的方法,对全球恐怖主义数据库(以下简称GTD)进行了量化分析.建立了基于KNN邻近算法的恐怖袭击事件量化分级模型和基于K-means聚类算法的恐怖袭击事件分类模型.此外,对近三年来恐怖袭击事件发生的主要原因、时空特性、蔓延特性以及级别分布规律进行了分析.最后,基于建立的模型和分析结论,对未来全球和某些重点地区的反恐态势进行了预测分析,给出了具有针对性的建议.     

网络直播平台数据挖掘与行为分析综述

随着移动通信和互联网技术的不断发展,网络直播逐渐成为了新媒体环境下人们青睐的在线娱乐和信息传播方式.目前广泛应用于课堂教学、真人秀、电竞赛事、品牌营销等方面.数百万主播与数亿计观众的活跃加入和互动,产生了丰富的在线人群行为活动数据,为开展大规模人群行为动力学、平台内容推荐与检测、在线社群演化等研究提供了丰富的实验场景.本文通过梳理国内外网络直播平台数据挖掘与行为分析的相关研究文献,分析了直播平台负载水平、观众行为、主播行为以及社群网络的特征和变化规律,并对直播平台中大规模人群行为表现出的时空规律和重尾效应进行了总结.直播平台中各种社群网络的形成和演化机制、内容推荐与检测等是未来网络直播领域研究的发展趋势.     

基于数据挖掘技术的股票收益率方向研究

本文依据数据挖掘技术对股票收益率的变化方向进行探究。通过小波多尺度分解,将股票价格转化为不同频率域下的子序列数据、并对其中的高频序列进行降噪。构建极度梯度提升树(XGBoost)、以及其它主流机器学习算法,对沪深300和中证500指数中成分股的涨跌进行了拟合并预测。研究发现XGBoost的平均准确率分别达到了54.69%和55.13%,同时依据预测信号构建的投资策略可产生稳定收益,表明该方法具备较强的预测能力。在此基础上,对机器学习算法存在的“黑箱”问题进行了阐述和研究,对模型选股的逻辑进行了探析:提出一种因子权重的度量方法,研究发现市净率、市盈率、能量潮等指标在模型中是较为重要的判别指标,并通过偏相依关系度量了模型中各因子对于股价涨跌方向的边际影响,得到模型倾向于选择市盈率、市净率较小的股票等一些结论,使算法的逻辑更为清楚。     

关联分析技术在刑事犯罪分析中的应用

介绍了数据挖掘的关联分析技术,对典型的关联分析算法进行了分析和研究,给出了刑事案件分析中应用关联分析的挖掘思路和方法,并以"两抢一盗"案件为例进行分析和验证.     

可拓数据挖掘在高校教学质量评价中的应用

高校在教学和管理工作中积累了大量的数据,但这些数据没有得到有效利用.将可拓数据挖掘技术引入教学领域,从教学评价数据中提取出隐藏在数据之中的有用信息,为教学管理者提供决策支持.首先通过可拓分析,寻找质量达到要求、可进行有效挖掘的教学评价数据,然后对这些数据进行两方面的挖掘:影响教学质量的关键因素挖掘、教学质量与教师特征之间的关联规则挖掘.     

基于Hadoop社交网络分析平台的设计与实现

随着社交网络的快速发展,海量社交网络的数据挖掘成为一个重要课题。针对海量数据的社交网络分析方法进行研究,以Hadoop的分布式文件系统和Map/Reduce并行方法设计基于Hadoop的分布式数据挖掘框架,在此基础上,通过Map/Reduce的并行方法,将传统数据挖掘算法并行化,以谱聚类的并行为例,阐述转化的过程并对在大数据条件下所面临的内存不足的问题给出相应的算法优化。最后对3个不同量级的数据集进行实验,验证基于Hadoop的社交网络分析平台的框架的合理性和算法并行化的有效性。     

CPI指数变换对产品销售影响的可拓数据挖掘

目前对数据挖掘的研究主要集中在对静态数据的挖掘,而在实际工作中,经常要处理的矛盾问题,需要通过可拓变换和可拓变换的运算来解决,这就需要用到变换的知识,需要运用动态数据挖掘或可拓数据挖掘来解决问题.运用可拓逻辑和可拓数据挖掘的理论知识,根据国家消费者物价指数的变换对产品销售数据的影响来研究可拓数据挖掘中传导知识的挖掘,为企业的决策者在目前的市场环境下提出更加合理的销售策略提供依据.     

基于数据挖掘的入侵检测系统框架

提出了基于分布式数据挖掘的入侵检测系统框架，详细讨论了该系统的实现方案、模块结构和关键技术，最后给出了系统训练和评价方法。该系统以基于关联规则方法的分布式数据挖掘技术为核心，从而实现了规则库的自动生成和更新，并能有效检测大规模协同攻击。