基于时间序列的挖掘算法在流程工业产品质量控制模型中的应用

针对目前流程工业产品质量控制采用人工检查和统计质量控制方法,缺乏产品质量预先预报以及时时调整生产过程的工艺参数存在一定困难.利用生产过程采集到的实际数据,采用基于时间序列的动态数据挖掘技术和BP神经元网络,预测产品质量和分析产品生产过程的工艺,最大限度减少不合格产品的产出,提高生产效率.根据上述理论建立流程工业数据动态质量控制平台,以中厚钢板生产过程为例,应用表明了这种方法在实际应用中的正确性和有效性.     

可拓学的应用研究、普及与推广(综述)

可拓学研究的核心是如何通过变换处理矛盾问题.介绍了近年在计算机、设计、管理、控制、检测和中医药等领域利用可拓论和可拓方法的应用研究情况,提出今后可拓学普及与推广的方向.     

知识仓库及其管理技术的探讨

知识仓库是以多行业、类别历史数据仓库组成的一个集合,在CNKI的建设中运用知识仓库,解决了信息资源聚集,加工技术和技术处理、应用的工作问题,知识仓库具有强大的应用功能及广泛的应用范围,对于知识仓库的管理技术及其标准化和安全性建设,本文亦作了简要介绍。     

运用数据挖掘技术提高烟草企业信息管理水平

本介绍了烟草企业销售主题数据仓库的构建方法和运用数据挖掘技术深入进行客户分析，市场分析，产品分析，促销分析，预警分析的思路，论述烟草企业运用数据挖掘技术，提高企业信息管理水平，是使企业建立以客户为中心的经营模式和提高企业竞争力的支撑。     

数据挖掘技术及其在物理教育研究中的应用

数据挖掘是2 0世纪末逐渐形成的一个多学科交叉、 渗透、 结合的研究领域. 本文通过对美国《 物理评论 快报》特刊P R S T P E R的研究, 介绍了数据挖掘的概念、 特点、 功能及其在物理教育研究中的常见应用, 提出了一 些思考与建议, 并展望了数据挖掘技术在物理教育研究上的未来     

基于Android系统的手机恶意软件检测模型

为提高手机应用软件的安全性,提出一种基于Android系统的手机恶意软件检测模型。模型利用数据挖掘的方法对恶意软件中的敏感API调用进行数据挖掘,进而得到恶意软件检测规则;针对检测规则在检测非恶意软件时,产生较高误报率的问题,设计了加权FP-growth关联规则挖掘算法,算法在数据挖掘的两个步骤中,对敏感API调用加权,利用支持度阈值去除一些出现次数频繁而权重小的规则,降低了非恶意软件的误报率。实验结果表明,模型对恶意软件检测率达到81.7%,非恶意软件的检错率降低到11.3%。     

基于PHM的电力中间件故障预警技术研究

提出一种面向中间件的故障预测与健康管理模型,将当前电力信息系统中中间件的运维工作,从传统的事后排查转变为故障预判和智能预警。依据故障预测与健康管理(PHM)技术,以灰色-马尔科夫为核心预测算法,结合时间切片管理和动态置信阈值技术,设计并实现了面向中间件业务的故障监控和预警系统。以湖北省电力公司构建的智能化运维管理平台上的应用为实例,实践证明了该方案的可行性和有效性。     

基于XML数据挖掘的Apriori算法的研究与改进

XML以其诸多优点,迅速成为不同领域间信息表示与交换的标准。大量XML数据的出现给数据挖掘带来了新的挑战。挖掘XML数据关联规则的大部分工作都是基于Apriori算法的研究。对Apriori算法的基本方法与效率进行了分析,指出其不足,并提出了改进的XApriori算法,该算法基于新的数据结构,利用Hash表的存储技术以及对Apriori算法的优化来提高查找频繁项集的效率。对Apriori算法和XApriori算法进行了比较,实验结果表明改进的XApriori算法优于Apriori算法。     

基于模糊区分矩阵的增量属性约简

在实际应用中,决策系统的属性集可能随时间而变化。如何有效地更新约简成为数据挖掘中的重要任务之一。当属性集发生变化时,经典约简算法需要重新计算整个数据。而增量学习充分利用了现有的约简信息,避免了大量的重复计算,从而提高了计算效率。本文针对属性增加和减少的动态数据研究了增量属性约简方法。首先分别设计了属性增加和减少时模糊区分矩阵的更新机制;然后提出了新的属性增加的属性约简算法AIFDM和属性减少的属性约简算法ADFDM.最后,实验结果表明所提的增量算法能够有效的根据属性的增加和减少更新约简,且计算效率提升约1至4.9倍。     

岩石流变力学试验数据挖掘研究

介绍MSAnalysisServices的数据挖掘过程 ,分析决策树算法的基本原理。对泥板岩岩石力学的一组流变试验数据进行数据挖掘分析 ,所得结论反应出实验过程中影响岩石应变的重要因素以及它们影响力度的差异