基于数据挖掘的保健药品关联性分析

信息技术的迅速发展以及数据库技术的日新月异,大量的信息成为当代的一个特点.保健药品企业存储了海量的交易数据,通常,面对这样的数据,人们往往无所适从,数据挖掘的方法向我们提供了对海量数据进行加工和处理的工具,基于企业交易海量数据,建立商品层面关联分析模型,并分别对订购商不加时间区分的进行商品关联分析、按月合并订购商订单后进行商品关联分析,此外,还进一步地进行了商品的序列关联分析.     

2021-03期目录

针对毁伤试验数据少、不均匀、不连续、范围窄等带来的计算精度不高的问题。研究通过数据挖掘技术进行毁伤效应计算。利用数据库管理毁伤数据,通过数据清洗技术识别并清除数据异常点,以保证数据库中数据的质量。建立了算法评价方法以选择最优经验算法。通过特征选择对高维毁伤数据进行降维,确定毁伤效应的主要控制参数进行神经网络学习和k-近邻检索。在此基础上建立基于数据融合的“三阶段”毁伤效应计算模型,可依据试验数据、经验算法和神经网络模型进行毁伤效应计算。实际应用表明,所提出的计算方法,能够满足实际应用需求。     

机器人智能视觉路径选择系统的设计与实现

机器人视觉路径选择系统的性能,对于提高不同领域机器人应用性能具有重要的应用意义;提出了考虑最优路径数据挖据的机器人视觉路径选择系统的优化设计方法,分析了该系统组成的总体结构,给出了系统的电机驱动模块、图像采集处理模块、USB接口以及电源模块的硬件结构设计,分析了考虑最优路径数据挖据机器人视觉路径规划的具体过程,介绍了系统实现路径规划的关键程序代码,实现机器人视觉路径的准确选择;实验结果说明,所设计模型可实现机器人路径的有效规划,具有较高的规划效率和精度。      

基于分形理论的股票时序数据离群模式挖掘研究

针对股票时间序列的特点，从离群点对股票时序数据有序性的影响角度出发，在界定分形离群点含义的基础上，利用分形理论将离群模式挖掘理解为一个优化分割问题。采用推广G—P（Grassberger-Procaccia）算法计算股票时间序列数据集的多重分形广义维数，并利用贪婪算法的思想设计了FT-Greedy算法来求解基于分形理论的时间序列离群模式挖掘优化问题的解集。实验证明，该方法能有效地解决股票时间序列离群模式挖掘问题。     

基于网格技术的孤立点数据挖掘

在算法LOF和GridLOF的基础上提出了改进的GPOD算法，介绍了实行的步骤，给出主要的算法代码，并给出算法的实现部分和实验结果，最后分析了算法的性能，验证了改进后算法的先进性。     

数据挖掘中聚类中心问题的光滑化和填充函数方法

本文提出了数据挖掘中求解聚类中心问题的一种新方法.这类问题属于非凸非光滑全局最优化问题.我们首先利用光滑化方法将非光滑聚类函数用光滑函数逼近,然后对光滑化问题利用填充函数搜索其全局最优点.对不同数据库的数值试验表明,本文提出的算法是可行和有效的.     

一种遗传模糊神经网络数据挖掘算法

数据挖掘是近年来信息处理领域出现的新的研究方向。本文探讨了扩展型TS模糊神经网络和遗传算法在数据挖掘中的应用,并提出了一种把模糊神经网络与遗传算法相结合的数据挖掘方法。在该方法中由遗传算法自适应地构造和优化TS模型,TS模型完成预测,这种预测是建立在遗传算法的聚类结果之上的。二者的结合,提高数据挖掘的应用效果。文章最后给出该方法的应用实例。     

数学建模中的数据挖掘方法

结合我校数模培训和参赛的经验，介绍了数据挖掘中的多元回归分析，主成分分析、人工神经网络等方法在建模中的一些成功应用。     

基于领域知识的纳税评估方法研究

纳税评估是税务稽查的基础和前提,科学的选案方法是纳税评估的关键。本文提出了一种基于领域知识的纳税评估方法。在领域知识的指导下,通过设计指标体系来提取个体的特征,进而采用聚类分析和统计分析相结合的方法,找出纳税异常的企业,从而完成纳税评估。     

大学物理网络个性化教学研究

随着计算机网络技术的发展,开发网络教学平台进行教学已成为目前高校提高教学质量的重要的途径之一.但目前现有的网络课程大多在个性化教学、因材施教方面存在诸多问题,本文建议在大学物理网络教学平台的构建中使用数据挖掘技术,为实施个性化教学提供决策支持.本文介绍了数据挖掘技术及其常用方法,并列举了数据挖掘技术在大学物理网络课程中的应用实例.