一种基于数据挖掘的计算机自动识别饱和脂肪烃的方法

通过对Nist107标准物质中饱和脂肪烃的质谱数据进行挖掘,发现了新的饱和脂肪烃的谱图特征。利用这些特征设置分步问答,使用MatLab编程实现并优化建立了自动识别饱和脂肪烃的方法。利用库内分子量小于450的标准质谱数据和本实验室测定的齿叶铁线莲(根)挥发油数据进行检验。库内检验结果表明:第一类错误(弃真错误)率为0.503%,第二类错误(存伪错误)率为0.008%。正构烷烃的误识率为0。实验数据验证结果表明:此法能准确识别饱和脂肪烃,用于识别正构烷烃时可克服因夹角余弦相似匹配中相似度接近而无法正确定性的缺点,为植物挥发成分测定、汽油样品的PONA分析和空气颗粒物中饱和脂肪烃的识别和总量的测定提供了一种新的快速的方法。     

住院患者病情危重度的分类决策树研究

目的　应用分类决策树对各类疾病住院患者的病情进行分类和评价。方法　采用SPSSAnswerTree分类软件和CHAID算法,用1244887例住院患者的病案首页数据,通过确定分类目标变量、预测变量、决策树的生长和修剪规则,建立覆盖所有病种的危重度分类模型。结果　建立了163个基于病种的分类模型,每个病种都形成了若干个危重度等级,共产生了636个危重度类别,每个类别对应一个危重度分值。经新样本考核,该病情指标对治疗结果、医院规模有一定预测能力,且与住院费用相关。结论　病情分类结果能够反映住院患者的相对病情,可作为病情标准化的依据,用于医疗服务质量效率评价。     

四川卷烟市场消费者的心理需求研究

随着中国加入WTO和2004年国家“特种烟草专卖零售许可证”的取消；随着中国卷烟体制性障碍的逐步消除，中国卷烟市场的竞争将更加激烈。然而由于中国幅员辽阔，不同地区消费的偏好可能千差万别。本就是以此为前提，运用国际先进的自组织数据挖掘方法研究四川卷烟市场消费的心理需求，挖掘影响四川卷烟消费购买决策的主要因素，为国内卷烟企业更好地参与四川市场的竞争提供建议和参考。     

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.     

基于模式矩阵的P_Matrix算法

Apriori算法是关联规则挖掘中最经典的算法,该算法需多次扫描数据库并产生海量的候选项目集.利用模式矩阵对Apriori算法进行改进,提出一种P_Matrix算法,它使扫描数据库的次数降为一次,同时不产生候选项目集而直接产生频繁项目集,从而使算法的时间复杂度和空间复杂度大大降低.     

基于熵的决策树理论及其在中医证型研究中的应用

本文使用基于熵的决策树理论对中医证型数据进行了研究,指出此方法对自变量和应变量都是定性指标的资料,能够得到自变量对鉴别诊断的重要性,且建立的决策树的判别效果较理想。     

基于Fuzzy理论的数据挖掘算法研究Ⅱ

"数据挖掘"是数据处理的一个新领域.支持向量机是数据挖掘的一种新方法,该技术在很多领域得到了成功的应用.但是,支持向量机目前还存在许多局限,当支持向量机的训练集中含有模糊信息时,支持向量机将无能为力.为解决一般情况下支持向量机中含有模糊信息(模糊参数)问题,研究了模糊机会约束规划、模糊分类中的模糊特征及其表示方法,建立了模糊支持向量分类机理论,给出了模糊线性可分的模糊支持向量分类机算法.     

基于数据挖掘方法的开放骨架磷酸铝定向合成参数分析

开放骨架磷酸铝化合物是多孔晶体材料的一个重要家族。然而,这类材料的合成受到反应原料、凝胶组成、溶剂、模板剂、结晶温度和结晶时间等多个因素的影响。本文以吉林大学"无机制备与合成化学国家重点实验室"建立的开放骨架磷酸铝合成反应数据库为研究对象,采用最大权重最小冗余特征选择算法(Maximum weight and minimum redundancy,MWMR),在充分考虑合成参数自身的重要程度和合成参数之间的相关关系的前提下,分析了溶剂、模板剂等合成参数对于合成含有(8,6)元环结构开放骨架磷酸铝的影响。通过大量实验验证了该方法在开放骨架磷酸铝合成参数分析中的有效性,分析了合成参数对产物生成的影响。实验结果表明模板剂的几何参数、模板剂中C原子和N原子的个数比,溶剂的偶极距等参数可能对于该类结构的合成具有较为重要的影响。     

基于自组织特征映射(SOM)网络对潜在客户的挖掘

通过自组织特征映射网络（SOM）帮助市场分析人员对消费者的消费记录进行分析,从而概括出每一类消费者的消费模式。实现对消费群体的区分和对潜在客户的挖掘。SOM神经网络是一种基于模型的聚类方法。该网络通过对样本数据实施标准化、规范化的规定,将每条样本数据看作为一个基因数据,通过对基因数据的聚类,找出功能相似的基因。从而达到对潜在客户的挖掘。抽取一定量的样本数据,通过Matlab平台建立一个SOM人工神经网络对数据进行训练,结果可以发现当训练步骤达到一定量的时候,样本数据向不同的“中心点”聚集,最后达到聚类的效果,从而发现一些容易被忽视的点,也就是潜在客户。     

改进退火遗传算法在SQL数据挖掘参数优化中的应用

针对SQL数据挖掘在复杂动力学系统故障诊断中的模式分类问题,以决策树参数优化为例,开展SQL数据挖掘分类算法参数优化研究。目前数据挖掘中的各类算法参数往往根据经验值设定,预测精度不高;只用遗传算法进行参数优化,分类预测结果容易发生振荡和早熟现象。采用改进的退火遗传算法对SQL数据挖掘中的决策树算法参数进行优化,解决了人工经验设置参数效率低下、精度不高的问题,同时实现了全局搜索,快速收敛到全局最优解。