非对称开采时矿柱失稳的尖点突变模型

针对非对称开采时矿柱稳定性问题建立了一个简化的力学模型．基于势能原理,应用尖点突变理论对矿柱成为非稳定系统进行了探讨,导出了失稳的充要条件、矿柱变形突跳量和能量释放表达式,为定量研究其失稳问题奠定了基础．结果表明:系统的失稳不仅与其所受载荷有关,而且与其内部刚度分配有关,当相对刚度值越大,所承受的临界载荷也越大,越不容易失稳．反之,越容易失稳,且失稳时所释放的能量越大,危害也越大．给出了算例,其计算结果可为安排开采顺序、合理布置采场等提供依据．     

数据流中频繁闭项集的近似挖掘算法

在数据流中挖掘频繁项集得到了广泛的研究,传统的研究方法大多关注于在数据流中挖掘全部频繁项集.由于挖掘全部频繁项集存在数据和模式冗余问题,所以对算法的时间和空间效率都具有更大的挑战性.因此,近年来人们开始关注在数据流中挖掘频繁闭项集,其中一个典型的工作就是Moment算法.本文提出了一种数据流中频繁闭项集的近似挖掘算法A-Moment.它采用衰减窗口机制、近似计数估计方法和分布式更新信息策略来解决Moment算法中过度依赖于窗口和执行效率低等问题.实验表明,该算法在保证挖掘精度的前提下,可以比Moment获得更好的效率.     

个性化推荐在移动互联网业务中的应用

以SoLoMo为标志的新一轮商业模式带动了移动互联网时代用户的上网行为及消费方式的转变,用户对互动性、实时性服务的需求愈发迫切,服务差异化和需求个性化的期望也为数据挖掘和应用提供了新的机遇和挑战。本文从移动互联网用户的行为知识库开放平台、智能化用户模型关键技术、个性化信息推荐及应用等几个方面,探索如何构造一个共赢的移动生态产业链体系。     

基于数据挖掘的电力云资源规划调度

随着虚拟化技术的应用,数据中心的资源利用率已经得到一定程度的提高,但是云资源通常还是根据用户提出的需求预先分配,资源利用率仍然有待提高.为了进一步改进资源利用率,云中心的实际资源需求可分为“周期资源”及“峰期资源”.“周期资源”可以通过历史规律,利用递阶成分负载模型进行分析,预测出数据中心大部分时间的资源需求;“峰期资源”主要是满足短时间内的各种高峰资源需求,这种需求应用了排队论及随机均衡算法模型并根据实际应用的需要动态启用、分配和收回资源.通过使用资源收集与分配守护进程对云中心资源需求进行规划调度实验,效果明显,从而为云中心资源利用率的提升及节能减排提供了一种有效途径.     

基于数据挖掘的电力行业客户细分模型分析

社会经济的不断发展推动了电力行业的快速发展。随着客户细分理论与方法的发展,其已广泛应用于我国电力、电信、银行及零售业等行业的营销实践中。由于客户行为能有效、直接地反映出消费者的需求,在经济市场中的应用更为广泛,是市场细分中的最佳起点。主要以客户细分的概述为出发点,对电力客户细分现状、基于数据挖掘的客户细分及模型构建进行探讨。     

一种肿瘤基因表达数据的知识提取方法

本文以多发性骨髓瘤的基因表达数据为例,利用数据挖掘技术,提出了一种针对基因表达数据进行知识发现的方法.该方法通过计算基因的信息增益,结合神经网络,找出了特征基因集合,最后利用决策树进行特征规则的提取,给出了基于多发性骨髓瘤数据样本的产生式规则,为生物医学研究提供了一种分析和研究基因表达数据的参考方法.实验结果表明了该方法的有效性.     

基于数据挖掘的煤矿安全监测方法研究

动态性、模糊性和随机性是煤矿生产的最大特点,各因素之间相互影响、相互制约,许多问题都表现出明显的非线性关系.本文提出了一种基于数据挖掘的煤矿安全监测方案,以煤矿安全监测系统中原始信息为数据样本,使用关联规则挖掘算法对煤矿生产中各自然灾害因素进行挖掘,找出其存在的关联性,对进一步提高煤矿安全监测深度和监测效率,为实现煤矿安全监测专家系统提供决策依据.     

一种改进的时态关联规则算法

针对传统关联规则挖掘中可能会忽略具有时间因素的关联规则的问题,提出了一种具有时间约束的改进时态关联规则算法.该算法通过计算模式平均支持度、数据集平均支持度、模式集中度等参数来判断Apriori算法所得到的模式是否在某一时间区域数据集上具有较高支持度,再对该数据集进行进一步挖掘,以找到更精确的和时间相关的模式,从而得到单个或不同时间区间上的关联规则以及跨时间区间和跨事务的关联规则.通过实验分析,该算法是可行的,并在实际应用中有一定的意义.     

多部雷达信号的复合分层异常挖掘研究

对截获的雷达信号进行准确的分析和处理,实现对特定目标的异常特征信息进行快速发现、分析和挖掘,在提高雷达信号数据质量、发现入侵行为、进行故障诊断以及辅助军事侦察等领域都具有非常重要的意义。结合雷达信号的异常流行为,利用距离与聚类的统计思想,提出了一种针对雷达信号5个电子脉冲参数的复合分层分析异常挖掘方法,并运用5部仿真雷达的模拟数据进行了验证,发现该方法可对信度较高。     

一种流数据立方体分析挖掘框架

流数据是目前一种重要的数据展现形式,对流数据进行OLAM(联机分析挖掘)操作可为分析人员提供多层次的数据视图。但OLAM要求在不同粒度中实现对数据的聚合操作,而流式数据内含时态特性和持续到达特性,使得数据无法被多次重复操作。使用传统OLAP(联机分析处理)方法无法生成部分物化视图且流数据规模宏大,受限于存储空间大小而无法保存全部数据单元信息。针对上述问题,提出了一种基于概要技术的流数据OLAM框架——sketch cube(概要立方体),该框架把任意维度组合映射成唯一自然数,根据上下限单调原则对维度组合裁剪,在类线性空间中保存有效数据单元信息,并构建时间序列索引提高检索效率。通过理论分析给出使用sketch cube的前提条件,同时通过真实海量流数据实验分析表明,sketch sube在有效性、存储空间效率和正确率上可以满足实时挖掘的需求。