产生式与判别式组合分类器学习算法

在AdaBoost集成方法的基础上,研究了一种产生式与判别式模型组合的方法。该算法在每轮中同时学习一个产生式分类器和一个判别式分类器,选择误差率较小的作为个体分类器,然后对所有个体分类器采用加权的方法得到最终分类器。实验结果表明,该方法在准确率和收敛速度上都具有很好的效果。     

商务智能中基于时间序列的模型数据挖掘技术应用研究

商务智能中应用时间序列的模型数据挖掘技术成为客户智能体系的重要组成部分。在满足市场需求的同时,促进时间序列的模型数据挖掘技术的不断发展。通过对数据挖掘技术的特点及类型、商务智能、数据挖掘两者之间的关系为研究点,对时间序列的模型进行的建模及数据序列模型数据挖掘技术的实践应用进行系统的分析。     

基于实测的公路桥梁车辆荷载统计模型

基于动态称重系统获取的运营交通基本信息,依据轴组类型对所有车辆进行分类及筛选,建立了6种主要车型的车重、车距、车道交通量、轴重与轴距的统计模型,然后按损伤等效原则提供了6种车型的等效模型车辆,为桥梁疲劳可靠性评估提供了实用的车辆荷载模型.研究表明该建模方法能够准确描述交通荷载,建模过程与方法对同类问题具有普遍意义,可应用于建立各种交通状况下的疲劳车辆荷载模型或提供参考.     

分类规则挖掘及其在故障诊断建模中的应用

探讨了数据挖掘技术中分类模型和算法,提出了基于决策树学习的建模方法,通过实例说明了该技术在故障智能诊断中的应用及优点。     

关系学习中贝叶斯分类算法的比较研究

数据分类是数据挖掘的主要内容之一,通过分析训练数据样本,产生关于类别的精确描述.贝叶斯分类是数据挖掘领域中一种常用的有效分类方法.在关系学习中,贝叶斯分类算法有很多种,对这些算法进行总结、比较,指出其优点与不足,对提高分类效率有很大帮助.本文对已有的关系学习中贝叶斯分类算法作了详细的比较,并进行归纳总结.在单关系学习中重点介绍了几种基于粗糙集的贝叶斯分类器和加权贝叶斯分类算法,并分析了各种方法的模型、权值确定方法、优缺点及进一步工作方向.在多关系学习中主要比较了几种基于语义关系图的贝叶斯分类算法,重点介绍了MI-MRNBC模型.最后对本文工作进行了总结与展望,提出进一步工作方向是研究基于粗糙集的多关系贝叶斯分类算法.     

基于OPNET的客运专线安全数据网故障建模

客运专线安全数据网络的可靠运行对高铁运输安全至关重要,故障建模是研究该网络可靠性的重要手段.但是,目前对该网络中故障没有进行系统研究,只是针对特定故障对网络的影响,缺乏一种对故障进行分类和建模的方法.针对这个问题,本文提出了采用三层故障体系对客运专线安全数据网络中的故障进行分类,并使用OPNET软件为该网络建立故障模型.该分类方法解决了客运专线安全数据网络故障研究的混乱问题,并且提供了一种对该网络故障模型的方法.     

基于非负稀疏协作模型的目标跟踪算法

目标跟踪是计算机视觉研究领域中一个最基本的问题.为解决在复杂场景下目标跟踪效果不佳的问题,作者搭建了一个基于非负稀疏的协作模型,该模型将非负稀疏表示的产生式模型与全局模板判别式模型相结合,并提出了基于非负稀疏协作模型的目标跟踪算法.首先对每一帧图像使用粒子滤波得到若干个候选框,然后再利用非负稀疏协作模型对每一个候选跟踪框进行评分,根据得分最高判为是跟踪目标的候选框.在多个视频序列上的实验结果表明,所提出的方法可以有效地提高目标跟踪的性能.     

文本分类实现技术

文本分类是文本数据挖掘的重要技术.从文本分类实现过程的各个环节,包括建立文档模型、特征提取、维数约简、选择分类策略几个方面分别给出了目前实用的解决方案,同时对各种算法进行了分类和性能上的定性与定量的比较,最后讨论了国内文本分类研究中的一些问题和未来的发展.     

基于机器学习的钻孔数据隐式三维地质建模方法

针对基于钻孔数据的传统显式三维地质建模方法存在过程繁琐、模型质量难以保证等缺点,本文提出了一种基于机器学习的隐式三维地质建模方法,将地层三维建模问题转换为地下空间栅格单元的属性分类问题.分别基于支持向量机、BP神经网络等分类算法,实现了钻孔数据的自动三维地质建模.实际建模结果表明,对于有限、稀疏的钻孔数据,支持向量机方法建模准确率较高,建模效率、效果优于显式建模方法.最后通过敏感性分析研究了超参数对建模结果准确率、模型形态的影响,为可控的自动三维地质建模提供了一种新的解决思路.     

基于决策树法的我国城镇居民生活质量评估模型研究

决策树在数据挖掘中的应用很广泛,它是生成分类器的一种有效方法,本文用决策树法对我国居民生活质量进行了分类、建模、实证分析,所建模型具体直观,分类精度较高。     

基于最小熵正则化的半监督分类

生成式模型需要对复杂的联合概率密度建模,并估计较多的参数,为此,文中提出了一种基于最小熵正则化的半监督分类算法.该算法利用Havrda-Charvat's结构α-熵作为目标的正则项,并用拟牛顿法进行求解.该算法既是判别式的,又是直推式的,从而降低了对模型的依赖程度,同时可以方便地预测训练集之外的示例标记.在UCI数据库上的仿真实验结果表明,所提出的算法即使在有标记数据较少的情况下仍能获得较低的分类误差.     

统计流形上基于核近邻算法的文本分类研究

为了更加高效地对文本数据进行描述,提出将文本向量表示为统计流形上的点,并用核方法将文本的生成模型和判别模型结合起来.用DCM统计流形上扩散核来表示文本空间上的距离度量,提出DCM流形上的核近邻算法用于文本分类.实验结果表明,在两个实验语料库上基于DCM流形的核近邻算法的准确率和召回率优于对比算法或与对比算法相当.     

生成式对抗网络的应用综述

生成式对抗网络(GAN)是一种优秀的生成式模型,能够不依赖任何先验假设,学习到高维复杂的数据分布。这一强大的性能使得它成为近年来研究的热点,并在诸多应用领域取得了显著的研究成果。首先介绍了生成式对抗网络的基本原理,各种目标函数以及常用的模型结构。然后,详细分析了生成式对抗网络在条件限制下生成图片的各种演进方法。此外,介绍了生成式对抗网络在不同领域的应用,包括高分辨率图像生成、小目标检测、非图像数据生成、医学图像分割等方面的最新研究进展。最后,总结了生成式对抗网络训练过程中的优化技巧。旨在通俗地阐明GAN的基础理论以及发展历程,并从应用角度对未来工作进行了展望。     

R软件的数据挖掘应用

开源R软件集成了各种的数据分析和可视化方法,具备强大的数据分析功能和良好的可扩展性,适用于数据挖掘;结合城市主要经济指标的数据挖掘案例,给出了R软件在挖掘过程中各主要阶段的应用方法;数据准备阶段包括数据抽取、数据选择与统计分析应用;挖掘建模阶段给出了聚类和分类的典型挖掘应用;模型评估阶段给出了决策树的评估方法;从简洁的R语言脚本设计和良好的分析效果,展示了R软件的基本特点和在数据挖掘应用中的优势。     

矿区土地复垦空间数据库的E-R建模方法

矿区土地复垦是一个复杂的系统工程，建立矿区土地复垦信息系统需要构造概念模型，E—R模型是构建数据库概念模型的一种有效方法。它己广泛应用于GIS需求分析和GIS数据库概念模型的设计。依据相关的研究成果，并结合矿区土地复垦数据的特点对E—R模型进行了修改和扩充，阐述了适合表达矿区土地复垦数据特点的空间E—R模型；为建立矿区土地复垦信息系统的逻辑模型和物理模型提供了理论基础。     

矿区土地复垦信息系统中时态数据组织方法

基于GIS建立矿区土地复垦信息系统，对矿区土地资源管理和土地复垦规划决策具有重要意义。沉陷地土地资源信息随着煤炭的开采而不断变化。所以，矿区土地复垦空间数据库是一个时态数据库。分析了采煤沉陷地土地资源动态变化的特点，在前人研究的基础上，综合了基于事件和基于特征时空数据模型的特点，建立了一个基于事件和特征的时空数据模型，并进一步给出其相应的数据组织方法。在此基础上，探讨了基于该模型的时空信息查询与分析方法。该模型可以较好地保持特征实体的完整性，数据冗余较少，适合于在现有的GIS软件中组织时空数据。     

数据挖掘在热轧平整机轧制力计算偏差补偿模型中的应用

分析了数据库技术及数据挖掘常用算法,以热轧平整机轧制力计算偏差补偿为例,建立了数据挖掘的热轧平整机轧制力补偿模型．经实际检验,模型在生产应用中完全满足生产实际要求,对现有的基于二级数学模型计算的薄规格板带后期工艺再处理生产的进一步优化具有深远的意义．     

基于数据挖掘的网络学习系统研究与设计

尽管我国网络教育的取得很大进展,现有的网络学习系统还无法对潜在的大量聚集的信息进行有效发现和合理利用,造成了资源的极大浪费。为此,本文将数据挖掘及相关技术引入网络学习系统的研究中,介绍了数据挖掘的概念、数据挖掘的过程,提出了基于数据挖掘技术的网络学习系统的建设理念、模型和具体的应用建议。