数据挖掘的灰色系统方法

灰色系统理论是研究贫信息系统分析、建模、预测、决策、控制的有效工具，在工程技术、社会、经济等领域中应用广泛，该文探讨了灰色系统理论在数据挖掘中的应用问题，提出了数据挖掘的灰色关联算法、灰色统计算法、灰色聚类算法、灰色统计聚类算法，并提出了灰色数据挖掘系统的体系结构。     

灰色趋势灾变预测及其在数据挖掘中的应用

分析了数据库中由异常数据组成的小样本序列的特点,给出了灾变序列的定义,结合系统云灰色预测模型,提出了灰色趋势灾变预测的方法,对灰色趋势灾变预测在数据挖掘中的应用进行了研究,给出了对数据库中“贫”信息数据序列进行数据挖掘的步骤．以全国旱涝灾害数据为研究对象,对全国水灾年份进行了预测分析,其预测结果与实际现象相符．     

数据挖掘与智能化信息处理研究

数据挖掘(Data Mining)是智能化信息处理中一个很有价值的课题，它融合了数据库、人工智能、机器学习和统计学等多个领域的理论和技术。本文介绍数据挖掘系统的体系结构、数据挖掘的任务、方法及应用，讨论了数据挖掘研究的发展趋势。     

AC算法与灰色模型在信息产业预测中的对比分析

利用基于数据挖掘的相似体生成算法(AC算法)对吉林市的信息产业进行了预测,并与利用灰色模型GM(1,1)的预测结果进行了分析对比,结果表明:运用AC算法进行信息产业预测是可行的.     

数据挖掘技术在网络入侵检测中的应用

研究了系统化的通用入侵检测方法，其核心思想是使用数据挖掘技术去建立正常的系统和用户行为模式，使用Tcpdump抓取网络数据包，采用两种数据挖掘方法对网络数据包进行分析。同时，为了满足有效学习(挖掘)和实时检测的双重挑战，提出了一个构建网络入侵检测系统的基于代理的体系结构。     

隧道围岩变形经验模态分解灰色系统预测模型研究

基于经验模态分解降噪原理,建立了EMD灰色系统GM(1,1)预测模型,使EMD方法与灰色系统GM(1,1)预测模型很好地相结合,有效地降低了原始监测数据内噪声干扰对预测结果的影响;并结合梅花山隧道工程实际,对EMD灰色系统GM(1,1)预测模型进行了检验。研究结果表明:EMD灰色系统GM(1,1)预测模型环境适应能力较强,预测结果与实际监控数据吻合程度较高,是隧道工程围岩变形动态预测较为有效方法,具有较好的工程实用价值。     

隧道围岩变形EMD灰色系统预测模型研究

基于经验模态分解降噪原理,建立了EMD灰色系统GM(1,1)预测模型, 使EMD方法与灰色系统GM(1,1)预测模型很好地相结合,有效地降低了原始监测数据内噪声干扰对预测结果的影响,并结合梅花山隧道工程实际,对EMD灰色系统GM(1,1)预测模型进行了检验。研究结果表明：EMD灰色系统GM(1,1)预测模型环境适应能力较强,预测结果与实际监控数据吻合程度较高,是隧道工程围岩变形动态预测较为有效方法,具有较好的工程实用价值。     

数据挖掘与数据库的集成方法

数据挖掘的研究主要集中在挖掘算法上,但在数据库领域至关重要的数据挖掘系统与数据库的有效集成研究却很少,为此,在详细研究了数据挖掘耦合数据库的主要方法(通过SQL(Structured Query Language)游标接口读取数据、保存数据至本地磁盘cache进行挖掘、用存储过程封装挖掘算法、采用用户自定义函数表达挖掘算法以及通过扩展SQL直接操作挖掘模型)的基础上,指出在实现数据挖掘同数据库无缝集成的发展过程中,在现有的DB/DW中集成数据挖掘系统并提供应用程序和自定义挖掘算法的接口、研究推出标准数据挖掘语言是实现数据挖掘系统与数据库有效集成的关键技术。     

基于数据挖掘技术的MJC系统软件的应用

介绍了数据挖掘技术的基本原理及其优势,以及EAM系统煤炭行业设备机电基础数据制作的概况,并结合MJC系统(煤矿设备机电基础数据查询系统)讨论了数据挖掘技术在实际工作中的应用。     

基于数据挖掘的ontology应用框架

提出了一个通用数据挖掘系统框架(GDMF)模型.其目的是为了能够从数据挖掘应用中抽取出核心功能并将其应用到可重用可扩展的原型系统中,以便快速地建造数据挖掘应用系统.在GDMF中ontology被用做语义数据模型.通过使用ontology驱动的数据挖掘查询语言,用户能够很轻松地表达一些复杂查询.最后,给出了使用GDMF作为一个建模工具去设计数据挖掘系统的方法.     

多策略数据挖掘系统的分析与设计

为了满足数据规模的膨胀和分析需求的增长,在对数据挖掘系统的发展史进行回顾的基础上,分析了国内外典型数据挖掘系统的特点,设计了一个多策略的数据挖掘系统。并针对数据挖掘面临的大规模海量数据的处理问题,为系统引入和设计了算法插件思想、缓冲区处理技术、基于XML(Extensib le M arkup Lan-guage)语言的配置文件和相应的并行处理技术。最后讨论了系统今后开发过程中需要注意算法更新及评估的问题。     

加权均值GM(1,1)模型及应用

通过数据处理，寻求一种改进灰色系统GM(1，1)模型的方法．文中首先论证了加权均值生成的若干相关性质，然后将加权均值生成法运用于灰色系统GM(1，1)模型的建模过程．计算结果表明，加权均值GM(1，1)模型比传统的GM(1，1)模型有所改进，精度得到提高．并将改进后的模型应用于应力集中问题，也取得了较好的效果．这表明，加权均值GM(1，1)模型有一定的实用性．     

二维灰色神经网络批处理梯度算法的收敛性

灰色神经网络GNNM(2,1)是灰色系统与BP神经网络相糅合的二维神经网络,给出了灰色神经网络GNNM(2,1)的网络结构和批处理梯度算法,研究了灰色神经网络GNNM(2,1)的收敛性问题,并证明了误差函数的单调性、弱收敛性和强收敛性.     

基于遗传算法优化因子的灰色PI预测控制

针对灰色PI预测控制比例因子和积分因子参数整定困难,提出了基于遗传算法参数优化整定的PI型灰色广义预测控制(GPIPC)。灰色PI预测控制(GPIGPC)采用灰色预测控制技术克服时变时滞,用PI(PID)控制技术加强系统的鲁棒性,运用遗传算法在线优化整定灰色PI预测控制的比例因子和积分因子,增强了系统的跟踪特性和抗恒值扰动特性,极大程度地减少了模型时延失配和模型增益失配的影响。仿真实例表明,该算法具有较好的鲁棒性和抗干扰性。     

基于数据挖掘的网络型误用入侵检测系统研究

数据挖掘技术应用于网络型误用入侵检测系统中，比传统的网络型入侵检测有更大优势。数据挖掘是从大量数据中自动寻找规律的过程，它可以自动构建特征，同时提高了检测精确度，为检测未知攻击提供了可能性。介绍了数据挖掘算法以及基于数据挖掘的入侵检测系统的分类，从不同分类的角度介绍了数据挖掘方法在入侵检测系统中的应用，并且从网络层和应用层2个层次得到实现。     

灰色控制系统

文献[1]提出了灰色系统(Grey System)的概念.本文进而研究灰色参数、灰色矩阵和灰色系统的一些基本特性,提出了灰色参数通道堵塞定理.在文献[1]、[2]的基础上,重新论述了状态矩阵为灰色实对称、灰色三角和灰色梳形系统的稳定问题;并以位移算子为基础,论述了白色映射及有关定理.     

灰色系统状态反馈的极点漂移

本文利用文献[1]的方法,研究了灰色系统中的极点配置问题;提出了不同情况下的点状漂移(白色状态反馈)和块状漂移(灰色状态反馈)的概念,给出了灰色控制系统的极点配置方法。     

基于数据挖掘的自动化推荐系统算法

结合人工神经网络中的自适应共振理论(ART)及数据挖掘(Data Mining)技术来建构一个可自动聚类族群特征且能挖掘出关联特质的自动化在线推荐系统。探讨如何有效地运用数据挖掘技术从大量的数据库中挖掘出完整知识,以推荐适当的信息给使用者,帮助他们在浩大的信息流中找到真正需要、有用的文件或信息。整合ART及数据挖掘技术,并针对推荐系统的特性提出一种改进的ART算法(MART算法)。实例验证了算法的有效性。     

制订城市总体规划的灰色系统方法

本文论述了一种制订城市总体规划的新方法——灰色系统方法。文中提出的SCGM(1,h)和SCGM(1,1)模型为灰色预测技术提供了新的基础和途径。     

基于云计算的数据挖掘分析

本文分析了数据挖掘以及云计算的特点，在此基础上提出了基于云计算的数据挖掘系统架构，并进一步讨论了基于云计算的数据挖掘的特点。