数据挖掘和神经网络技术的电力工程造价应用

提出了一种采用数据挖掘技术和神经网络方法预测和审查电力工程造价问题的模型,应用数据挖掘技术进行数据预处理、属性优选和聚类得到模糊规则,并用改进的BP(back propagation)神经网络模糊系统构建了电力工程造价的预测方法。通过对某市送电线路历史工程样本训练和实例样本计算分析,得到了较好的计算结果,验证了该方法的预测准确性和收敛性,显示了该方法在电力工程造价预测和审查中的有效性。     

基于改进BP神经网络的公路旅游客流量预测

针对如何精确预测公路旅游客流量这一问题,论述了公路旅游客流量研究背景,对包括神经网络模型在内的几类模型进行了分析,说明神经网络预测模型运用在公路旅游客流量预测中的优势.以实证分析为背景,论述了改进BP神经网络在公路旅游客流量预测中的应用,并深入研究了实际运用中输入/输出向量的选择、数据预处理方法、隐层神经元数目选择、训练函数选择等实际问题,对预测结果和实际值进行了比较和分析论述,得到一个适合的BP网络.最后对几种预测方法的预测结果进行比较,说明了BP神经网络在公路旅游客流量预测的合理性与可行性.     

敏感性分析在数据挖掘中的应用

对敏感性分析方法及其在数据挖掘中的应用进行了分析研究，并在此基础上提出了将敏感性分析和神经网络模型相结合的方法应用于数据挖掘中的兴趣挖掘和利润挖掘中。最后给出应用该方法对兴趣和利润进行挖掘的执行步骤。研究结果表明，把敏感性分析应用于神经网络能够帮助我们在动态环境中识别对附属变量（如利润）有影响的敏感因素，从而指导决策制定。     

基于数据挖掘的房地产价格预测

根据房地产价格的非线性变化特点,提出一种基于数据挖掘技术的房地产价格预测模型.首先收集房地产价格的历史样本,对其进行混沌分析后得到相应的训练样本集和验证样本集,然后采用数据挖掘技术对训练样本建模,并对验证样本进行预测.仿真实验结果表明,数据挖掘技术可以从房地产价格历史数据中发现其变化趋势,获得了较高的房地产价格预测精度,与其他经典房地产价格预测模型相比,数据挖掘可以更好地描述房地产价格的变化特点,预测精度能够满足人们对房地产价格预测的要求.     

人工智能和数据挖掘在人机工程PHM中的应用

人工智能和数据挖掘是构建在认知科学、神经心理学、机器学习、数据科学和统计学上的交叉学科。它为人机工程问题的研究与分析,尤其是对复杂人机系统的性能预测与健康管理提供了强有力的计算与分析工具。文中首先分别给出了人工智能与数据挖掘的发展简史以及主要的研究领域和研究途径,而后给出了三个典型算例,分别对矿井作业的安全问题采用小波神经网络方法进行评价,对某系统的性能用模糊神经网络进行预测,对飞行员的脑力负荷用Bayes判别函数法,从主观评价、作业绩效和多项生理指标的角度进行了综合测评。上述典型算例表明:智能算法和数据挖掘技巧,可以有效地处理人机工程中的PHM问题。     

基于径向基神经网络的集装箱量预测模型

提出了一种利用RBF神经网络算法对港口集装箱量进行预测的模型,并应用此模型对上海港集装箱运量进行了仿真及示例分析,同时与BP神经网络预测方法进行了比较．结果表明,运用RBF神经网络进行预测,具有较快的运算速度和较高的精度,并有很好的预测能力和应用价值．     

基于BP神经网络的食品安全抽检数据挖掘

数据挖掘技术在食品安全领域拥有巨大的应用价值和潜力。通过分析逆向传播(BP)神经网络算法,说明使用该方法的可行性和优越性。以抽检数据为对象,阐述了数据预处理过程,设计并实现了数据挖掘实验。最后利用挖掘结果进行食品检验结论预测,验证了方法的实用价值和指导意义。实验表明,基于BP神经网络的数据挖掘方法具有良好的过程健壮性和较高的结果准确性。通过预判不合格食品的出现,可以指导实际食品安全抽检工作,从而杜绝食品安全问题的发生。     

用神经网络来进行数据库中的知识发现(英文)

讨论了数据库中的知识发现的基本技术 ,提出了一种适用于数据挖掘的神经网络方法 ,并给出了神经网络数据挖掘系统的构造过程 ,应用结果表明该方法是可行有效的 ,并对该方法进行了深入的讨论。     

基于神经网络BP算法的市场预测研究

提出了一种利用神经网络BP算法模型于发现和预测商业市场价格变化趋势的模型。文章着重论述了这一模型的设计思想和实现技术，并选择重庆房地产市场为实验研究对象，给出了用所述方法进行房地产价格预测的实验结果。     

云计算环境下基于全同态加密的神经网络分类预测研究

在云计算环境下,数据挖掘应用中的数据共享和服务外包在产生巨大财富的同时,也带来了隐私泄漏的风险,其信息安全问题亟待解决。对云计算环境下神经网络预测分类服务外包中存在的风险以及全同态加密算法的应用进行了分析,使用平方函数作为神经网络中的非线性激活函数,设计并实现了一种密文域的数据分类预测方案,并对该方案运行过程中的5个主要步骤：模型训练、模型加密、数据加密、密文计算和解密结果进行详细描述。设计的测试实验结果验证了该方案的可行性,保证了模型和数据在整个神经网络处理过程中不被泄漏,可有效保障数据和模型的安全与隐私。     

XML在基于B/S架构的房地产管理信息系统中的应用

对传统房地产管理信息系统的现状进行了研究,分析了其不足之处,结合XML技术的优势,提出了一种基于XML的系统架构模型,介绍了XML技术在基于B/S架构的房地产管理信息系统中的应用,并通过查看合同信息实例详细描述了在MVC模式下利用XML实现数据在Web浏览器中的动态发布的原理和方法。     

Neural Network Based Model for Predicting Housing Market Performance

The United States real estate market is currently facing its worst hit in two decades due to the slowdown of housing sales. The most affected by this decline are real estate investors and home developers who are currently struggling to break-even financially on their investments. For these investors, it is of utmost importance to evaluate the current status of the market and predict its performance over the shortterm in order to make appropriate financial decisions. This paper presents the development of artificial neural network based models to support real estate investors and home developers in this critical task. The paper describes the decision variables, design methodology, and the implementation of these models. The models utilize historical market performance data sets to train the artificial neural networks in order to predict unforeseen future performances. An application example is analyzed to demonstrate the model capabili-ties in analyzing and predicting the market performance. The model testing and validation showed that the error in prediction is in the range between -2% and +2%.     

我国房地产市场分化与区域经济增长

2003年以来,我国房地产市场快速发展,我国房地产市场也呈现出明显的分化。本研究运用基尼系数和泰尔指数,对主要城市群间的房地产市场发展差异水平进行了测度,并分析了区域间人均土地出让金、住房价格、人均房地产投资额的分化程度。结合经验事实对比分析,进一步探析房地产市场区域分化对区域经济发展的影响。研究发现,不同区域内部的人均土地出让金及住房价格存在分化特征,这与区域经济的发展分化有一定的相关性,适度的房地产市场分化对经济增长会产生一定的推动作用。京津冀城市群房价水平的不平等程度与其他两个城市群没有显著差异,但内部经济发展差异最大。以京津冀城市群为例,房价分化程度如果与经济发展差异水平不匹配,则会影响人口流动,对区域经济发展产生阻碍作用。因此,应关注房地产市场的供求平衡,优化房地产供给,避免过高的房价导致劳动力流失而损害经济的长期健康发展。     

GPS定位在房产测量中的应用

结合房产测量的特点和房产平面控制网的精度要求 ,分析了 GPS定位用于房产测量的可行性 ,认为 GPS测量能满足最高等级房产控制网的要求 ,并提出适宜采用的 GPS房产控制网的布设形式。从房产测量的实际要求出发 ,讨论了各种GPS测量作业模式对房产测量的适用性 ,着重介绍 RTK测量的特点 ,指明该技术在房产测量中的应用前景。最后总结了房产测量采用 GPS技术的的优越性。     

太原市房地产市场走势分析

文章拟通过太原市房地产发展数据的分析,就房地产业健康发展进行分析与预测。     

基于ART神经网络的房地产物业市场的聚类分析

房地产物业市场的准确分类是房地产开发决策和控制风险的前提和基础．针对传统的以回归分析、模糊聚类为主的方法存在建模困难、计算繁琐、适应性弱等缺点，提出了基于ART神经网络的房地产物业分类方法．该方法避免了繁琐的建模过程，简化了分类计算，同时由于其无监督学习的特性，使其具有很强的适应能力．同时本文还以杭州市房地产市场为例，论证了方法的合理性和可行性，并探讨了其实际应用的潜力和措施．     

数据挖掘技术在客户关系管理系统中的应用

阐述数据挖掘的概念和主要分析方法，以及数据挖掘技术在客户关系管理系统中的应用，并结合一个客户流失分析的实例说明用于客户关系管理系统的数据挖掘工具的设计和实现。     

重庆市房地产市场泡沫测度研究

房地产业已经成为中国国民经济的支柱产业.随着房地产市场的快速发展,关于房地产市场是否存在泡沫的问题成为各界关注的焦点.通过选取房地产泡沫测度指标,使用熵权法和AHP法确定指标组合权重,运用功效系数法计算出房地产市场泡沫综合测度系数K,并以重庆市为例进行实证研究.结果表明:在2002,2003和2008年K值处于警戒水平,其余年份K值均处于安全水平,重庆市房地产市场总体发展较为平稳.     

房地产数字化管理信息系统的设计与实现

对房地产管理数字化应用的现状进行了分析,指出了存在的问题和解决方法,并在商用GIS软件Arc GIS的基础上设计了可用于房地产数字化管理的应用系统．对房地产管理信息系统的体系结构、一体化空间数据库的构成以及系统实现过程中采用的关键技术进行了介绍。     

房地产估价的区间数灰色模糊法

考虑到房地产价格影响因素的不确定性和客观区间性,提出了基于市场比较的房地产估价的区间数灰色模糊法.该方法在房地产估价时引入了区间数,并且用灰色系统方法选择影响房地产价格的主要因素,最后利用模糊综合判断方法获得房地产价格的评估结果.算例表明,该方法有较高的精度,并具有有效性和实用性.