基于BP神经网络的数据挖掘技术的研究

研究如何将BP神经网络与数据挖掘技术相结合,从海量数据中挖掘出潜在的有用的信息.介绍了数据挖掘以及神经网络的概念,分析了数据挖掘技术的处理过程以及BP神经网络的原理,阐述了数据挖掘技术与神经网络结合的关键技术及实现方法.     

粗糙集理论及其在数据挖掘中的应用

Rough sets理论被广泛运用于不确定环境下的信息处理.基于粗糙集理论的数据挖掘技术正日益受到计算机科学家和数学家的重视.笔者介绍了粗糙集理论的发展过程和基本特点,粗糙集理论在数据挖掘中的应用,以及典型的基于粗糙集的数据挖掘系统,并介绍了粗糙集理论的研究方向和研究领域,最后论述了粗糙集理论与其他智能化方法结合起来处理信息的必要性.     

数据挖掘在入侵检测中的应用

随着互联网的迅速发展,许多新的技术被引入到网络安全领域.数据挖掘是一种通用的技术,它是从大量的数据中提取人们感兴趣的模式的过程.将数据挖掘技术应用到网络安全当中,建立网络入侵检测系统模型,是数据挖掘技术应用的一个新领域.本文重点介绍了数据挖掘(Data Mining)以及它在入侵检测(Intrusion Detection,ID)中的应用:包括数据挖掘与入侵检测的定义、应用、主要算法等.最后还讨论了本领域存在的问题.     

模糊数据挖掘在决策支持系统中的应用

论述了数据挖掘技术和数据仓库技术以及模糊理论和数据挖掘的结合及其发展．具体介绍了模糊数据挖掘及其步骤，并用一个具体实例说明了模糊数据挖掘的优势所在．     

基于数据库和知识库的知识发现研究综述

介绍了知识发现技术的总体研究情况,包括KDD的定义、若干基本概念、主要过程和步骤、KDD的分类和主要技术手段、发展趋势以及KDD的主要应用领域.同时也指出了数据挖掘研究的挑战性以及目前的局限性,结合一些新的研究成果,探讨了基于知识库的知识发现(KDK)和数据库-知识库协同知识发现(KDD&K)的理论框架.     

基于决策树的数据挖掘算法的应用与研究

数据挖掘是指从数据库中抽取隐含的、具有潜在使用价值信息的过程,是一种新型的数据分析技术.研究数据挖掘中的决策树算法以及决策树算法在具体的客户关系管理系统中的研究与分析,对数据挖掘中的决策树技术做了详细的描述.     

数据挖掘与知识发现

数据挖掘和知识发现技术是人们长期对数据库技术进行研究和开发的结果.随着数据库应用领域的不断拓展,为满足应用对数据处理不断"苛刻"的要求,数据库系统必须引入新的数据处理技术.如何从大规模数据库中发掘深层次的知识和信息,而不仅仅是那些从传统数据库查询方法所获得的内容,这方面的研究正受到越来越多的关注.本文重点介绍了数据挖掘(Data Mining)和知识发现(Knowledge Discovery in Databases)中的一些内容:包括数据挖掘的定义、方法、任务等,最后还讨论了本领域未来的发展和面临的挑战.     

数据挖掘技术在互联网时代的应用探究

该文针对数据挖掘技术在互联网时代的应用一题进行了深入的研究,其中包括数据挖掘技术的概念介绍,数据挖掘技术的基本分析方法以及数据挖掘技术对于数据的预处理方式等,以期能够对各位同仁带来一些具有参考性的意见。     

基于网格的汽车耐撞性数值分析系统及其应用

基于网格技术以及数值分析理论,分析了网格应用中间件以及具有4层结构的汽车耐撞性数值分析网格体系结构,结合耐撞性理论,提出了汽车耐撞性协同仿真和分布式耐撞性数据挖掘方法,实现了汽车耐撞性协同仿真应用系统与汽车耐撞性数据挖掘应用系统的融合.同时,结合应用实例,将所提出的方法及系统应用于汽车协同仿真及耐撞性数据挖掘活动中,取得了良好的效果.     

数据挖掘综述

数据挖掘是人们长期对数据库技术进行研究和开发的结果,是当前计算机科学研究的活跃领域.本文介绍了数据挖掘的定义、功能以及数据挖掘的过程,论述了数据挖掘的常用技术,介绍了数据挖掘的应用,最后结合当前新的研究成果,分析了数据挖掘领域的发展趋势.     

粗糙集理论及其应用进展

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具。目前已在人工智能、知识与数据发现、模式识别与分类、故障检测等方面得到了广泛应用。首先描述了粗糙集的基本算法及其复杂度 ,包括等价关系 ,上下近似及各种约简算法 ;接着对粗糙集扩展理论 ,如可变精度模型 ,相似模型等进行了讨论 ,然后对粗糙集在数据挖掘、大数据集、粗糙逻辑、多方法融合等领域中的应用进展情况进行了论述 ,最后给出了建议的研究方向     

一个简单的Web日志挖掘系统

在分析Ｗｅｂ日志挖掘的困难及对策的基础上,给出了一个简单的Ｗｅｂ日志挖掘系统（ＳＷＬＭＳ）的体系结构,具体介绍了ＳＷＬＭＳ中日志的预处理过程,包括数据净倾、用户识别、会话识别、路径补充的主要任务及其实现,并着重介绍了预处理之后的序列模式识别过程和算法,包括最大向前路径的识别和频繁遍历路径的发现,并给出了实验结果。     

基于故障重构预测的舰艇水轮发电机故障信号挖掘方法

当前舰艇水轮发动机故障检测都是根据实际采集的故障特征信号以模式识别理论为基础,完成故障信号挖掘,受到真实空间弱信号和失真信号难以表达的影响,故障挖掘效果很差。提出运用虚拟空间信号重构理论进行舰艇水轮发电机故障挖掘,构建以信号群集合为元素的虚拟空间,通过故障重构预测技术对故障幅值进行预测,以预测值和真实幅值出发进行故障重构,重构结果融入规范的置信度以及支持度使其反映真实故障值特征,实现舰艇水轮发电机故障数据的准确挖掘。实验数据说明该方法可对舰艇水轮发电机故障数据进行高效、准确的挖掘。     

支持向量机的凸优化求解

支持向量机(SVM)是一种基于统计学习理论的机器学习方法,由于其优越的学习性能,已经成为当前模式识别、数据挖掘、大数据处理等机器学习领域的研究热点.查阅相关同类文章,发现其中对SVM理论中公式,如距离函数d、拉格朗日函数L(w,b,α)、二次凸优化函数f(x)等的来龙去脉缺少细致的阐述.本文对SVM理论中典型的线性最优二分类问题的求解进行了完整的推导,并给出了对岩屑岩性分类识别的结果,也为今后的非线性多类模式分解作出铺垫.     

基于粗糙集的数据挖掘

粗糙集理论是一种研究不完整、不确定知识处理的数学工具 ,近几年来在机器学习、知识发现、算法研究、工程应用、决策支持系统以及模式识别等应用中取得了较好的成果 .阐述了粗糙集理论的基本思想 ,介绍了人工智能中数据挖掘的一般过程及其方法     

自动电压控制中不良数据辨识的研究

自动电压控制（AVC）系统由于缺少对发电厂遥测量数据的真实性进行有效和准确地辨识，容易引起装置误动。支持向量机（SVM）是数据挖掘中一种具有优良模式识别性能的新方法。本文提出了利用SVM建立辨识发电厂遥测量中不良数据的模型：首先应用SVM非线性回归对各种运行情况下发电厂正常的遥测数据进行曲线拟合（即训练）；然后运用训练好的模型对历史遥测数据(包括正常遥测数据和不良遥测数据)进行预测，取得预测值与实际遥测数据的误差百分比；再结合历史遥测数据正确与否，应用SVM分类功能训练分类网络；最后将实时遥测数据输入到训练好的曲线拟合网络和分类网络中，就能够迅速判断该遥测数据是否为不良数据。仿真算例验证了SVM模型的有效性和准确性。     

基于F-score的大数据公共空间模式选择方法

公共空间模式（CSP） 分析由于具有变换简单、实现快速等优点,被广泛应用于信息挖掘、脑电信号处理等大数据处理应用中.本文以基于脑电信号的人类认知状态分类识别为背景,研究一种基于Fisher 分数（Fscore）的特征评价与选择的CSP 构建方法.利用F-score 计算代价小、可以快速从高维数据中选择出有效信息和特征的优点,实现了对模式重要程度做出定量的表达;针对F-score 阈值确定困难、信息冗余、无法自适应实现等难点问题,提出了相应的解决方法.所提出方法在脑认知活动解析实验中,针对五类认知状态分类问题取得了92%的识别准确率.本方法为大数据的公共模式挖掘等问题供了一个强有力的新工具.     

煤层稳定性模糊模式识别评价方法

 基于模糊模式识别理论,研究了不同类型煤层稳定性的综合量化评价方法。在分析煤层稳定性关键影响因素的基础上,确定了煤层稳定性评价的特征因子,构建了不同类型煤层的模糊评价语言模式及其隶属函数,提出了煤层稳定性模糊模式识别评价方法。通过实例评价,验证了该方法的可行性,结果表明,该方法可实现对煤层稳定类型的定量划分和归属判定,可为煤层的可采性分析、开采安全性评价以及采煤方法的选择提供依据。     

基于DS理论的不确定空间co-location模式挖掘

 提出一种基于DS理论的co-location挖掘方法.先将数据集按照空间对象分类,然后从分类后的子数据集中依次提取该空间对象的实例,与其他空间对象数据集中的各个实例进行配对,将找到的各实例关系记录到一个新的关系表中,作为使用DS理论求解的基础.从一个新的角度来研究co-location挖掘技术,在DS理论的基础上重新定义了参与度,基于新定义的参与度来求解co-location模式.     

基于粗糙集理论的冠心病病因分析与研究

粗糙集理论作为一种处理不确定信息的新型数学工具，已被成功地应用于机器学习、决策分析、过程控制、模式识别与数据挖掘等领域．本文中，利用粗糙集理论和概率统计方法分别对一些冠心病病例进行了分析处理，找出了导致冠心病发生的易患因素以及根据已有病例提取出了冠心病新的诊断规则，实例证明了方法的有效性和可行性．