一种新的规则获取增量式算法

对新增样例给出了新的分类,针对此分类提出了新的规则获取的增量式学习算法DLR I,并就该算法与经典算法的复杂性进行了分析比较,得出增量学习算法较经典算法有较低的时间复杂性,可以有效地提高大型数据库的规则维护效率.     

基于频繁模式树的约束最大频繁项目集挖掘算法研究

目前绝大多数频繁项目集(或最大频繁项目集)挖掘算法并没有考虑相关领域知识,其结果会产生许多无关的模式.因此,发现约束频繁(或约束最大频繁)项目集是多种数据挖掘应用中的关键问题,然而,这方面的研究工作却很少.为此该文提出了一种快速的基于频繁模式树(FP-tree:一种扩展前缀树结构)的约束最大频繁项目集挖掘及其更新算法.实验结果表明该算法是快速有效的.     

发电偏离电量的网损影响

运用发电偏离电量与网损分配的数学模型,通过特定电网对电量偏离的特征和影响进行了计算与分析.由于电源点离负荷中心的电气距离不同,形成了两种典型的发电偏离电量网损微增特性.按照发电偏离电量对电网运行的影响,提出了3种偏离程度的认定与划分判据.此方案已被电力部门采纳,经实际运行,证明是切实可行的.     

大数据中心的数据备份策略及实现

对大数据中心的数据备份策略及设计进行了详细的阐述，提出了两种大数据中心的数据备份的解决方案。     

基于事务线索树的一次扫描关联规则增量挖掘算法

首先将事务数据库压缩存储到一棵事务线索树(TT-tree)的结点上，并建立这些结点的索引表，然后寻找结点索引表的最后结点到根结点的全部路径，这些路径及路径的交集包含了用于挖掘关联规则的频繁集，该算法只需扫描事务数据库一次，由于采用了逆向搜索TT-tree的方法,搜索的时间开销非常少，该算法可以挖掘中短模式的海量数据，具有很好的伸缩性,同时该算法具有增量挖掘的功能，通过大量的实验数据进行比较。该算法的速度约是Apriori算法的10倍。     

超市消费行为分析中的增量挖掘系统原型

介绍了一个应用增量更新技术开发的超市消费分析系统原型，源数据库已有的分析模型，对新数据进行增量挖掘，减少了对数据库扫描的次数，提高运行效率，加快了系统的反映速度，符合CRISR-DM模型的要求，具有一个实用的数据挖掘系统的特征．     

动态的 SDN 网络流量模式增量学习算法

针对基于人工神经网络的流量统计特征学习算法在动态适应性和可扩展性等方面尚显不足.提出了一种基于增长型自组织映射(GSOM)的增量学习算法,对软件定义网络(SDN)数据平面交换机的流表统计信息进行持续学习,动态获取网络流量的GSOM神经网络模型.基于DARPA99数据集的实验结果表明:所提出的算法能够通过学习确认安全的SDN流量,获得稳定、可塑的流量模式,对异常流量也有较高的敏感度.     

基于负荷率差别定价的分时输配电价优化模型

输配电价是电力市场改革的关键,是推进售电市场放开的重要基础.随着输配电价改革不断深入,不同类型的输配电价定价方法亟待研究.本文以大工业用户输配电价为研究对象,首先,引入汉森门槛模型,内生性划分大工业用户的负荷率区间;其次,建立输配电网长期增量成本分摊模型,提出基于负荷率差别的输配电价定价方法,并借鉴分时电价思想,构建基于负荷率差别定价的分时输配电价协调优化模型,设计分电压等级、计及负荷率差别的分时输配电价;最后,以我国中部H省大工业用户为例,验证所提模型可行性.研究结果表明,所提分时输配电价定价方法吸收了负荷率电价和分时电价优点,能够兼顾效率与公平,同时有效调节电力用户需求,实现削峰填谷,一定程度缓解输配电网阻塞问题.     

基于部分支持度树的关联规则增量式更新算法

关联规则挖掘是数据挖掘技术的一种简单又很实用的方法,有着广泛的应用。该文利用部分支持度树的结构提出了对关联规则的增量式更新算法,用于解决向数据库中添加新的数据而最小支持度不发生变化时的关联规则更新问题。该算法有效地利用已挖掘的关联规则和保留的部分支持度树来改善性能,并且只需对新增数据库部分进行一遍扫描,从而进一步提高算法的效率。实验结果表明,该算法能有效地解决关联规则的更新问题,提升挖掘效率。     

钢筋混凝土结构的动力增量分析

结合钢筋混凝土的材料特性,介绍了基于ANSYS软件对钢筋混凝土结构进行非线性分析的重要问题,探讨了ANSYS在预处理模块、分析计算模块和后处理模块中的具体技术要点。文章重点介绍了动力增量分析方法的原理,通过与push-over方法的对比,得出了该方法所具有的优势,并通过针对钢筋混凝土结构来具体介绍增量动力分析法的应用。