基于聚类分析的短期负荷智能预测方法研究

短期电力负荷预测作为电网企业的基本工作,其精度的提高对于电网企业运营管理和调度管理具有较大的意义,然而由于电力负荷受到诸多非线性因素的影响,因此得到高精度的电力负荷预测结果是比较困难的.本文首先利用数据挖掘中的k-means聚类技术对训练集的气象数据进行聚类分析,分析提取相似日,在提取相似日的相关历史数据后,建立支持向量机模型进行短期电力负荷预测.经算例结果证明,由该方法得出的预测结果平均相对误差为0.88%,和同结构支持向量机预测的平均相对误差(1.66%)以及ARMA预测的平均相对误差(3.81%)相比,预测精度得到明显的提高,证明了该方法的有效性.     

洛阳居民健康云服务平台的设计

采用智能云技术实现了移动客户群体的生命体征信息的便携式采集。通过简化的通信协议,实现了服务器端对海量的生命体征信息进行数据分析和数据挖掘,并在客户端用图形化方式进行显示。集成这些功能,实现了洛阳居民健康云服务平台,该平台已成功应用于洛阳市公共健康信息管理中心。     

基于云计算技术的Web数据挖掘的算法研究

本文提出一种基于云计算的web数据挖掘算法,云计算技术将大数据集与进行数据挖掘的人员分配到多台计算机工作站上进行并行处理。Web数据挖掘是指探寻网络中的大量有用信息进行分析,选择和存储有用的信息。利用云计算技术可以明显提高web数据挖掘的效率。     

华院数据技术(上海)有限公司

<正>正直诚实、创新卓越、耐心专注、合作进取、开放平等、宽松高效华院数据技术(上海)有限公司("华院数据"——2012年8月由华院分析与德盈数据合并)成立于2002年3月,是国内目前为数很少的以高水平的数据挖掘和数据分析为核心能力的专业服务公司。华院数据提供基于数据挖掘的面向营销分析和管理、客户关系管理和决策支持的应用软件和咨询解决方案,以通过"数据分析及挖掘"推动"科学决策"和"管理优化"为使命;强调诚实、严谨、实用的研究作风;不断追求更加卓越的分析水平;在长期的经营实践中始终保持"客户满意度-员工满意度-社会满意度-股东满意度"的平衡与统一。     

基于数据挖掘的上市公司财务危机预警研究

随着企业内外环境因素的日益多变,企业面临的各种不确定性和风险增加,企业发生财务危机的概率增加,财务危机预警研究可以帮助企业提前预防危机的发生,采取有效措施,保证企业健康发展。选取2013年被宣布特别处理公司中的21家ST公司与对应的89家非ST公司为研究样本,在Z-SCORE财务预警模型的基础上,利用数据挖掘时序分析方法,根据ST公司被宣布特别处理前5年及非ST公司的相对应年度的财务数据,对2012、2013年的Z-SCORE值进行预测。从2个方面对预测结果数据进行分析,一是对2012年预测值与真实值进行比较,检验预测准确率;二是根据2013年预测值与实际发生财务危机的可能性进行对比,检验其判断正确率。通过比较分析,以上两种情况的准确率和判断正确率均达到80%以上,说明采用的分析方法具有广阔的应用前景。     

基于作者引用文献关系的潜在研究兴趣主题发现简

扩展LDA（latent dirichlet allocation）模型,提出基于作者引用文献关系的作者-兴趣主题-文献模型。每个作者被分配一个在所有主题上的多项概率分布,每个主题被分配一个在所有文献上的多项概率分布。在DBLP（digital bibliography ＆library project ）文献引用关系数据集上的实验表明,所提模型能有效地提取一个研究领域的主要潜在研究兴趣主题及其所包含的代表性文献,并能挖掘每个作者属于每个研究兴趣主题的分布。     

基于事务型滑动窗口的数据流中高效用项集挖掘算法

由于能反映用户的偏好,可以弥补传统频繁项集挖掘仅由支持度来衡量项集重要性的不足,高效用项集正在成为当前数据挖掘研究的热点.为使高效用项集挖掘更好地适应数据流环境,提出了一种基于事务型滑动窗口的数据流中高效用项集挖掘算法MHUIDS.首先在二进制向量的基础上,提出了高事务加权效用项集树(HTWUI-树)的结构.进而分别给出了事务型滑动窗口初始化与滑动的算法描述.最后,提出了高效用项集的剪枝策略与挖掘算法.实验结果表明,MHUIDS算法具有较高的挖掘效率及较低的存储开销.     

数据挖掘技术在高校图书馆中的应用探索

通过数据挖掘技术的应用,对图书馆产生的检索数据、流通数据等进行分析,得出各类文献的查询率、利用率、缺失率、复本量,及时进行调整,优化馆藏资源结构.通过对各类读者的关联数据分析,根据读者需求,提供个性化的服务.     

基于FP_tree的最大频繁模式挖掘算法的改进

基于条件模式树的最大频繁模式挖掘算法在挖掘过程中将扫描事务数据库两次,且产生了大量的候选项目集,产生最大频繁模式过程中比较次数较多,总体效率较低.提出改进后的最大频繁模式挖掘策略,利用二维表保存事务出现项目的情况,通过最大频繁模式的相关性质减少了挖掘的项数及产生的频繁模式集,减少比较的次数.     

一种改进的基于云平台的物联网数据挖掘算法

物联网数据挖掘处理的是海量数据,当前数据挖掘的一个研究热点就是在大规模数据集中快速有效地提取用户所需的信息。对传统Apriori算法做相应的改进,使得检索出全部的频繁项集,只要对事务数据库进行一遍扫描就可以完成,将该Apriori算法进行Map/Reduce化,利用云计算的分布式并行计算的性质,将其应用到基于云计算的物联网数据挖掘,实验验证了改进的Apriori算法的有效性。