飞机实时监控数据挖掘方法研究

通过数据挖掘技术分析与飞机运行和维护相关的数据资源来研究一套能及时察觉、分类并预报故障的飞机实时监控系统（Aircraft Real-Time Monitoring ＆ Troubleshooting System,AMTS）,使其能够在优化飞机关键部件寿命的同时减少飞机运行和维护的费用.分析着手于历史维护经验库,结合飞机维护技术文档和相关数据挖掘算法,介绍了构建该系统的原理和方法,并初步实现利用飞机实时故障报文对飞行状态进行实时监控及故障诊断.     

能耗实时监测的数据挖掘方法

针对能耗监测常用的设定能耗阈值方法和基于历史数据的数据分析方法在实时性和智能性方面的不足,提出了一种基于数据挖掘技术的能耗实时监测方法。该方法通过对历史能耗数据进行聚类分析识别耗能体特有的能耗模式集合,对数据分类后获得能耗模式判定树,在能耗实时监测过程中对动态采集的能耗数据进行模式匹配,与相同模式历史数据进行离群点分析,可判别当前能耗是否异常。结合某综合大楼能耗数据进行了实验,验证了该方法及时发现能耗数据异常的有效性。     

基于数据挖掘的齐市地区脑卒中危险因素分层的研究

主要对齐齐哈尔地区脑卒中危险因素进行分层研究。采用的方法是数据挖掘的方法。首先对第一医院门诊就医诊疗的患者进行问卷调查和有关数据的测评,筛查出脑卒中高危人群,并对高危人群进行血脂、血糖、颈动脉彩超等检查。得到初筛信息表等原始数据表。然后对数据进行处理,找到相关研究属性。再通过SQL Server 2008数据挖掘工具建立了数据源和数据源视图,选择决策树的挖掘方法,得到数据挖掘模型。通过挖掘模型把脑卒中危险因素按重要程度分层。分为最主要因素,次主要因素和相关因素。再根据录入的测试数据,进行决策患脑卒中的危险分级。通过实验验证了所建立的决策系统可靠性和可行性。决策系统对于实现脑卒中人群预防和个体保健起到重要的作用。     

大数据时代的数据挖掘技术与应用

随着数据挖掘技术研究的进步与发展,并伴随着大数据概念的提出,将为数据挖掘技术的发展和应用带来一个很大的机遇,数据挖掘技术将进入一个新的发展时期.文章全面介绍了大数据,数据挖掘的基本概念以及数据挖掘的分析方法,最后给出了大数据时代的挖掘技术的应用领域及将来发展方向.     

数据挖掘技术研究

随着信息技术迅速发展，数据库的规模不断扩大，产生了大量的数据。但大量的数据往往无法辨别隐藏在其中的能对决策提供支持的信息，而传统的查询，报表工具无法满足挖掘这些信息的需求。因此，需要一种新的数据分析技术处理大量数据，并从中抽取有价值的潜在知识，数据挖掘（Data Mining）技术由此应运而生。本文主要介绍了数据挖掘的基本概念，以及数据挖掘的方法。     

基于大数据挖掘的数字化图书馆服务新模式研究

大数据环境对图书馆系统结构、服务模式等提出了新的要求.研究了基于大数据挖掘的数字化图书馆服务新模式,分析了大数据环境下图书馆系统的开放式结构、移动互联体系以及信息化服务模式,根据图书馆使用数据特征,给出了数据挖掘方法并通过实例予以说明,在此基础上,提出了基于大数据挖掘的图书馆服务新模式,包括客户定制化服务、移动服务、智能化推送服务以及智能化图书馆管理服务.     

网格计算环境下的分布式数据挖掘

为了提高分布式挖掘系统的性能，分析了现有的分布式数据挖掘系统的不足，提出了一种网格计算环境下的分布式数据挖掘的体系结构，讨论了在该体系结构下如何进行数据挖掘．该体系结构是面向服务的，跨平台的，在该体系结构中，挖掘算法和目标数据源被定义为web服务资源，在需要进行数据挖掘的时候，这些web服务资源被动态地、松耦合地联接在一起，共同完成一次数据挖掘任务．最后，借助网格工具globus toolkit4．0构建了一个局域网网格计算环境，并使用一个关联规则挖掘实例详细地说明了在该体系结构下的挖掘过程，     

数据挖掘技术研究

随着计算机技术和信息技术的发展，数据库的规模不断扩大，如何从中发现有价值的信息或知识，成为一项非常艰巨的任务。一种去粗存精、去伪存真，能够从海量的数据中提取知识和信息的数据挖掘技术应运而生。     

大数据时代下数据挖掘技术的应用

 大数据时代下,数据挖掘技术越来越受到人们的关注。本文介绍了数据挖掘技术的研究背景和研究现状,论述了决策树、支持向量机、神经网络等数据挖掘技术的相关算法,分析了数据挖掘技术在大数据中的相关应用及未来的发展趋势,探讨了在大数据时代数据挖掘技术面临的挑战。     

面向对象的钻井实时计算系统

针对钻井实时计算具有实时性、确定性功能分布、系统复杂性等特点，利用传统的面向对象程序设计工具，构成了满足实时计算要求的钻井实时计算系统．该系统对外部物理过程的状态进行监视．按照一定的数学模型或经验模型进行计算或推理，并根据计算结果或推理结果作出相应的决策，以实现预定的目标．该技术已用于塔里木油田研制的钻井实时监测系统中．完成了该项目所要求的钻井参数的实时采集、实时传输、实时显示、打印、报警、钻井参数入库等功能．     

大数据技术研究综述

介绍了大数据的起源与发展,阐述了大数据的概念及特征.在此基础上,总结了大数据处理的一般流程和关键技术.最后,指出了大数据技术面临的挑战.     

云计算图书馆的大数据知识服务研究

梳理了云计算图书馆的大数据知识服务研究现状,概括了其主要特点,并对5G时代云图书馆大数据知识服务进行展望.     

Decentralized Multigrid for In-situ Big Data Computing

Modern seismic sensors are capable of recording high precision vibration data continuously for several months. Seismic raw data consists of information regarding earthquake's origin time, location, wave velocity, etc.Currently, these high volume data are gathered manually from each station for analysis. This process restricts us from obtaining high-resolution images in real-time. A new in-network distributed method is required that can obtain a high-resolution seismic tomography in real time. In this paper, we present a distributed multigrid solution to reconstruct seismic image over large dense networks. The algorithm performs in-network computation on large seismic samples and avoids expensive data collection and centralized computation. Our evaluation using synthetic data shows that the proposed method accelerates the convergence and reduces the number of messages exchanged. The distributed scheme balances the computation load and is also tolerant to severe packet loss.     

基于大数据分析的用户需求挖掘研究

首先介绍大数据、大数据分析以及用户需求挖掘的相关概念,论述大数据对用户需求挖掘的影响,并对不同行业用户需求挖掘的案例进行研究分析,由浅到深地研究了大数据分析在用户需求挖掘这一方面的影响及重要性。     

大数据与云计算

大数据（Big Data）这个概念近年来在越来越多的场合、被越来越多的人提及,并且经常和云计算联系在一起,云计算与大数据之间到底是什么关系成为热点话题。本专题报告包含以下四个方面内容：1.大数据的价值;2.大数据带来的挑战;3.大数据研究成果;4.云计算是大数据挖掘的主流方式。通过本报告阐述我们对大数据的理解,以及对大数据的价值的认识,探讨大数据处理与挖掘技术,论述以下观点：没有互联网就没有云计算模式,没有云计算模式就没有大数据处理技术,也就没有大数据挖掘技术。     

基于关联规则挖掘算法的研究

关联规则挖掘是从大量的数据中挖掘出有价值描述数据项之间相互联系的有关知识.对于大型数据库来说,有算法的执行时间太长等问题.分析和探讨了Apriori算法,提出了基于Apriori算法的一种有效的关联规则挖掘算法,减少了数据库I/O操作时间,从而提高了效率.     

数据科学与大数据技术专业建设研究

数据科学与大数据技术专业作为国内最热门的新增专业被广泛关注,但是如何进行专业建设成为各高校的难点问题。论文对国内首批和二批开设数据科学与大数据技术专业的学校进行系统调研,重点从开设学院、人才培养、特色课程等方面进行总结分析,最后给出大数据专业在课程体系、师资队伍、实践平台等方面的问题及建议,为应用型本科高校专业建设提供参考。     

云计算环境下移动大数据合理分流方法研究

采用传统方法对移动大数据进行分流时,结果不合理,对不同处理器的分流均衡性较差。为此,提出一种新的移动大数据合理分流方法。给出云计算环境下移动大数据分流平台整体结构,在云计算环境中每个可编程交换机上安装移动大数据分流单元。将移动大数据分流问题转换成求解最优解问题,通过状态反馈实现分流。将优化分解方法与拉格朗日乘法结合在一起完成分布式计算,获取移动大数据在链路上的均衡分流模型。采用交换机分流单元获取云计算环境下网络的分流状态,求出此时收益函数的偏导数,将两者相加获取最终分流结果。对移动大数据分流延迟进行分析。实验结果表明,所提方法能够保证分流均衡性和合理性。     

云计算环境下关联规则数据挖掘算法研究

在海量数据的关联规则数据挖掘中,采用并行计算是非常必要的;针对当前的关联规则算法,运用并行算法的思想,结合云计算环境下的Hadoop架构,提出了Hadoop下的并行关联规则算法的设计,最后实验表明,该算法能处理节点失效,并且能实现节点负载均衡。