区间值属性不完全信息下的数据挖掘

不完全信息下的数据挖掘是一个困难的问题,但它在实际决策中是不可避免的。除空值和层次型概念外,区间值属性的处理是典型的不完全信息问题。本文基于粗集理论和扩张矩阵等理论,首先分析区间值属性的优选是NP问题,然后提出了一种分割极小点区间值属性的启发式决策树生成算法,并构造了概率决策树和模糊决策树,以改进传统决策树数据挖掘方法的不足。     

军事想定数据挖掘技术研究

针对当前作战仿真领域中存在的不能充分理解和使用想定的问题,根据作战仿真工程的需要,提出了一种利用数据挖掘技术帮助理解和使用想定数据的方案.对想定数据的挖掘是文本挖掘的具体应用,其基本过程包括建立语料库、增加词典库、确立特征匹配规则、设计分类学习算法、形式化描述挖掘结果等五个步骤,设计了想定挖掘的工作流程,确定了想定挖掘的基本目标,并根据挖掘过程的特点和技术需求探讨了想定挖掘面临的各项关键技术,对进一步实施想定挖掘的研究具有重要意义.     

自动化系统数据挖掘问题的模拟退火解法

数据挖掘是近年来发展起来的新技术,指挥自动化的辅助决策过程也越来越依靠数据挖掘求解。通过数据挖掘,可以有效地处理海量数据,为正确决策提供支持。模拟退火是一种性能优越的计算智能算法,广泛应用于求解非线性最优化问题。数据挖掘中的数据聚类与模拟退火在本质特性上存在相似,可以将模拟退火应用于数据挖掘。通过蒙特卡罗方法生成随机数据,进行基于模拟退火的聚类分析。算例表明,新方法能够很好地进行数据聚类,具有较好的适用性。     

一种探测shill出价的数据挖掘模型

随着网上拍卖规模的不断扩大，作为最具隐蔽性的在线欺诈形式，shill出价开始引起人们的广泛关注，但由于传统拍卖理论缺乏对shill出价理论的研究，致使至今仍无有效的方法制约shill出价。本文通过引入生物信息学方法，模拟生物基因的遗传变异特性，在基于shill出价规律序列具有遗传变异的基础上，提出了一种探测shill出价规律序列的数据挖掘模型，模型克服了传统方法因shill可能频繁变更用户ID而失灵的问题。     

Outliers Mining in Time Series Data Sets

1 ＩＮＴＲＯＤＵＣＴＩＯＮＫｎｏｗｌｅｄｇｅｄｉｓｃｏｖｅｒｙｉｎｄａｔａｂａｓｅｓ,ｃｏｍｍｏｎｌｙｒｅｆｅｒｒｅｄｔｏａｓｄａｔａｍｉｎｉｎｇ ,ｉｓｇｅｎｅｒａｔｉｎｇｅｎｏｒｍｏｕｓｉｎｔｅｒｅｓｔｓｉｎｂｏｔｈｒｅｓｅａｒｃｈａｎｄｓｏｆｔｗａｒｅａｒｅａｓ.Ｈｏｗｅｖｅｒ,ｍｕｃｈｏｆｔｈｅｒｅｃｅｎｔｗｏｒｋｈａｓｂｅｅｎｆｏｃｕｓｅｄｏｎｆｉｎｄｉｎｇ“ＬａｒｇｅＰａｔ ｔｅｒｎｓ”ｗｈｉｃｈｐｒｅｓｅｎｔｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｉｎｐｕｔｄａｔａｅｘｈｉｂｉｔｅｄｂｙ…     

数据仓库与数据挖掘技术在高校决策中的应用

在高校已有的各部门业务数据库的基础上，根据高校管理的方式和特点，阐述利用数据挖掘技术建立高校数据仓库的思路和方法，并论述将其应用于高校决策的有效性和科学性。     

数据挖掘方法的研究

数据库中的知识发现即数据挖掘是致力于大型数据分析中的半自动工具的研究。讨论了数据挖掘中一些常用的方法 ,特别是频繁发生模式中层次搜索及其在不同领域中的应用。讨论了数据挖掘查询编译成算法的可能性 ,并列举了数据挖掘及知识发现中现存的一些问题。     

基于数据挖掘的语音驱动三维人脸动画合成

提出采用数据挖掘的概念，利用神经网络，聚类以及统计学方法从大量语音视频库中发现语音与唇动以及人脸表情之间的关联模型，并应用于语音驱动人脸动画合成中，本文提出的方法不仅可很好地解决语音与人脸动画的同步，同时还具有易训练，鲁棒性强，可扩展等特性，实验表明，基于数据挖掘技术的合成模型非常有效，极大地提高了动画人物的真实感和可信度。     

基于城市公交探测车数据的分析和处理方法

将智能公交系统的智能车辆作为交通移动采集的一种方式,详细分析了智能公交系统的数据流程及公交车作为交通探测车的可行性,随后本文根据公交探测车GPS数据的时域图和“时间—距离”图分析了公交车的运行状态,并详细推导了基于公交探测车数据的行程时间估计算法。     

DBMiner数据挖掘平台及其应用

数据挖掘是智能信息处理的重要工具。介绍DBMiner数据挖掘平台的组成和原理,提出了多重知识模型的分层数据挖掘方法。基于综合衡量准则的决策性生成算法改善了生成决策树的结构和分类精度,基于遗传算法的n维空间优化参数的搜索算法。该数据挖掘平台已应用于多个应用领域均取得满意结果,介绍了在多元合金材料预报和家庭远程医疗监护方面的应用。     

数据挖掘技术在钢铁行业的应用

数据挖掘技术的核心是从大量运营数据中挖掘出潜在有效的规律为宏观决策服务。结合涟源钢铁集团公司决策支持系统的建设经验,探讨数据挖掘技术在钢铁行业的应用,重点介绍数据挖掘在销售、生产、质量控制等领域的应用,并详细列举数据挖掘在生产和质量控制领域的实例。     

Expert System Based on Data Mining and Neural Networks

1　 IntroductionAlthough there are momentous progresses and application in Expert System ( ES) [1 ] ,thereare some innate limitations resulting from its symbolic information processing mechanism.Here are some problems listed below:the bottleneck of knowledge acquisition,the frailtyof knowledge,the monotony of inference.So a lot of researchers have advanced manyfresh theories and methods. For example,the knowledge representation includes:theobject-oriented and prototype representation techniq…     

金融时间序列的数据挖掘技术与经典统计模型的比较

基于对时间序列的数据挖掘思想与经典建模法的基本思路分析和比较，总结各自的优缺点，并阐述二者是在本质上不同的两类重要的时间序列分析法。     

基于Hadoop云平台的并行数据挖掘方法

业界已经开始运用云平台来处理海量高维数据,将各种异构系统仿真为一个系统,其中在Hadoop环境进行数据挖掘会遇到数据模型的全局性、HDFS的文件随机写操作、数据生命周期短等问题.为解决这些问题,在Hadoop上实现高效海量数据挖掘,提出了在Hadoop上一种高效数据挖掘框架,利用数据库来模拟链表结构,管理挖掘出来的知识,提供了树形结构、图模型的分布式计算方法;在此基础上实现一个统计算法——Yscore分箱算法,以及决策树和KD树的建树算法;并利用Vega云对Hadoop集群进行仿真.实验数据表明该框架和算法实用可行,且可能拓展与数据挖掘之外的其他领域.     

基于数据挖掘的结构模糊控制规则生成与仿真分析

结合智能控制与现代控制理论,在结构控制领域,提出了直接从已有主动控制算法的成功数据样本中提取模糊控制规则的思想和方法。以顶层设置AMD控制装置的五层钢框架模型结构为例,阐述了提取模糊控制规则的步骤,仿真结果证实了所设计的二输入单输出模糊控制器的有效性和鲁棒性。通过76层Benchmark风振模型的模糊控制仿真分析,进一步验证了这种充分利用主动控制算法获取模糊规则思想的有效性。研究成果使结构振动模糊控制器的设计具有一定的依据,为AMD模糊控制走向工程应用奠定了理论基础。     

在线挖掘数据流混合窗口中闭频繁项集

在数据流挖掘中,界标窗体考虑了历史模式对当前挖掘的影响,但没考虑到随时间的推移模式衰减的问题。滑动窗口能记录最新、最有用的模式,但窗口的最佳大小无法准确确定。针对一些仿真系统中具有数据流特点的数据,提出了一种挖掘混合窗口中闭频繁项集的方法T-Moment。该方法能在单遍扫描数据流的条件下完整地记录模式信息。同时,T-Moment提出的减枝方法能很好地降低滑动窗口树F-tree的空间复杂度与闭频繁模式树T-tree的维护代价。此外,该方法提出的时间衰减机制能区分历史和最新模式。大量仿真实验结果表明,T-Moment有很好的效率和准确性。

Abstract：

In data mining,boundary window considers the influence of history pattern to the current mining result,but do not think over mode decaying as time passed. Sliding window can record the latest and most useful patterns,but the best size can not be accurately determined. To aim at data with the characteristics of data flow in some simulation systems,a method for mining the closed frequent patterns in the mixed window of data stream was proposed. The pattern of data stream could be completely recorded by scanning the stream only once. And the pruning method of T-Moment could reduce the space complexity of sliding window tree and the maintenance cost of the closed frequent patterns tree. To differentiate the historical and the latest patterns,a time decaying model was applied. The experimental results show that the algorithm has good efficiency and accuracy.     

在线挖掘数据流滑动窗口中最大频繁项集

相对于频繁项集,最大频繁项集的数目较少,挖掘最大频繁项集的算法具有较高的时空效率.提出了一种新的基于文法顺序FP-Tree的最大频繁项集单遍挖掘算法FPMFI-DS.该算法采用了一种混合搜索空间项顺序策略,并利用我们所提出的一种新的剪枝技术-"子集等价剪枝技术",有效缩小搜索空间的大小.基于该算法,提出了一种能够在线更新挖掘数据流滑动窗口中最大频繁项集的算法FPMFI-DS+.FPMFI-DS+算法能够在任意时刻都维护数据流当前窗口中的最大频繁项集.仿真实验表明,FPMFI-DS算法的效率接近于多遍挖掘算法FPMax*,并具有良好的可扩展性,FPMFI-DS+算法更新挖掘速度快.     

基于PROMETHEE的模式兴趣度评估方法研究

解释和评估模式是知识发现过程中的一个重要步骤。虽然在数据挖掘的算法中通过设置模式的重要性阚值可以消除大量无关模式,但当面对一个大的数据库时,数据挖掘的最终结果依然很大。从客观和主观两个方面分析了模式兴趣度的影响因子,并用多目标决策方法PROMETHEE对数据挖掘的结果进行综合评估,力图最终自动提交给用户的是易于理解的、潜在有用的有趣模式(知识)。最后通过实例说明了该方法的有效性和实用性。     

基于Rough集的空间属性数据挖掘的研究与实践

介绍了地理信息系统（GIS）的概念，深入研究了空间数据库的特性，探讨了Rough集理论，分析了Rough集合和空间数据的关系，讨论了差别矩阵的概念和算法，应用信息熵和模糊数学模型，给出了空间数据库属性数据的数据约减和数据挖掘算法，最后分析了一个应用事例，从而验证了算法的可行性。     

人工神经元网络在空间数据挖掘与知识发现中的应用研究

对常用的空间数据挖掘方法进行分析，认为常用的统计学方法对数据的限制较多，且计算量较大，在应用中有一定的局限性。与此相反，神经网络方法由于其固有的自学习能力和抗干扰能力，在空间数所挖掘领域有着广泛的应用前景。最后在空间数据挖掘领域引入GSOM网络，用于空间聚类，通过实例证明，效果较好。