基于Web的数据挖掘技术与应用研究

如何从各类数据仓库海量的数据中发现有用的知识是一个迫切需要研究的课题.因此,数据挖掘应运而生,成为一个全新的研究领域.而随着目前WWW的广泛应用及相应的Web技术的出现,也使数据挖掘的研究进入了一个新的阶段;综述了Web挖掘的主要技术及其实际应用.     

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．     

管理分类规则的广义决策树

为了将传统的决策树无法管理的、由各种分类算法所发现的大量的有意义的规则进行有效的存储、剪裁和使用 ,提出了广义决策树结构。它将传统决策树的结构进行扩展 ,能够以较少的存储代价管理所发现的所有分类规则 ,且易于表达规则之间的关系。提出了有效的优化策略。以此树为基础 ,将决策树分类算法与基于关联规则的分类算法进行了概括统一 ,并提出了相应的算法。实验结果证明 ,广义决策树克服了传统决策树的缺点 ,并且适宜于维护、剪裁以及快速搜索大量的分类规则     

分布式数据库约束性关联规则挖掘

针对分布式数据库和约束条件的特点,提出了2种在分布式环境下挖掘约束性关联规则的有效算法,即基于Apriori算法的DMAIC算法和基于频繁模式树的DAMICFP算法.此外,进行了实例验证和测试分析,指出了这2种算法各自的优缺点及适用条件.研究结果表明:DMAIC算法可靠性高,通信协议简单,适用于对通信性能要求不高的分布式数据库;DAMICFP算法执行效率高,通信性能好,适用于对通信性能要求较高的多项目分布式数据库;这2种算法均能有效地解决分布式挖掘约束性关联规则的问题.     

一种区间值聚类的数据挖掘方法

提出了一种区间值聚类的数据挖掘方法。该方法首先将数据库中的数据按照属性进行聚类,将它们划分为若干区间,对于同一区间中的数据赋予相同的编号,以此处理直至数据库的最后一个属性。在完成这种转换后即可使用关联规则的挖掘方法。该方法与传统的数据挖掘方法相比更加符合实际。大量的仿真数据集和真实数据集的实验结果表明该算法是有效的。     

基于FP-tree和支持度数组的最大频繁项集挖掘算法

提出了一个基于频繁模式树即FP-tree和支持度数组相结合的最大频繁项集挖掘算法,首先建立FP-tree,同时建立支持度数组,然后在此基础上建立最大频繁项集树MAXFP-tree,MAXFP-tree中包含了所有最大频繁项集,缩小了搜索空间,提高了算法的效率。算法分析和实验表明,该算法对稠密型数据集和稀疏型数据集均适用,并且特别适于挖掘具有长频繁项集的数据集。     

一种基于自组织分级聚类的数据挖掘方法

针对传统自组织聚类方法处理数据在多维空间中存在多样性和从基本或低层次概念上发现强关联规则中的不足，提出了一种基于自组织分级聚类的数据挖掘方法．该方法采用最大似然分类自组织特征网络（MAXNET）聚类过程，利用自下而上聚合层次聚类方法，对有畸变的二值化输入模式作最大似然分类．最后对一个销售电脑商场中，与任务相关的交易数据集进行了分析，描述了从低层次概念到高层次概念的相互关系．并用matlab仿真软件把该方法和传统方法进行比较，表明了该方法的有效性．     

任意形状工作面开采地表移动变形预计的算法实现

针对目前矿山生产的现状，对任意形状工作面开采地表移动变形的预计算法进行了研究。应用概率积分法的基本原理，结合生产实际，运用VC 语言，开发了地表移动变形预计系统。本系统采用面向对象的技术和方法进行数据组织，基于剖面线算法实现图形分割和网格的自动生成，实现了任意形状工作面开采的移动变形预计、预计结果的可视化输出。     

装车站运输作业过程的可靠性研究

针对装车站站停时间的分布问题,采用分析方法,对装车站站停时间的分布规律及影响因素进行分析,探讨提高装车站作业过程可靠性的措施.根据装车站大量翔实的数据,在统计站停时间、装车时间、待机时间的分布规律基础上,建立了可靠性模型,进行了可靠性分析计算.研究结果表明,装车站作业过程的可靠性主要受装车作业时间、机务作业时间的影响.     

工业造型设计的基本形态和形态构成

本文主要介绍了工业造型设计的形态和形态构成的一些基本知识。