数据挖掘中决策树算法的研究

决策树算法是数据挖掘中重要的分类算法,本文首先阐述了数据挖掘中决策树的基本思想,然后针对ID3算法倾向于取值较多的属性的缺点。对ID3算法予以改进,并通过实验对改进前后的算法进行了比较,实验表明改进后的算法是有效的。     

快速数据读取技术的实现

为提高通过Web Services获取数据的速度,提出了一种基于.Net的AppDomain技术和远程对象调用技术,突破Windows系统的线程限制,以最快的速度从数据供应商那里获取数据的一个业务无关模型,并对此模型的一个典型应用--股票系统的应用进行了讨论.基于此模型,用户可以自由设定并发线程的数目来获取数据,不必受到并发线程数目的限制,也不必修改TCPIP.SYS文件.在IBM xSeries X206m服务器上测试结果表明,与不用Domain技术测试比较,可以提高20倍左右的效率.同时,此模型可以经过简单的修改,应用在各种对速度有严格要求的系统中.     

基于无线传输的智能小区门禁系统设计

设计了基于无线传输的智能小区门禁系统,介绍了系统的读卡模块、无线数据传输模块、液晶显示模块、随机密码键盘模块。设计了以大容量串行e-Flash MM36SB020为载体的16×16点阵字库。针对数据传输中易出现的网络冲突问题,在通信协议中提出了随机延时的解决方案。     

The Role of Survey Data in Nowcasting Euro Area GDP Growth

This paper evaluates the impact of new releases of financial, real activity and survey data on nowcasting euro area gross domestic product (GDP). We show that all three data categories positively impact on the accuracy of GDP nowcasts, whereby the effect is largest in the case of real activity data. When treating variables as if they were all published at the same time and without any time lag, financial series lose all their significance, while survey data remain an important ingredient for the nowcasting exercise. The subsequent analysis shows that the sectoral coverage of survey data, which is broader than that of timely available real activity data, as well as their information content stemming from questions focusing on agents' expectations, are the main sources of the ‘genuine’ predictive power of survey data. When the forecast period is restricted to the 2008–09 financial crisis, the main change is an enhanced forecasting role for financial data. Copyright © 2015 John Wiley & Sons, Ltd.     

基于小波变换和凸集投影的数据恢复和建模算法

在过程控制中,当参数仅能以低采样率获得时,数据恢复就在建模中显得非常重要.本文提出了基于小波变换和凸集投影的数据恢复和建模算法.待恢复数据的先验知识采用凸集表达,并利用向凸集迭代投影(POCSProjection onto Convex     

一种通用的分布式实时数据显控方法

提出了基于控制文件的通用分布式实时数据显控方法,给出了其总体逻辑结构及数据显控总流程,描述了显示数据与控制文件中显示控制说明项的对应关系,最后给出了一种高效、灵活、易扩充的控制文件实现方法。     

DMGSP:一种快速分布式全局序列模式挖掘算法

为了解决分布式环境下挖掘全局序列模式常产生过多候选序列,加大网络通信代价问题,提出了一种基于分布式环境下的快速挖掘全局序列模式算法--DMGSP.该算法将分布式环境下的各站点得到的局部序列模式压缩到一种语法序列树上, 避免了重复的序列前缀传输. 采用合并树中结点序列规则和项序扩展策略,对非频繁序列进行剪枝,有效地约简了候选序列,减少了网络传输量,从而快速生成全局序列模式.算法分析和实验结果表明,在大数据集环境下的DMGSP算法性能优越,能够有效地挖掘全局序列模式.     

一种高效挖掘高维数据的频繁闭合模式算法

为了克服传统高维数据挖掘频繁闭合模式算法迭代产生子表,引起算法执行时间长和存储开销大等问题,提出了一种高效挖掘高维数据的频繁闭合模式的算法EMHCP. EMHCP算法采用一种新型结构位图表来压缩存储数据,在仅扫描数据库一次后,建立位图转换表.根据位图转换表来构建混合树结构,采用深度优先的方式和有效的剪枝策略高效挖掘出所有的闭合模式.从而有效地缩小了搜索空间,加快了处理速度.通过在生物数据库应用的实验结果表明, EMHCP算法比已有的CARPENTER和TD-close等算法更为有效.     

氨基酸系列水杨醛希夫碱与四苯基卟啉结合金属离子能力之比较

合成了甘氨酸(Gly-Schiff base)、L-苯丙氨酸(L-Phe-Schiff base)及L-天冬氨酸(L-Asp-Schiff base)3种氨基酸水杨醛希夫碱(AAS)及其4种金属离子Cu2 、Fe2 、Ni2 、Zn2 配合物(MAAS),将四苯基卟啉(TPP)直接加入MAAS的氯仿溶液中,研究其紫外-可见电子吸收光谱.分析了卟啉作为信号转导体系中信号传递中间介质,实现人工细胞信号转导体系中信号传递的可能性.表明Cu2 、Ni2 能够在常温常压下被卟啉从希夫碱上夺取下来,形成金属卟啉配合物.这说明在文中所构建的人工细胞信号转导体系中,加入卟啉分子可以将信号分子Cu2 进行下一步的传递.     

大数据在基础教育管理与决策中的应用研究

进入大数据时代后,基础教育管理和运行迎来了更多的发展机遇,基于大数据的预测、分析将逐步融入基础教育管理和决策中。大数据技术和思维将影响基础教育管理与决策的各个环节,影响基础教育发展规划,改变基础教育教学评价体系,甚至在基础教育教学思维中产生深远的影响。基础教育管理工作者应主动研究和思考,以积极的态度迎接大数据时代的来临。