一种新的规则获取增量式算法

对新增样例给出了新的分类,针对此分类提出了新的规则获取的增量式学习算法DLR I,并就该算法与经典算法的复杂性进行了分析比较,得出增量学习算法较经典算法有较低的时间复杂性,可以有效地提高大型数据库的规则维护效率.     

大数据中心的数据备份策略及实现

对大数据中心的数据备份策略及设计进行了详细的阐述，提出了两种大数据中心的数据备份的解决方案。     

基于事务线索树的一次扫描关联规则增量挖掘算法

首先将事务数据库压缩存储到一棵事务线索树(TT-tree)的结点上，并建立这些结点的索引表，然后寻找结点索引表的最后结点到根结点的全部路径，这些路径及路径的交集包含了用于挖掘关联规则的频繁集，该算法只需扫描事务数据库一次，由于采用了逆向搜索TT-tree的方法,搜索的时间开销非常少，该算法可以挖掘中短模式的海量数据，具有很好的伸缩性,同时该算法具有增量挖掘的功能，通过大量的实验数据进行比较。该算法的速度约是Apriori算法的10倍。     

联机增量聚类算法研究

研究了联机数据挖掘系统中的并行和增量聚类算法,并给出了算法伪码。实验表明,联机增量聚类算法相对于传统的Apriori算法具有较大优势,同时证明了增量聚类算法及其联机数据挖掘系统的实用性。     

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．     

动态的 SDN 网络流量模式增量学习算法

针对基于人工神经网络的流量统计特征学习算法在动态适应性和可扩展性等方面尚显不足.提出了一种基于增长型自组织映射(GSOM)的增量学习算法,对软件定义网络(SDN)数据平面交换机的流表统计信息进行持续学习,动态获取网络流量的GSOM神经网络模型.基于DARPA99数据集的实验结果表明:所提出的算法能够通过学习确认安全的SDN流量,获得稳定、可塑的流量模式,对异常流量也有较高的敏感度.     

考虑填充墙刚度影响的实测高层建筑非线性抗震性能分析

以广西来宾高层建筑测试项目中的一栋剪力墙结构为研究对象,在对其进行环境振动测试的基础上,依据现场实测模态数据对建立的结构有限元模型进行参数修正,评估结构的抗震性能.在Perform-3D中建立该高层结构的初始有限元模型,采用与PKPM设计模型相同的处理方式研究填充墙的影响,结构的模态周期计算结果表明,两类模型具有较好的可比性.通过在Perform-3D模型中添加斜撑单元对填充墙进行模拟,利用现场实测数据对斜撑单元的特征参数进行修正.对考虑和未考虑填充墙刚度影响的结构有限元模型分别进行了增量动力分析,评估潜在危险性水平地震作用下结构的整体抗震性能.结果表明,初始模型的最大层间位移角和顶层位移约为校验模型的1.1～1.4倍,最大基底剪力是校验模型的40%～60%.     

基于增量优化传递的正电子发射断层图像重建

将增量优化传递算法用于正电子发射断层图像重建中,得到一种新的最大后验概率图像重建算法,实验结果表明,相对于滤波反投影和最大似然期望值最大化算法,有序子集可分离的抛物面型替代函数算法和发射增量优化传递算法得到的图像归一化均方误差较小,且边界得到一定的保持.在迭代的初期,有序子集可分离的抛物面型替代函数算法收敛较快,误差小;当迭代到一定的次数时,发射增量优化传递算法误差小,且能够有效收敛,对发射扫描断层图像重建产生重要的影响.     

绿色建筑增量成本影响因素分析

目前绿色建筑在我国的发展潜力巨大,而没有准确地把握绿色建筑的增量成本是制约绿色建筑发展的重要原因.对绿色建筑增量成本的影响因素进行分析,提出了技术措施、项目所在地域、项目定位及可行性研究开展的时间这四个影响因素,并在此基础上提出了减少绿色建筑增量成本的途径,为绿色建筑的发展提供了一定的理论依据.     

基于增量式随机森林的燃气负荷预测方法

随着智能燃气网概念的普及和燃气智能表的发展,燃气负荷数据量呈指数级增长,燃气负荷预测面临新的挑战,传统的基于离线批量学习的数据预测方法已无法满足大数据量的实时数据预测需求。针对燃气负荷数据增量到达的预测场景,提出了一种增量式的随机森林回归(Incremental Random Forest Regression,IRFR)算法。该算法将一定量的样本存储在叶节点,通过衡量样本集变异系数来控制叶节点分裂;针对大数据量的情况,设计了样本丢弃策略来控制内存空间。在对上海市燃气负荷数据进行特征选择、提取并建模后,将IRFR算法应用于燃气负荷预测。实验结果表明,IRFR算法相比于传统的随机森林算法具有相当的准确率,同时所需训练时间较短,更适用于大数据量的增量学习场景。