基于语义关联性特征融合的大数据挖掘方法

提出一种基于语义关联性特征融合的大数据挖掘算法.对云存储大数据分布式信息流进行高维相空间重构,在重构的相空间中提取大数据的语义关联维特征量,以提取的特征量为测试集进行自适应学习训练.采用模糊C均值算法进行大数据语义关联特征的稀疏性融合和聚类处理,在聚类中心实现对挖掘目标数据的指向性聚敛,输出数据挖掘结果,并采用特征压缩器进行降维处理,降低计算开销.仿真结果表明,采用该方法进行大数据挖掘的特征提取准确性较好,挖掘数据的聚类能力较强,在实时性和准确性方面具有优势.     

基于数据挖掘诊断事件方法的网络入侵检测系统

简单论述了在入侵检测系统中数据挖掘技术的应用,并结合了数据挖掘挖等新概念,根据数据挖掘技术用于事件诊断的基本思想,利用粗糙集进行数据归纳,过滤大量事件数据中的冗余属性,得到精简事件数据集,并将得到的精简数据进行分类成所需的规则,并结合实例说明了该方法的工作步骤。由实例可知该方法用于事件诊断的可行性,最后指出实际应用过程中的一些技术难题。     

发酵黄精多糖对肥胖小鼠肠道菌群的影响

为探究微生物法提取的发酵黄精多糖(FPSP)对高脂膳食小鼠血脂水平及肠道菌群的影响,通过胆固醇和胆酸盐吸附实验初步评价热水浸提和微生物法提取的黄精多糖的体外降脂能力,选择具有更好体外降脂效果的微生物法提取的FPSP进行动物实验.体内研究结果显示,FPSP可显著降低小鼠体质量、脂肪指数、肝脏指数以及血清中的TC、TG、L...     

模糊聚类分析在金融机构财务分析中的应用

数据挖掘是将数据升华为知识的重要工具,利用数据挖掘中的聚类分析方法,根据2004年广东省部分城市的金融机构的基本财务一本、外币的存贷款情况,对各市金融机构营业状况进行探讨,从而为分析金融机构的财务状况提供依据。     

基于自适应蚁群算法的分布式分类规则挖掘算法

基于分布式数据挖掘技术,提出了一种基于自适应蚁群算法的分布式分类规则算法。该算法采用了不同的启发式函数及信息素改变方法,引入了自适应机制与变异策略,从而达到缩短蚁群算法计算时间、加快算法收敛速度、提高预测准确率的目的。实验结果验证了该算法的有效性。     

基于个体协同的子图结构发现混合进化算法

将进化算法与爬山算法的混合进化算法引入图数据挖掘,以克服贪婪式查找易陷入局部极值的问题.针对子图结构发现问题中实例易丢失的特点,提出了一种新的遗传操作--个体协同算子,使得代表同一子结构的不同个体能够以协同的方式进行查找.另外,还提出了一种基于年龄段和个体生成方式的多样性保持方案,以从种群的组成和个体的生成两个方面保持和提高种群的多样性,同时还有助于个体协同算子的执行.在进化过程中随时以新生成的单边子结构替换当前种群中没有潜力的个体的机制在缩小查找空间的同时还使得进化过程成为一个更为完全的查找过程.实验结果表明,以上措施增强了算法的寻优能力,能够获得更优的解.     

水泥窑协同处置生活垃圾的燃烧特性分析优化

针对传统方法难以分析掺烧生活垃圾后的水泥窑复杂燃烧特性的问题,引入数据挖掘技术,以国内某水泥厂为对象,采集相关参数数据,使用稳定性选择算法分析各参数对煤耗与NO_x排量的影响系数,通过随机森林算法建立煤耗与NO_x排量的数学模型,结合K-means聚类算法得出关键优化参数及其最优值。结果表明,该方法能够建立精确的煤耗与NO_x排量模型,挖掘出节能减排的关键优化参数及其最优目标值。通过改善关键优化参数至最优值,能够大大降低煤耗与NO_x排量,可指导水泥厂优化窑内燃烧特性。     

一种基于Rough集的时间序列数据挖掘策略

阐述了基于 Rough集的时间序列数据的挖掘策略 ,重点讨论了时间序列数据中的时序与非时序信息的获取问题 .实践证明 ,Rough集理论作为一种处理模糊和不确定性问题的有效工具 ,对于时间序列数据的挖掘同样也是有效的 .文章强调了时间序列数据中的多方面信息 ,包括原始数据及其变化量、变化率所提供的信息.     

基于探索向量的Ball K-Means聚类算法

随着大数据时代的到来,如何快速、准确地从海量数据中挖掘有用的信息成为一个极其关键的问题。随着样本数据维度和数量的增加,导致K-Means聚类算法的计算成本急剧增加。因此,一种新颖的加速精确K-Means聚类算法近期被用来降低计算成本,称为“Ball K-Means”。尽管Ball K-Means降低了计算成本,但是该算法和K-Means算法都缺乏全局搜索能力。因此,本文从全局搜索能力和计算成本两个因素考虑,通过在Ball K-Means算法中引入一种防止聚类过程过早收敛的探索向量,提出一种针对高维度、大样本数据的基于探索向量的Ball K-Means聚类算法,称为“Ball XK-Means”。实验结果表明,在高维度和大样本数据下,本文提出的算法不仅比Ball K-Means和K-Means算法能够获更稳定和更精确的聚类结果,而且比K-Means和XK-Means算法有更低的计算成本和更高的效率。     

Credit Assessment of Contractors： A Rough Set Method

Introduction China’s construction industry has encountered a credit crisis in parallel with its remarkable progress in recent years.Bad credit results in increasing nonperformance,poor quality projects,chains of defaults,fraud and cor-ruption in the indu…