基于关联规则的Apriori算法的改进及其在保险业CRM的应用

客户关系管理作为一种以客户为中心的经营策略,可以很好完成客户的获取与保持,为经营者提供决策支持,而数据挖掘作为一种分析工具,可以应用在客户关系管理中的大量数据分析和客户价值挖掘中.作为数据挖掘研究的一项重要内容--关联规则数据挖掘研究,其经典的Apriori算法及其改进算法存在着一些不足,如产生庞大的候选集、需要多次扫描数据库,大大增加I/O开销.针对这个算法的瓶颈问题,提出了基于关联规则的改进的Apriori算法,并将其应用在客户关系管理中的大量数据分析,如客户的年龄、职业、年收入、险种等属性,通过对得出的规则的分析来挖掘出具备某些特征的客户趋向购买何种险种,为业务的宣传及管理者的决策支持提供了明确性.     

一种基于FPGA的多路高精度加速度计数据采集系统设计

针对传统的电荷平衡型I/F转换电路存在对小信号测量实时性差的问题,在深入分析了小信号测量原理的基础上,提出了运用I/F+AD的方式来提高对微小加速度的实时测量能力。采用AD7367—5和EP2C70F672对I/F电路进行了补充,利用FPGA设计了计数测频模块和AD接口,并在软核NIOS II中加入自定义浮点指令增加了系统的执行速度,满足了计算的需要。测试表明,这是一种解决小加速度实时测量问题的有效方法。     

一种基于数据处理的脚本语言设计与开发

在飞行试验型号任务中,通常采用各种数据处理软件进行数据采集、解码、单位转换、计算等。通过实践检验和积累,相关数据处理软件就会固定下来;随后发现很难再次高效运用它们。简述了脚本语言和试飞数据处理的结构和过程,提出利用脚本语言进行数据处理的自控模式。用户通过编写脚本代码,运行解释器就可控制数据处理软件进行自动、连续操作。模拟试验表明,该方法可有效提高型号试飞数据处理速度、降低出错率、保障质量安全。     

数据挖掘模型选择的通用建模研究

现阶段数据挖掘模型的选择与专家的经验密切相关,有经验的专家就会选择良好的,优质的模型,使得挖掘工作高效、准确;反之,就会浪费时间,或得不到理想的结果,因此数据挖掘模型的设计和选择是挖掘工作的关键。本文要建立一个模型,实现挖掘目标的特征集与挖掘算法集合间的对应关系。应用该模型,用户可以得到最佳的挖掘方法,应用这种挖掘方法就可最好地实现挖掘目标。     

基于优化模型的类级测试数据自动生成研究

研究了一种基于优化使用模型的类级测试用例的自动生成方法。首先使用基于约束的非线性规划问题的求解方法获得Markov链使用模型的状态转移概率,建立优化的使用模型;然后以使用模型的概率转移为约束采用轮盘赌算法自动生成测试用例;最后以Euclidean Distane方法度量测试的充分性。实验表明此方法能够提高测试自动化水平,提高软件的可靠性。     

基于全年太阳辐射得热的建筑外遮阳系数简化计算方法研究

使用Ecotect模拟计算和数据拟合的方法,从模拟计算太阳辐射量的角度,对规范中外遮阳系数计算方法进行探讨,并针对常见实际工程,补充影响外遮阳系数的特征尺寸,以夏热冬暖地区的广州市为例,得出典型遮阳形式（水平和垂直外遮阳）的拟合公式,为较为精确的建筑外遮阳系数计算提供一种简化计算方法,为更为完善的拟合公式的得出提供一种思路。     

多变量数据分析模型在无症状颈动脉狭窄检测中的应用

摘　要 无症状颈动脉狭窄是引起中风的主要原因,而无症状颈动脉狭窄的危险因素包括高血压、心脏病发病率、吸烟、糖尿病、久坐不动等。为了明确无症状颈动脉狭窄的重要影响因素,本文利用多变量数据分析技术研究探讨了无症状颈动脉狭窄检测中可能存在的规则和关系,通过采用遗传算法（Genetic Algorithms, GA）、逻辑回归（Logistic Regression, LR）算法及卡方检验,对372位病人的临床特征进行了检测分析。实验结果表明,高血压、冠状动脉疾病是诱发无症状颈动脉狭窄最主要的两个因素,相比逻辑回归、卡方检测,遗传算法产生的简单规则更适用于医生的日常诊断。     

多价值链视角下基于深度学习算法的制造企业产品需求预测

多价值链协同发展背景下,制造企业没有充分考虑服务链、营销链等其他价值链对产品需求的影响。为提高制造企业产品需求预测的精度,本文提出了产品数据空间和一维卷积神经网络(One-dimensional convolutional neural networks, 1D-CNN)-长短期记忆神经网络(Long short-term memory, LSTM)的深度学习算法。首先,整合不同价值链对产品需求影响的相关数据构建产品数据空间。其次,从数据空间中获取多链数据集用于1D-CNN-LSTM模型的预测。其中,1D-CNN通过两次卷积池化操作获取数据的深层次特征,LSTM则通过进一步学习数据特征中的重要信息来进行时间序列预测。最后,通过某电气设备制造企业生产销售的环网柜产品的相关数据进行算例分析,并与其他几种模型进行预测结果比较。结果表明：1D-CNN-LSTM模型的预测效果优于神经网络模型和单一的LSTM模型。可见本文提出的1D-CNN-LSTM深度学习模型更具优越性,预测效果好。     

基于数据融合的高效可靠智能电网通信技术

随着智能电网的大规模部署,传感器等终端设备将会大量增加。面对随之产生的海量数据,高效可靠的通信方式成为新时代智能电网研究的热点。针对智能配电网中通信网络复杂、工作环比较混乱、通信点多的问题,本文提出了基于数据融合的新型融合组网方案。首先,采用边缘计算和有线无线相结合的新型融合组网方式,提高了组网融合的性能;然后结合了基于最佳权重分配的数据融合算法解决了数据冗余的问题,降低了能耗。最后通过理论分析和实验仿真验证了本文基于数据融合的新型融合组网方案的有效性,在性能上与传统加权算法对比更加优越。     

图书管理关系数据库中的关系设计

通过图书管理情况的汇总登记,论述如何分解关系模式来例证关系设计。