数据空间化的决策支持框架

提出了数据空间化的决策支持框架,使之能够有效地将空间数据仓库、空间联机分析处理(OLAP)、空间数据采掘和空间联机分析采掘(OLAM)技术融为一体,以提供对具有空间分布特性信息的管理、查询和分析的能力．     

基于隐马尔科夫模型的浏览路径预测

基于马尔科夫模型的浏览路径预测，仅仅从用户的浏览会话本身出发来预测用户下一步的链接，并不能捕获用户的真正兴趣所在。运用隐马尔科夫模型来分析用户浏览网页的内容，可进一步捕获用户的浏览兴趣，并作下一步的链接预测。当浏览序列长度逐渐增加，系统捕获的用户浏览信息越来越多，此时能够折射出用户的兴趣所在，预测准确率也逐步增加。当浏览序列长度大于或等于8时，预测准确率已经到达80％，提高了预测准确率。     

浅埋煤层长壁采场覆岩活动规律的研究

基于某煤矿2305综采工作面工程地质条件和开采技术条件,应用数值模拟（RFPA）和现场实测方法,深入研究了浅埋煤层开采后伪顶、直接顶和基本顶的破坏、运动规律,从而对指导、评价采场围岩控制提供理论依据。     

FP-growth算法的一种优化实现

研究工作者已经提出了许多对事务数据库中频繁模式、关联规则的挖掘算法.早期算法有Apriori算法,然而该算法利用候选项集找频繁项集,而候选项集的产生往往是非常耗时的.JianweiHan等人提出了一种改进的算法,FP-growth算法.该算法不产生候选项集,效率比Apriori算法提高了近一个数量级.在描述FP-growth算法的基础上,具体讨论了如何优化数据结构,有效的实现该算法.     

基于图分割的蚁群聚类算法

提出了采用两种策略更新信息素来控制蚂蚁行进路径的方法.根据信息素的浓度确定图边的权值,运用了图分割算法断裂所得图的边,从而达到对数据进行聚类的目的.实验结果证明算法是有效的.     

虚拟综采工作面场景建模研究

虚拟场景建模是虚拟现实技术中的关键技术之一,虚拟综采工作面场景复杂,模型众多,建模工程巨大。在简化模型的基础上,使用实例技术、单元分割和雾化技术建立几何建模,并进一步举例说明物理建模和运动建模的过程。在虚拟场景开发中利用面向对象编程语言VisualC 6.0及三维图形标准库OpenGL,构造了各种模型,最终建立了虚拟综采工作面系统,实现了场景漫游和交互的功能。     

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。     

基于元学习技术的分布式采掘关联规则研究

关联规则是数据采掘中的重要研究内容。本文利用元学习技术提出了在分布式交易数据库环境下,分布式采掘关联规则的一种方法和相应算法DMAR。该算法具有较高的采掘效率和较低的数据通信量。定义了衡量采掘算法效率的分布式因子g,并指出算法的采掘效率和数据通信量与g值的大小有关。最后通过实验验证了该算法的正确性和有效性。     

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.