宽条带跳采研究

为了解决保护地面建筑物与煤炭资源回采率的矛盾,充分利用了宽条带开采和全柱开采这两种采煤方法的优点,结合地表移动与变形的规律,提出了宽条带跳采的采煤方法.通过数值计算,分析了宽条带跳采过程中地表下沉和水平变形对地面建筑物的影响.结果表明建筑物只承受跳采阶段的静态变形和全柱开采阶段的动态变形,避免了全柱开采阶段静态变形对建筑物的影响.说明了宽条带跳采的可行性,为建筑物下安全开采提供了新的开采技术途径.     

k-means聚类算法的MapReduce并行化实现

针对k-means聚类算法特点,给出了MapReduce编程模型实现k-means聚类算法的方法,Map函数完成每个记录到聚类中心距离的计算并重新标记其属于的新聚类类别,Reduce函数根据Map函数得到的中间结果计算出新的聚类中心,供下一轮MapReduce Job使用.实验结果表明:k-means算法MapReduce并行化后部署在Hadoop集群上运行,具有较好的加速比和良好的扩展性.     

一种基于遗传算法的用户聚类模型的研究

本文提出了一种基于遗传算法,结合网站的拓扑结构,对网站用户进行聚类分析的模型,阐述了遗传算法在优化过程中染色体编码、遗传算子的设计等问题.实验证明能解决常规聚类算法不能有效处理局部极值、聚类结果对初始聚类中心的选取有着很大的敏感性的问题,是一种有实用价值的方法.     

数据挖掘技术在网络入侵检测中的应用

研究了系统化的通用入侵检测方法，其核心思想是使用数据挖掘技术去建立正常的系统和用户行为模式，使用Tcpdump抓取网络数据包，采用两种数据挖掘方法对网络数据包进行分析。同时，为了满足有效学习(挖掘)和实时检测的双重挑战，提出了一个构建网络入侵检测系统的基于代理的体系结构。     

一种新的K均值挖掘的隐私保护算法

对隐私保护数据挖掘算法进行了深入研究和分析。总结出目前研究的缺点,提出了一种新的K均值数据挖掘的隐私保护算法,通过与已有隐私保护算法的比较,在保证不减少隐私强度的情况下,提高了挖掘的精度。     

一种基于布尔向量的Apriori改进算法

从分析布尔向量与项集支持度的相关性质人手,利用计算机的逻辑"与"运算的高效率性以及通过布尔向量计算项集支持度的简单性,提出了基于布尔向量的关联规则挖掘算法.该算法只需一次扫描数据库,无需候选项集和"剪枝"操作,极大地提高了算法的效率.     

矿业城市生态足迹变化

为了研究矿业城市在经济转型时期的可持续发展能力,利用生态足迹分析方法对典型矿业城市-焦作市近十年来的生态足迹的变化进行了分析,研究结果表明焦作市的生态足迹正在不断增大,而生态容量基本稳定,导致生态赤字进一步加大,经济发展对资源的消耗较大。建议焦作市在未来几年,要不断改善产业结构,提高资源的利用效率,促进该地区实现可持续发展。研究成果对促进焦作市的经济转型和可持续发展具有一定的指导作用。     

基于轻量化二维人体姿态估计的小样本动作识别算法

动作识别是近年来时序数据挖掘领域的研究热点,具有广泛的应用前景。但是现阶段基于深度学习的动作识别算法需要大量的标记训练数据集,存在泛化性差、实时性差、场景受限的问题。为解决这些问题,本研究设计一种基于轻量化二维人体姿态估计的小样本动作识别算法。该算法基于YOLOv5算法构建轻量化的人体检测器HYOLOv5。基于轻量化二维姿态估计模型Lite-HRNet设计人体姿态特征描述算子,有效地去除背景对人体动作特征的干扰。为有效度量时序人体姿态特征描述算子间的相似度,本研究提出基于动态时间规整的人体姿态特征距离度量,并在此基础上设计基于类别中心选择的动作模板匹配算法。该算法通过少量的动作视频构建动作特征模板库,利用动作模板匹配算法可实现多类动作视频的精准识别。为验证算法,本研究在COCO 2017的Humans数据集上对HYOLOv5进行测试,人体检测识别精度mAP@0.5∶0.95可达50.7%。基于10种动作视频数据进行测试,结果表明,本研究所提算法可有效地识别视频序列中的姿态,在每个动作仅包含4个训练数据的情况下,动作识别准确率均可达到91.8%。     

井工矿开采对窟野河水资源的影响

为了定量研究流域内井工矿开采对水资源的影响,采用Mann-Kendall-Pettitt方法检测窟野河1966—2009年年径流的突变点,利用水文模型(SWAT和SWAT-VISUAL MODFLOW)定量计算井工矿开采对窟野河流域1997—2009年径流及2009年地下水的影响。结果表明,井工矿开采是该时期径流锐减及地下水疏干的主要原因,其对年径流减少的贡献量为24.20 mm,占总减水量的64.16%,对地下水的影响量为4.09×10~8m~3。     

数据仓库和数据挖掘技术在CRM中的应用研究

介绍了数据仓库与数据挖掘的概念,具体对数据仓库与数据挖掘在客户生命周期中发现新客户、挖掘现有客户价值以及保持老客户3个不同阶段的应用进行了分析.