一种新的计算稀疏数据立方体的方法

在飞速发展的信息社会中，数据的使用量逐渐增多，在大量的数据中存在很多稀疏数据。现介绍一个高度运行雏层次聚集立方体（DHAC，dimension hierarchy aggregate cube）和对应的增量更新算法，使用该算法进行稀疏数据立方体的计算。     

电力大数据智能化高效分析挖掘技术框架研究

针对电力行业中数据量不断增加,数据分析越来越困难的问题,设计了电力大数据智能化高效分析挖掘框架,从而快速得到有价值的信息.对电力大数据中心的整体框架进行分析,主要包括服务层、验证层、数据源层、特征分析层.另外,通过分析数据挖掘的流程发现业务中需要强化的业务,实现拓展.电力大数据智能化分析挖掘技术的框架设计主要包括电力市...     

基于数据仓库的教育决策支持系统

本文给出了一个通过实时联机分析和实时联机挖掘相结合技术的,能够有效提供教育决策支持系统的框架,这一系统能够有效进行教育信息的存储,并可以根据教育管理决策的需要,对数据进行相应的加工处理,通过数据反映教育活动的相关规律,最终为制定教育的发展政策提供量化的、科学的数据支持。     

SAR图像特征数据立方体的构造

图像数据立方体的建立有助于图像数据的基于视觉内容的分析和多种知识的挖掘,包括汇总、分类、比较、关联和聚类.图像数据立方体对于图像分析是很有用的模型.实现一个维数很大的数据立方体是很困难的.但如果维数不够,则会使图像的建模范围过于粗糙、受到限制和不精确的扩展.因此,如何设计出既能满足效率要求,又能有足够的表达能力的图像数据立方体,是个亟待研究的问题.文中借鉴前人的思路和方法,构造了SAR图像立方体的模型.     

基于SQL Server的联机分析挖掘模型研究

联机分析挖掘(OLAM)是一项新兴前沿的概念,他不但无缝集成了OLAP和Data Mining技术,具有两者各自的优势,而且将整个数据分析领域提升出一个新亮点。介绍OLAM提出的缘由和体系结构以及一些关键性的技术,阐述选取SQL Server 2005作为联机分析挖掘模型研究的详细思路,着重利用SQL Server 2005在无缝集成方面的优势,用一个具体实例对OLAM模型进行具体的建模分析和研究,以期待OLAM作为一门新工具为用户辅助决策。     

关系联机分析处理器的设计和实现

从体系结构、基本功能和实现技术等方面介绍了自行开发的关系联机分析处理器。     

一种基于电信数据特点的新型特征挖掘方法

电信数据特征具备含有缺失率、量纲相差大、内在相关性高等特点,现有特征挖掘技术无法完全适用。由此,本文针对电信数据特点设计了一种新型特征挖掘方法,从缺失率、标准差、相关性和重要度四个维度出发,分别拟合指标量化评估函数,并加权计算每个特征的综合评分来挖掘特征。最后,本文使用实际业务数据,与业内最常用的随机森林特征挖掘方法进行比较,得出结论：本文设计的方法从更多维度综合衡量,其特征挖掘结果更加科学合理,并且节约25%时间成本,实用性强。     

商覆盖立方体的一种增量维护策略

通过建立一种新的商覆盖立方体增量维护策略,将商覆盖立方体分成多个子集,在判断是否需要进行新增或修改操作时,不再需遍历整个商覆盖立方体而只需遍历部分子集,从而缩短了进行增量维护所需的时间。在实现这种策略中提出了基本表中新增记录时的算法Up-dateAddNew。实验结果表明,采用该算法时,需要访问的记录数仅为传统方法的85%。     

一种基于多Agent的Web数据挖掘方法

基于多Agent的数据挖掘技术,不仅能够针对不同的Web数据综合采用不同的挖掘算法,而且可以在各站点进行并行挖掘,避免Web通信量过载。在简述Agent技术和Web数据挖掘技术的基础上,结合多Agent和Web数据挖掘,设计出一种新型数据挖掘模型,且进一步阐述了该模型,并做了一些分析测试。结果证明,该方法能有效提高Web数据挖掘的速度、准确率和覆盖率,提高了数据利用率。     

一种基于RFID数据集的物品工作流挖掘方法

 不同种类的物品在供应链中的移动形成不同的物品工作流,通过对这些物品工作流的挖掘,能够发现不同种类物品的流向和主要流转路径等信息,进而基于这些信息对供应链过程进行管理和优化.本文提出了一种基于RFID数据集的物品工作流挖掘方法,其中定义了一种基于Petri网的物品工作流网,讨论了物品工作流网所支持的几种物品工作流模式,给出了基于RFID数据集的数据过滤和聚合算法,以及物品工作流网的挖掘算法,最后进行了必要的实验.     

自适应模糊决策树算法在数据流挖掘中的应用

在网络的许多应用中数据是以流的形式存在的,例如网络流、传感器数据,以及网页点击流等,分析和挖掘这类数据,可以发现某中有价值的信息。在此,针对数据流挖掘算法中出现的一些问题（如概念漂移问题）,提出了一种自适应模糊决策树的优化算法。该算法对于解决处理数据流概念中的漂移问题有较好的效果。     

话务数据流实时回归分析系统的设计和实现

网络测量是监控、管理电话网的基础手段,对话务数据采集和归并后进行实时分析是一项重要的经常性工作。这些数据量大,无法在磁盘上进行存储或多次扫描,能否对这些数据进行在线多维分析和数据挖掘,以便在情形变化时能提醒并帮助人们进行及时、快速、高效、高质量的响应是具有挑战性的任务。文章以电话网中的话务分析为背景,使用联机分析处理(OLAP———onlineanalyticalprocessing)技术,对数据进行在线的多维回归分析。     

基于数据挖掘技术的电信业客户流失管理框架

本文首先阐述了客户资源的重要性,然后对客户流失这一当今运营商普遍遭遇的难题进行了分析.接着从理论上指出了过去客户保持手段的弊端,分析了防止客户流失的新思路和途径,并总结和归纳了电信业以客户流失管理为主题的数据挖掘项目的几个关键点.在此基础上,提出了基于数据挖掘的客户流失解决方案框架.     

基于RCSW的数据流速度异常检测算法研究

 目前许多应用领域产生数据流的流速不断地震荡,使得面向数据流的挖掘变得困难.系统采用RCSW来完成数据流抽取,提出了实时度T、关键时点集、数据流处理率的概念,并进一步提出了数据流速度异常检测算法.系统监控、预测数据流速,当数据流速异常减速或增速时,系统智能调节环形缓冲区和数据流处理率来应对异常,为解决数据流处理能力与流速、流量与有限空间之间的矛盾提供解决方案.实验表明数据流速度异常检测算法能够保证数据流的挖掘持续正常实施,最大程度的满足系统的实时性要求.     

改进的数据流缺失数据处理算法

数据流预处理主要是在原始观测数据的基础上进行,包括对原始监测到的数据集中的缺失数据进行插补或剔除,是数据流预测过程中一个重要性环节,是数据流应用中必不可少的组成部分.数据流预处理技术可以改进监测数据流的质量,从而有助于提高其后的处理过程的精度和性能.     

面向数据流处理的元组跟踪方法

为了保证数据流中的每个元组得到可靠处理,传统的方法需要在内存中保存每个元组,直到它们被数据流处理系统正常处理,因此会带来很大的内存开销。为此提出了一种既能够保证元组得到可靠处理,又能够节省内存开销的元组跟踪方法。该方法包括内存分配策略、元组跟踪单元选择策略和校验值更新策略,这3个策略使得元组跟踪单元只保留元组标识符的异或校验值而不是元组减少内存开销,同时通过改进一致性散列变换实现元组跟踪单元的负载均衡。内存开销和负载均衡的相关实验表明,该方法能够有效实现对元组的跟踪和可靠处理。     

一种面向多属性不确定数据流的模体发现算法

该文针对多属性不确定数据流的频繁模式发现问题,借鉴生物信息学中的模体发现思想,提出了一种基于MEME(Multiple Expectation-maximization for Motif Elicitation)的多属性不确定数据流模体发现算法。该算法根据不确定数据流的特点,设计了基于混合型模型的不确定滑动窗口更新计算方法,改进了SAX(Symbolic Aggregate approXimation)的符号化策略,提出了不同滑动窗口下多属性模体的相似性分析方法。在实验当中,用防空反导情报传感器网络中的一组不确定数据流验证了其功能,通过植入不同数目的模体测试了其发现准确率,并在元组有效概率设置为1的条件下与已有算法进行了比较,结果表明：该算法可以较准确地发现多属性不确定数据流中的频繁模式。     

一种新的数据流模糊聚类方法

针对数据流上的聚类任务受到时间、空间限制等问题,该文提出一种基于权值衰减的数据流模糊微簇聚类算法(WDSMC)。该算法使用改进的带权值的模糊C均值算法进行处理,并采用微簇结构和权值时间衰减结构提高聚类质量。实验表明,相对于现有的数据流加权模糊C均值聚类(SWFCM)算法和StreamKM++算法而言,WDSMC算法具有更好的聚类精度。     

基于SQL Server构建数据挖掘应用

为了缩短中小企业数据挖掘应用系统的开发周期,基于Microsoft SQL Server的分析服务（Analysis Service）组件,提出一个可用于中小企业进行快速数据挖掘应用系统开发的应用开发模式。采用决策树算法进行一个实例开发,说明了如何应用该开发模式从数据库中发现有用的知识。该开发模式可以大大降低数据挖掘系统的开发周期。