可扩展双向聚类算法在煤炭领域中的研究与实现

随着现代信息技术的发展,各行各业产生了大量的高维数据,用不同的属性描述数据。煤炭产业也产生了大量的高维数据。煤炭企业的管理者往往希望从这些海量高维数据中得到更多的隐藏价值的知识。双向聚类算法被广泛地应用在各个领域中,该算法能够准确地完成聚类。随着数据规模呈现指数级地增长以及数据维度的增加,传统双向聚类算法不仅不能快速完成数据聚类,而且不能有效地处理高维数据。文章针对海量高维数据,提出了可扩展的基于高维数据的分布式双向聚类算法。通过实验结果展示了文中提出的算法具有很好的聚类结果以及很高的加速比及可扩展性。     

粗糙集约简的闭算子方法

从属性集角度分析信息系统约简问题。在信息系统的属性集及其幂集上分别定义了等价关系r和R，研究了两者生成的闭算子C（r）和C（R），以及闭集族G和CR的诸多性质和关系，证明了G与CR相等的充分必要条件，并由此获得信息系统属性集的约简方法，进一步，证明了该方法与文[7]方法等价。     

混合蓄冷空调的试验研究

尝试一种高温相变材料C7与冰相混合的蓄冷方式，并对有高温相变材料凹（混合蓄冷）及无高温相变材料（冰蓄冷）两种方案进行了蓄放冷试验。介绍试验装置及其工作原理，并对试验数据进行分析。结果表明，采用高温相变蓄冷材料的方案将使系统具有节能（系统COP值大大提高）和增能（蓄冷槽蓄冷量及释冷量大大提高）的双重效果。     

预报拟合法的最优分段点及存在与唯一性研究

本文以偏差平方和最小为理论依据，提出了预报拟合法最优分段点的概念与确定准则，得到了预报拟合法存在与唯一性的一个充分条件．     

有限学时下化工原理课程内容的调整与教学策略

针对农林院校非化学专业化工原理课程教学时数少、学生工程能力培养不足等问题,我们对化工原理的教学内容进行了适当的删减、拓展与分类,并根据知识点的分类采用不同的教学策略。实践表明,此举在提高课堂效率、培养学生工程能力、促使学生牢固掌握化工原理知识等方面取得了较好的效果。     

土地政策参与房地产调控的机制研究——理论、实证、问题及建议

土地政策调控房地产市场的重要性无论是理论层面还是实操层面,都已经得到大家的共识。通过总结国内学者对该问题的研究进展,进而得出从建立长效机制角度研究是现阶段更优的研究视角。根据土地供应、土地税收、土地价格、土地规划和用地后期管理等五大方面建立土地政策调控房地产市场的理论分析框架,针对近些年出台的一系列土地调控政策,利用统计数据对政策效果进行实证评价,进而分析得出现存的主要问题,以提出全面的土地政策参与房地产调控的长效机制的建议和措施。     

面向属性概念格基于覆盖的压缩

提出了一种直接从形式背景出发,获得简化面向属性概念格的方法。针对一个形式背景,引入对象集和属性集上的相似度,产生对象邻域与属性邻域,进而根据对象的相似程度或属性的相似程度来调整对象邻域或属性邻域的大小,控制面向属性概念格节点的个数,实现对面向属性概念格的动态压缩。该方法可以分别从对象的覆盖和属性的覆盖两个角度压缩面向属性概念格中节点的个数,且压缩后的概念集为原概念集的子集,从而达到简化知识库的效果。     

油电混合动力汽车不同工况最小油耗控制仿真

油电混合动力汽车中燃油和电池电能量的使用是影响最小油耗的主要因素.传统控制油电混合动力汽车油耗方法存在设置的SOC门限值不合理问题,导致发动机输出转矩仿真控制效果不佳,因此提出全新的油电混合动力汽车不同工况最小油耗控制仿真.研究采用均值分类法处理基本数据,并将处理数据与汽车行驶工况进行合成;以最小油耗为目标,设置以油耗控制最优问题为核心的SOC门限值;根据发动机输出功率和APU输出功率之间的关系,设计最小油耗仿真控制模型.此次测试共设置5组不同程度的工况,根据测试结果可知:提出的最小油耗控制仿真,对于发动机输出转矩仿真控制,有更好的油耗控制效果,与两种传统方法相比,上述方法在仿真控制下,可以回收的能量比传统方法多出近30％,可见上述方法更加适合控制油电混合动力汽车在不同工况中的油耗.     

基于优势关系的序形式背景约简

形式概念分析是知识获取的一种有效工具,已被广泛应用到各个领域.从序形式背景出发,首先利用优势关系作为标准尺度,将序形式背景转化成单值形式背景;其次利用原有单值背景的差别矩阵给出单值背景的约简,进而得到基于优势关系的序形式背景的约简及属性特征的判定定理;最后将基于优势关系的序形式背景的约简与序信息系统的约简进行比较.     

基于Bigtable与MapReduce的Apriori算法改进

为提高Apriori算法挖掘频繁项目集的效率,引进了Bigtable技术与MapReduce模型来对Apriori算法进行优化,设计出大数据环境下挖掘频繁项目集的新算法BM-Apriori算法。与单纯基于MapReduce模型的Apriori改进算法相比,新算法利用Bigtable的时间戳属性代替了键/值对的产生,只需扫描数据库一次即可,节约了模式匹配的时间。同时,BM-Apriori算法在项集列表中新增事务标号列,自动获取事务标号以计算支持度。将BM-Apriori算法在Hadoop平台上进行了实验,结果表明Bigtable技术的融入使得BM-Apriori算法具有更高的效率与可拓展性。