基于Apriori算法的高校招生的关联规则分析

数据挖掘是适应信息社会从海量的数据库中提取信息的需要而产生的新学科。它是统计学、机器学习、数据库、模式识别、人工智能等学科的交叉。以往的数据挖掘技术的应用大多是在金融领域,而在其他领域里面应用不是很多,如在高校招生中的应用更是如此。数据挖掘技术对招生工作的深层研究与挖掘将会得到各高校的更多重视。以某高校招生数据作为招生信息为依据,对高校招生的关联规则进行分析。从而对关联性规则的应用作进一步的研究。     

电力负荷管理系统建设若干问题的分析和探讨

综合当前电力技术的发展现状,可以认为,电力负荷控制技术是相对成熟稳定的。整个电力负荷管理系统通常是综合性的系统,其主要的功能是通过特定的终端合同系设备完成对客户实时用电信息的数据采集和传输。现代的电力负荷管理系统已经实现数字化,是一个多技术集成的管理系统。电力负荷管理系统所涉及的学科和技术包括信息软件技术和自动化技术等。上述技术的掌握程度深刻影响电力行业的管理水平。针对这些信息,本文结合电力负荷系统的相关建设经验,探讨在管理系统建设过程中存的一些问题,并展望电力负荷管理系统的未来发展趋势。     

轻轿车发动机球铁连杆铸造缺陷分析和防止对策

分析了对轻轿车发动机球墨铸铁连杆的铸造缺陷产生的原因,采取多种工艺控制措施,基本上解决了球铁连杆在生产中出现的缩孔、缩松、气孔、夹杂等铸造缺陷,为连杆正式装车解除了安全隐患。     

基于神经网络学习控制的图像挖掘算法

针对传统神经网络算法进行图像分类识别时收敛速度慢,学习过程中可能出现震荡甚至收敛于局部极小值的情况,提出了一种小波变换融合神经网络的图像分类识别方法.利用高斯小波基函数取代神经网络隐含层中的隐节点函数,采用小波神经网络参数初始化方法和改进的模拟退火算法自适应调整学习过程中的网络权值参数,从而解决了神经网络的学习效率低等情况.结果表明,本文方法对5类动物图片的正确分类识别率为84.0%,较传统神经网络和稀疏表示的正确分类识别率提高了4.2%和6.1%.     

电力设备维修计划优化管理研究

电力设备维修计划是是企业运转过程中必不可少的重要部分,维修的意思即指产品在故障排除以后仍能正常运转的一种处置方式。而经济快速发展使得传统的设备维修的管理模式不再能够适用于新环境下企业集约化经营的要求。对于提高维修水平以及开展富有效率的维修活动的各种方法,管理者给予了相当大的重视。基于这些情况的出现,如何使得设备维修管理模式更加先进成为管理者眼中的焦点问题。本文也就当下的电力维修模式中所出现的问题以及对于维修计划管理的优化进行了一定的探讨,以供参考。