单片机控制的数据采集系统

本文论述了由8031单同实现远程数据采集和监测功能的系统。该系统采用双CPU控制,远端CPU提供8路数据采集,本地CPU控制远端CPU,并进行数据处理、数据显示、键盘输入和系统报警等工作。通过单片机通讯的方式数据与控制指令的远距离传输。     

隐含概念漂移的不确定数据流集成分类算法

近年来,数据流分类问题已经逐渐成为数据挖掘领域的一个研究热点,然而传统的数据流分类算法大多只能处理数据项已知并且为精确值的数据流,无法有效地应用于现实应用中普遍存在的不确定数据流。为建立适应数据不确定性的分类模型,提高不确定数据流分类准确率,提出一种针对不确定数据流的集成分类算法,该算法将不确定数据用区间及其概率分布函数表示,用C4.5决策树分类方法和朴素贝叶斯分类方法训练基分类器,在合理处理数据流中不确定性的同时,还能有效解决数据流中隐含的概念漂移问题。实验结果表明,所提算法在处理不确定数据流的分类时具有较好的鲁棒性,并且具有较高的分类准确率。     

一种有效的k-means聚类初始中心选取方法

针对传统k-means聚类算法中对初始聚类中心随意选取和人为指定的缺陷,提出一种改进的初始聚类中心的选取方法,利用差异矩阵将新的聚类初始中心计算方法用在传统的k-means算法思想中,对传统的k-means算法进行改进。降低k-means算法的复杂度和对异常点的敏感度,提高算法的可伸缩性。     

基于矩阵的数据流Top-k频繁项集挖掘算法

传统的数据挖掘算法在挖掘频繁项集时会产生大量的冗余项集,影响挖掘效率。为此,提出一种基于矩阵的数据流Top-k频繁项集挖掘算法。引入2个0-1矩阵,即事务矩阵和二项集矩阵。采用事务矩阵表示滑动窗口模型中的事务列表,通过计算每行的支持度得到二项集矩阵。利用二项集矩阵得到候选项集,将事务矩阵中对应的行做逻辑与运算,计算出候选项集的支持度,从而得到Top-k频繁项集。把挖掘的结果存入数据字典中,当用户查询时,能够按支持度降序输出Top-k频繁项集。实验结果表明,该算法在挖掘过程中能避免冗余项集的产生,在保证正确率的前提下具有较高的时间效率。     

用B_树实现倒排文件数据的快速查找

对于数据文件中的记录进行查找的方法一般可采用顺序查找等方法来进行,但这些查找方法的速度都较慢。本文研究采用Ｂ＿树来建立倒排表,并通过对Ｂ＿树的查找来实现对倒排文件中数据的快速查找方法。用这种方法实现对记录的查找可以减少对记录的比较次数,提高其查找的速度。     

本体进化需求自动化生成模型的构建与实现

通过对本体进化的需求分析,提出了一个进化需求的自动生成模型。在此模型中主要通过对领域文本进行分词获得候选概念,先进行概念还原,再通过筛选、简约、转换获得最终的关键概念。采用ATF*PDF算法实现了关键概念的筛选,并引入叙词表把概念转换成规范化格式,把复合的进化需求分解成相应的原子变化,并结合相应的进化策略实现了一个本体自动进化系统。对实验的评测和分析说明了该模型能获得得良好的实验效果。     

基于Servlet的图形验证码研究与实现

现在网络速度越来越快。网络访问已经显得比较顺畅了,与此同时。网络安全问题也更加严重了。有了网速做保证。像穷举密码破解和字典密码破解之类的攻击方法成功几率也越来越大了。黑客可以利用一些在线破解工具来破解一些帐号和密码,只要有了密码就可以登陆系统进行操作了。那在不能阻止密码帐号被破解的情况下,怎么来防范这样的安全问题呢？于是验证码技术就产生了。     

Oracle数据库RMAN备份策略研究

数据库在长期使用过程中。都会存在一定的安全隐患。对于数据库管理员来说不能仅寄希望于计算机操作系统的安全运行。而是要建立一整套的数据库备份与恢复机制。采取一定的措施防止在由介质、操作系统、软件和其它事件导致重要数据库文件严重损坏的情况下影响RDBMS的正常运行。它以orade数据库RMAN备份工具为例进行备份策略的研究。     

滑动窗口中数据流最大频繁项集挖掘算法研究

数据流最大频繁项集的项集数目相对很少并且已隐含所有的频繁项集,所以数据流中最大频繁项集的挖掘具有很好的时空效率并且有很大的意义,也受到了业界更多的关注。针对数据流最大频繁项集的挖掘,提出了在滑动窗口中基于矩阵的数据流最大频繁项集挖掘方法SWM-MFI,主要采用两个矩阵来存储数据信息：一个矩阵是事务矩阵,存储事务数据;一个矩阵是二项集矩阵,存放频繁2-项集。通过二项集矩阵扩展得到频繁k-项集,基于SWM-MFI算法挖掘出最大频繁项集。经过理论和实验证明该算法具有很好的时效性。     

斜井人车超速保护装置的研究与实现

叙述了煤矿斜井人车自然保护的实现过程，重点提出实现保护的技术方案和路线；采用ＣＭＯＳ集成电路完成主控逻辑单元，结合斜井人车的运行特点，对实现保护的各环节进行了综合阐述。