云环境下基于群智能算法的大数据聚类挖掘技术

云计算从分布式存储和分布式计算两个方面为大数据处理提供了强力的支持,并逐渐成为大数据挖掘的主流平台。但是在处理云平台中的大规模数据集时典型聚类挖掘算法存在一定不足,因此,提出一种基于群智能算法的大数据K-means聚类挖掘算法。首先对云计算Hadoop框架的存储数据能力和采用的Map Reduce计算模型进行分析,然后采用群智能算法对传统数据挖掘K-means聚类算法进行改进,解决其容易陷入局部最优问题。实验结果表明,相比加权K-means聚类算法,提出的改进算法表现出更好的聚类精度和运行速度,可以适用于大规模数据的聚类挖掘。     

基于移动互联的信息化智能处理平台设计

针对传统信息化处理平台一直存在耗时高、平台响应滞后以及信息聚类精度低等问题。提出并设计了基于移动互联的信息化智能处理平台和平台的物理架构。该平台由资讯服务模块、信息推送模块和智慧信息热点发现模块三大功能模块构成,分析了各功能模块的操作流程,这些功能模块协同运作,实现信息的智能化处理。通过ICTCLAS分词系统对新闻文本进行分词处理,完成对关键词的采集,利用向量空间模型获取新闻文本的知识描述模型,对新闻标题词频进行采集,得到K个原始聚类中心,通过汇总新闻标题词频的改进K-Means算法,对新闻特征向量实施话题聚类,得到热点信息。实验结果说明,所设计的处理平台具有较高的运行效率和聚类精度,信息化处理性能强。     

基于数据挖掘技术的档案馆信息快速分析算法研究

为了提高档案馆信息管理系统进行统计及分析的效率,提出一种基于数据挖掘技术的档案馆信息快速分析算法。对档案馆信息数据挖掘的工作流程进行阐述。分析典型K-means性,并采用熵加权对典型K-means及运行效率较高,从而在更深层次上发挥档案信息的作用。     

基于激光传感器的模糊图像增强研究

图像增强的效果直接影响图像的高级处理与解译结果,针对模糊图像增强问题,结合激光传感器与图像处理相关算法,设计了基于激光传感器的模糊图像增强系统。所设计系统包括图像预处理模块与图像增强处理模块两部分;预处理模块采用激光传感器进行图像采集工作,并结合概率密度函数、傅里叶变换与均值滤波法进行图像的去噪、去模糊与去雾处理;完成图像预处理后,在图像增强模块,先利用直方图均衡算法更新图像像素灰度,增强图像对比度,再运用高频提升滤波器对图像进行滤波处理,最终得到增强图像并输出。实验结果表明,与当前图像增强系统相比,所设计系统增强处理后,图像的信息熵与对比度更高,且处理过程耗时更短,能够满足图像处理的实时性要求。     

基于Intel AVX2的LTE DFT和IDFT快速算法

通用处理器（GPP,General Purpose Processor）技术的快速发展,为LTE基带信号实时处理提供了一条新的途径。在LTE系统中,DFT和IDFT分别是手机上行发送和基站上行接收中的重要模块。根据3GPP协议,LTE DFT和IDFT处理点数是复合数,文章通过混合基算法以取代直接计算算法,并充分利用GPP平台大存储量的优势及Intel AVX2指令进行并行计算能力,最终使得该算法实现平均每处理1点仅耗时2个cycles,接近FPGA硬件处理性能,满足了LTE系统的实时性要求。经验证,基于GPP平台的DFT和IDFT模块运行结果正确,并且耗时极短。     

数据挖掘技术在情报处理中的应用

在对目标活动数据进行处理的过程中,由于表面上只能看到目标活动的航迹情况,而不能更有效地发现不同活动之间的关联关系。对数据挖掘技术的概念进行了介绍,说明了数据挖掘的一般过程及在情报处理中的应用意义,提出了一种通过关联规则算法对已有目标活动数据进行数据挖掘的方法,并详细描述了数据挖掘技术在情报处理中应用的体系结构和实现方式。     

人工智能的无人化智慧图书馆管理系统研究

针对图书馆管理中藏书上架等基础操作仍然需要人工手动完成的问题，提出一种无人化智慧图书馆管理系统。在机器人运行中通过视觉传感器采集地标实现自主定位，并利用扩展卡尔曼滤波(EKF)算法对机器人运行流程中的位置和姿态数据进行校正。针对机器人行进轨迹的准确性和图书分类速度进行实验，采用该研究设计的EKF优化算法校准的轨迹误差平均值降低了55%,最大误差降低了32.8%,标准差降低了73.4%;每本图书放置平均耗时为1.8分钟，平均耗时下降了41.9%。     

基于数据挖掘技术的图书馆个性化快速推荐算法研究

随着高校图书管理系统建设的不断发展,广大师生的图书借阅活动产生了大量的浏览数据。为了对以上借阅信息进行数据挖掘以便为读者提供更高水平的服务,提出一种基于数据挖掘技术的图书馆个性化快速推荐算法。首先对数据挖掘的主要方法和组织结构进行了介绍;然后对经典关联规则挖掘算法中的Apriori算法进行改进,提高了关联规则的运算效率;最后采用改进的Apriori算法对图书借阅历史数据进行关联分析,从而对读者做出个性化的推荐。实验结果表明,提出的图书馆个性化快速推荐算法具有较高的准确度和运行效率。     

Web异常数据挖掘的软件开发与改进研究

为了提高对Web异常数据的检测及挖掘能力,保障Web网络数据库的安全稳定运行,进行Web异常数据挖掘的软件开发,提出一种基于堆栈弹出中断屏蔽的Web异常数据挖掘方法,并在Bootloader程序开发平台上进行软件开发。首先构建Web异常数据挖掘系统的总体结构模型,采用post关键字编译方法进行Web异常数据的堆栈弹出设计,软件模块化设计包括程序加载模块、数据寄存模块、异常数据交互式编译模块和中断屏蔽模块,创建LabWindows/CVI工程文件进行软件面板开发,生成用户界面文件,实现异常数据挖掘。测试结果表明,该系统能有效实现Web数据挖掘,准确挖掘概率有所提升。     

基于Apriori数据挖掘算法的信息推荐图书管理系统设计

传统应用于图书管理系统的Apriori算法因数据库扫描次数过多,以及候选项集数量过大导致系统运行缓慢,为解决此问题,设计基于改进Apriori数据挖掘算法的信息推荐图书管理系统。系统结合C/S架构与B/S架构,分别向图书馆工作人员和借阅者开放图书信息。系统功能模块中数据预处理子模块从读者借阅数据库中提取借阅者以及图书相关信息数据,对数据进行清洗、转换以及集成处理后,关联规则挖掘子模块利用改进Apriori算法依据处理后的数据,挖掘出支持度大于最小支持度阈值以及置信度大于最小置信度阈值的强关联规则,生成关联规则数据库。个性化信息推荐子模块依据关联规则数据库中的借阅者同借阅者所选图书进行关联匹配,向借阅者推送与所读图书相关联图书信息,实现图书信息的个性化推荐。实验结果表明,该系统可有效推荐图书关联信息,且在50个客户端同时运行的情况下CPU占有率仅为6.58%,运行性能佳。