高校体育信息化建设需求分析方法研究

本文通过借鉴系统学科与信息学科等相关领域中的先进技术,采用系统工程的方法,构建了高校信息化建设的需求体系与描述框架,试图为促进高校体育信息化建设提供有效依据.     

基于B/S模式的高校仓库管理系统的需求分析

采用Microsoft Office Visio建模工具、UML建模语言的手段对高校仓库管理系统从业务需求分析、功能需求分析、数据需求分析、非功能需求分析等方面进行系统需求分析。确定了软件系统的功能和构架,为系统的开发和研究工作打下基础。     

基于聚类分析的多维离散数据相关性检测系统设计

现有多维离散数据相关性检测系统均存在着检测精度差、可扩展性差的缺陷,为了解决上述问题,引入聚类分析方法对多维离散数据相关性检测系统进行设计。多维离散数据相关性检测系统硬件为数据处理器,由电源单元、通信单元与红外单元组成;软件设计主要分为多维离散数据空间划分模块与多维离散数据相关性检测模块。通过系统硬件与软件的设计,实现了多维离散数据相关性检测系统的运行。通过测试结果可知,与现有多维离散数据相关性检测系统相比,设计的多维离散数据相关性检测系统极大地提升了检测精度与可扩展性,充分说明设计的多维离散数据相关性检测系统具备更好的检测性能。     

基于聚类分析提取特征的光通信系统异常数据检测

光通信系统易受多种因素影响,传统方法的光通信系统异常数据检测错误率高,检测效率,为了获得理想的光通信系统异常数据检测结果,设计了基于聚类分析提取特征的光通信系统异常数据检测方法。首先设计光通信系统数据传输模型,采用聚类算法提取光通信系统异常数据特征,然后采用深度学习算法建立光通信系统异常数据检测模型,并采用遗传算法优化深度学习算法,最后进行了光通信系统异常数据检测仿真实验,结果表明：本方法的光通信系统异常数据检测正确率超过98%,光通信系统异常数据检测时间为21.6 ms,具有一定的实际应用价值。     

基于流域变换的聚类分析

提出了一种基于流域变换的多维数据聚类新方法.该方法以密度聚类技术为基础,通过对密度空间进行流域变换,实现多维数据的聚类.通过实验与基本聚类算法的比较,证明本文提出的算法对多维数据有更强的聚类能力.     

基于流域变换的聚类分析

提出了一种基于流域变换的多维数据聚类新方法.该方法以密度聚类技术为基础,通过对密度空间进行流域变换,实现多维数据的聚类.通过实验与基本聚类算法的比较,证明本文提出的算法对多维数据有更强的聚类能力.     

基于网络技术的教学评价系统需求分析

校园网的迅速普及，给学校的教学管理带来了极大的便利，如何充分利用校园网平台，提高学校的教学管理是所有学校共同关注的重要课题。基于网络技术的教学评价系统是建立在校园网基础上的应用系统，利用网络高效快速的特点，提高教学质量评价的准确度与评价效率，降低了评价成本。本文通过对所讨论系统的分析，给出基于网络技术的教学评价系统的功能结构图、数据流图与系统流程图，比较系统地给出了分析结果，从整体上剖析了该系统的组成，从而为系统的具体实现奠定基础。     

基于大数据和AI的网络效能评价体系

为了解决现有维护人员效率低、配置和结构不合理的突出问题,中国联通山东分公司采用大数据分析和AI智能算法等创新手段,构建基于网络资源、业务收入、用户规模、地理分布等多维度立体网络维护效能标杆模型,建立科学的网络维护效能量化评价体系,重构和增强网络线队伍能力,引领整体维护效率的提升,实现降本增效.     

基于聚类分析的网络数据流异常检测方法

为加强对网络数据流异常检测误报率的控制,进行多维度的动态化检测,营造更加稳定、可靠的数据流异常检测方法。文章结合聚类分析技术,构建网络数据流异常检测方法。先进行数据流模态的描述,针对数据的异常状态,完成并行聚类特征提取,随即布设K-means异常感应节点,并以此作为基础,逐步构建聚类衰减检测模型,采用交叉部署法实现数据流异常检测。最终的异常检测结果表明:对比于传统概率数据流异常检测组、传统多模态数据流异常检测组,文章所设计的聚类分析数据流异常检测组最终得出的数据流异常检测误报率仅为1.01,实现了较为有效的控制,进一步提升了异常检测能力,逐步营造更加稳定、安全的检测环境,结构更加可靠、精准,具有实际的应用价值。     

基于聚类分析思想上的回归分析研究

利用聚类分析的思想对二维数据作聚类后对聚类出的数据点做回归分析,由于受一些条件的限制约束,现实中有些一元线性回归分析的结果与其对应观测值相差甚远,因此做出的回归分析模型偏差较大,利用聚类的思想再次得到的回归分析模型是分段模型,分段模型更接近于数据点走向趋势,因此其在后期预测上比整体做出的回归分析预测更具有可靠性。     

基于密度的聚类分析

密度聚类方法的指导思想是,只要一个区域中的点的密度大于某个域值,就把它加到与之相近的聚类中去。对于簇中每个对象,在给定的半径ε的邻域中至少要包含最小数数目（MinPts）个对象。这类算法能克服基于距离的算法只能发现“类圆形”的聚类的缺点,可发现任意形状的聚类,且对噪声数据不敏感。代表算法有：DBSCAN、OPTICS、DENCLUE算法等。     

基于马尔科夫的聚类算法仿真分析

针对传统k均值聚类算法易受初始条件影响的问题,文中在已有聚类算法的基础上提出了一个新型的图型聚类算法:马尔科夫(MCL)聚类算法。通过MATLAB仿真软件对空手道俱乐部数据用马尔科夫聚类算法进行仿真分析,得出聚类结果,并同时分析参数对算法性能的影响。实验结果表明,马尔科夫聚类算法可以应用于对图的聚类中,但同时也会受到参数的影响。     

基于电力营销聚类分析的数据挖掘算法研究

为提高数据挖掘算法的挖掘速度,同时提高其精准度,提出基于电力营销聚类分析数据挖掘算法研究。首先运用聚类算法筛选数据,再计算数据结构和相异度矩阵相异度,得出最接近的类距离。完成上述步骤后,在聚类分析框架下,设计聚类分析数据挖掘算法流程。先输入数据,再设计数据挖掘算法基本策略,最后提出SLIO算法处理离散字段,得到有价值的数据信息。由此,完成基于电力营销聚类分析的数据挖掘算法设计。实验结果表明,与基于支持度-置信度-提升度的配网自动化系统数据挖掘算法和基于神经网络和粒子群优化的数据挖掘算法相比,文中基于电力营销聚类分析的数据挖掘算法的挖掘速度稳定,挖掘效果更好。同时测试精准度较高,可有效提高数据挖掘的可信度。     

特征选择和聚类分析的图像分类模型

针对当前图像分类模型无法满足实际应用要求的难题,为了得到更优的图像分类效果,提出特征选择和聚类分析相融合的图像分类模型。首先提取图像的原始特征,采用主成分分析对图像特征进行选择,然后采用聚类分析算法对图像样本进行处理,选择与待分类图像相关的样本,减少训练样本的规模,最后采用支持向量机建立图像分类器,对标准图像库中的图像进行分类实验。实验结果表明,该模型减少了图像分类的特征和图像分类的训练样本,加快了图像分类建模的速度,同时图像分类正确率明显高于其他图像分类模型。     

基于聚类分析运营商流量精准营销研究

流量经营是电信运营商的重点工作,基于数据挖掘技术,对潜在客户的精细化分群和营销是流量经营的重要手段之一。本文利用了聚类分析随机抽取25万电信运营商客户进行统计分析,根据结果分为 4 类客户,本文对这4 类客户进行流量特征描述,给运营商精准化流量产品营销提供了参考 。     

基于聚类分析的微博用户标签自动生成

基于用户发表的微博内容进行标签的自动生成,主要研究的是基于聚类分析的用户标签自动生成.本文首先介绍用到的关键技术:聚类技术和TextTank,提出了Baseline系统,接下来详细说明了基于聚类分析的标签自动生成方法,最后通过实验对该方法进行了分析和评价.实验结果表明,该方法生成的用户标签能够有效地解决同义标签的堆积问题,使得生成的标签能够在更多的维度上体现用户的兴趣.     

基于聚类分析的警车巡逻方案的研究

警车在城市道路上巡弋,既能够对违法犯罪分子起到震慑作用,有效控制犯罪率,又能加快接处警时间提高反应时效,为社会和谐提供有力的保障.本文以模式识别中聚类分析理论为基础,定量的给出城市道路间警车的覆盖模式和所需配置的最少警车数量,并给出最优的警车配置及巡逻方案.通过实例说明该方法能够有效的提高警车出警效率.     

Grey relational analysis based approach for data clustering

This paper generalises the concept of grey relational analysis to develop a technique, called grey relational pattern analysis, for analysing the similarity between given patterns. Based on this technique, a clustering algorithm is proposed for finding cluster centres of a given data set. This approach can be categorised as an unsupervised clustering algorithm because it does not need predetermination of appropriate cluster centres in the initialisation. The problem of determining the optimal number of clusters and optimal locations of cluster centres is also considered. Finally, the approach is used to solve several data clustering problems as examples. In each example, the performance of the proposed algorithm is compared with other well-known algorithms such as the fuzzy c-means method and the hard c-means method. Simulation results demonstrate the effectiveness and feasibility of the proposed method.     

基于模糊聚类算法的体育运动视频图像分析应用

针对当前的体育运动视频图像分割方法存在图像分割结果粗糙以及空间畸变率高等缺陷,提出基于模糊聚类算法的体育运动视频图像分割方法。介绍了模糊聚类算法的基本理论,借助时域差分图像建立含有正态分布和灰度值的二阶模糊属性,赋予模糊属性S隶属度函数,进而对时域差分图像进行模糊聚类,再通过边缘检测得到运动视频图像分割结果。实验结果证明,该方法的空间精度高、噪声迭代性能好、空间畸变率低,可精准分割复杂运动视频图像,得到高清画面。