基于样本选择的蛋白质关联结构预测

对于模式识别系统而言,不同的训练样本在建立分类模型时所起的作用不同,以往的蛋白质关联结构预测方法都是从样本集中随机选取一部分样本作为分类器的训练样本,这将降低蛋白质关联结构分类器的预测精度,为改善训练样本对预测精度的影响,本文提出一种基于样本选择及BP神经网络的蛋白质关联结构预测方法.该方法选取与蛋白质关联结构相关的属性进行编码,并采用样本选择技术从编码后的样本集中选取一定的高质量样本构建预测模型,从而有效地对蛋白质关联结构进行预测.本文根据提出的编码方式对从蛋白质数据库PDB中获取的200个蛋白质进行编码,然后用最近邻算法选择训练样本,并使用BP神经网络建立相应的预测模型.实验结果表明,进行训练样本选择能够有效提高蛋白质关联结构的预测精度.     

基于码书关联网络的基音调制信息隐藏检测

基音调制信息隐藏在进行基音预测时嵌入机密信息,可在低速率语音压缩编码过程中进行高隐蔽性的信息隐藏,文中试图对该种隐写进行检测.文中发现该种隐写将导致压缩语音流中相邻语音帧自适应码书的关联特性发生改变,文中以此为设计隐写分析算法的关键线索.为了量化该种关联特性,文中设计了码书关联网络模型并基于该模型得到了对隐写敏感的特征向量.最后,基于所得特征向量并结合SVM(Support Vector Machine,支持向量机)构建了隐写检测器.针对典型的低速率语音编码标准G.729以及G.723.1的实验表明,文中方法性能优于现有检测方法,实现了对基音调制信息隐藏的快速有效检测.     

对抚钢引进50吨超高功率电弧炉引起的电网电压波动及闪变的研究

本文是对抚顺钢厂引进的50吨超高功率电弧炉运行对电网产生的电压波动及闪变问题研究总结的一部分。文中介绍了初选变压器容量，预测其运行时产生的电压波动及闪变电压值，分析其对电网影响程度，并与投产后实测值比较，其结果验证了预测计算方法的准确性。文中重点论述了计算公式中最小系统短路容量选择技巧，以得出切合实际的预测结论。可供新建电炉设计及运行者参考。     

异步电动机正常运行和起动时漏电流的回归分析

异步电动机在正常运行时的漏电流I和起动时漏电流Ist有显著的规律性。以部分异步电动机漏电流I和Ist的数据为基础,用数理统计的方法,得出了漏电流I、Ist与电机功率之间的回归方程,从而可在已知电机功率的条件下,利用文中公式,对不同功率电机的漏电流进行点预测和区间预测,为选择漏电保护设备提供参考。     

关联规则挖掘在干旱预测中的研究与应用

文中描述了关联规则算法的基本理论以及经典算法,针对气象数据的特点,提出一种基于月粒度统计数据进行挖掘属性构造的方法,依据挖掘算法要求并对其进行离散化处理,通过对处理后数据做关联规则挖掘,进行干旱预测模型的建立。对实验数据处理结果表明:挖掘规则合理、预测结果可信、预测效率提高。     

基于融合集成算法的配电网负荷预测研究

配电网的负荷预测在电力运行状态监测中尤为重要。负荷预测的精度提升为电网的安全、稳定运行提供了保障。通过对融合集成算法的研究,提出了一种基于关联特征选择的融合集成算法。在数据集的选择上,使用相关系数和灰色关联算法综合对样本中负荷影响较小的特征进行剔除,使得样本数据集的相关性更高;同时,对传统Stacking集成学习的输入和输出特征进行优化,提高了模型的预测效果。试验结果表明,基于融合集成算法的配电网负荷预测模型与传统的Stacking集成算法、XGBoost、灰狼优化-反向传播算法相比,负荷预测的精度提升了3.07%。该模型总体性能表现较好。该研究结果有效地支撑了配电网的负荷监测和规划,也为电力系统故障诊断提供了参考。     

基于关联分析的铁路旅客同行预测方法

随着运输技术的快速发展,铁路已成为人们出差、度假、探亲时选择的主要出行方式之一。与此同时,旅客共同出行(以下简称同行)的行为特征也越来越普遍。依据旅客间的同行关系,可以构建同行关系网络;而对该网络中潜在的链接进行预测,将有助于提供个性化的服务和产品。为此,文中提出一种原创的方法,用于在旅客同行关系网络中发现潜在的同行关系。首先对传统的图模式关联规则进行扩展,提出了两类"同行图模式关联规则",用于预测新的同行关系和未来的同行频次。然后,将上述规则挖掘计算的问题分解为频繁同行模式挖掘、规则生成以及关联分析3个子问题,并设计了有效的分布式和集中式的算法。通过在大规模真实数据集上的测试,证明了所提方法能够高效且准确地预测旅客同行关系网络中潜在的同行关系,且两类规则的预测准确率均高于50%,远高于传统方法(如Jaccard的预测准确率为24%)。     

基于神经网络预测模型输入参数配置方法的实现

基于数据挖掘中的关联概念,提出了一种针对神经网络预测模型训练参数的选择方法,有效地提高了神经网络模型在毛纺工艺中对纱线断头率的预测精度;该方法通过生产中的训练参数记录进行关联规则的提取,可快速的排除产生负面影响的训练参数,迅速选择可以提高预测精度的训练参数,从而达到提高神经网络模型预测性能的目的;实验证明,利用关联算法进行参数配置,可以有效提高神经网络输入模型的预测精度.     

多时间序列跨事务关联分析研究

论文的研究目的是为了对时间序列的发展趋势进行预测。采用的方法是对多时间序列进行跨事务关联规则分析,利用关联规则中前件和后件的时间差进行预测。提出了跨事务关联规则挖掘ITARM,该算法采用了基于压缩FP-树的、分而治之的挖掘方法。算法在产生了频繁1-项集之后,分别利用1-项集中的项作为约束条件,建立压缩FP-树,挖掘跨事务关联规则。文中给出了算法的主要设计思想和算法的伪代码,并对算法的性能进行了测试。测试结果表明,ITARM算法是一个时间和空间性能都较高的跨事务关联规则挖掘算法。     

一种改进的关联规则自顶向下算法

关联规则是数据挖掘的主要技术。文中介绍了关联规则的基本概念,阐述了自顶向下算法的基本思想和存在的不足,扩展了相关定义和性质,提出了基于自顶向下算法基础上的改进算法。该算法的主要特点是运用集合运算的思想和递归的方法,保存前面扫描时比较运算的结果进行最大频繁集的查找。最后用实例进行仿真实验并做了比较分析,效率有所提高。     

分子模拟方法预测流体热力学性质

流体的热力学性质数据对化工过程设计具有重要意义,除实验测定外,也可采用分子模拟方法计算。为了考查分子模拟方法预测流体热力学性质的准确性和可靠性,本文以环氧乙烷为例,基于所开发的分子力学力场,综合采用分子动力学和蒙特卡罗等多种分子模拟方法,预测了环氧乙烷在较大温度范围内的气液相平衡、第二维里系数、热容、粘度系数等多种热力学性质。结果表明,采用分子模拟方法所预测的热力学性质与实验值吻合良好,所计算的环氧乙烷的液体密度、气相第二维里系数、热容和粘度系数的平均偏差分别在1%、5%、5%和10%以内。由此可见,分子模拟方法可以成为获取流体热力学性质的另1种可靠手段。     

关联规则挖掘在陶瓷釉料配方实验选择中的应用

论述了在陶瓷釉料配方实验中运用数据挖掘中的关联规则算法对配方进行选择,采用SPSS modeler14.1软件中的Apriori关联规则模型对这些配方进行分析,得到配方中各化学原料的关联信息,为选择那些配方成分做实验提供参考依据。     

一种基于关联分类方法的Web用户兴趣预测

对用户分类是Web挖掘的一个重要的研究方向。文中提出一种基于关联规则的分类方法,并且将它应用于用户兴趣预测。首先对服务器日志文件预处理,形成一个访问事务集。然后对该事务集进行数据挖掘,找出所有的满足最小支持度的类别关联规则。最后用这些类别关联规则去预测用户的兴趣。实验证明此方法是有效的。     

一种改进的关联规则自顶向下算法

关联规则是数据挖掘的主要技术.文中介绍了关联规则的基本概念,阐述了自顶向下算法的基本思想和存在的不足,扩展了相关定义和性质,提出了基于自顶向下算法基础上的改进算法.该算法的主要特点是运用集合运算的思想和递归的方法,保存前面扫描时比较运算的结果进行最大频繁集的查找.最后用实例进行仿真实验并做了比较分析,效率有所提高.     

浅析国际原油升贴水与原油性质关系

为了研究国际原油升贴水的影响因素,详细考察了原油升贴水构成,提出了影响性质升贴水的几个主要因素,包括原油的API、硫含量、金属含量、氮含量及残炭。并通过指数函数对原油性质及原油升贴水进行关联,通过Levenberg-Marquardt算法及全局优化算法对历史数据进行拟合,得到预测原油性质升贴水的公式,为合理预测进口原油的升贴水提供一定的技术支持,为沿海炼化企业进口原油未来价格预测提供了重要的数据支撑。     

一种基于关联分类方法的Web用户兴趣预测

对用户分类是Web挖掘的一个重要的研究方向.文中提出一种基于关联规则的分类方法,并且将它应用于用户兴趣预测.首先对服务器日志文件预处理,形成一个访问事务集.然后对该事务集进行数据挖掘,找出所有的满足最小支持度的类别关联规则.最后用这些类别关联规则去预测用户的兴趣.实验证明此方法是有效的.     

多微机系统实现动态大系统递阶优化在线控制

本文描述了一个由 TP-801 和 INTEL8086单板机组成的多微机系统。该系统可以进行大系统递阶优化、实时在线控制。系统采用关联预测原理实现递阶优化算法,并作了模拟实验。文中给出了分析和实验结果,并且就系统分解方法、计算时间、存储空间、数据通信量以及采样周期的选择作了讨论。     

正态云关联规则的预测方法

在信息处理领域,用数据挖掘方法发现关联规则和进行预测是两大热点.文中应用聚类的方法确定正态云的两个参数,并借助正态云模型来划分数量属性的论域,由此生成一系列的正态云关联规则.接着给出了正态云关联规则的挖掘和预测方法.由于用正态云表示的语言值能很好地表达抽象的概念,从而使得挖掘出的正态云关联规则与预测的结果更抽象、更容易被人理解.     

利用参考像素相似度检测的帧内预测编码

为进一步提高帧内预测的编码性能,提出一种新的帧内预测算法。算法对用于预测的参考像素进行相似度检测,当参考像素相似度高时,直接使用平均模式预测,省略了用于编码预测模式的比特,节省了码率,并减少了用于率失真优化所需的计算量,降低了计算复杂度;在各参考像素差异较大时,则按H.264/AVC中率失真优化的方法进行模式选择。实验结果表明,该算法在同样的峰值信噪比（PSNR）下,平均码率降低1.42%,编码速度提高了32.2%。     

一种高效的基于排序的RBF神经网络属性选择方法

高维数据包含的大量冗余给数据挖掘带来了困难。因此，对高维数据进行数据挖掘时，必须先对原始数据进行降维处理。文中提出一种基于数据属性重要性排序的神经网络属性选择方法。该方法只需对部分属性进行训练，即可进行降维。它克服了现有的神经网络降维方法必须对全部属性进行训练的弊端，大大提高了属性选择的效率。该方法先用输入输出关联法对数据属性进行重要性排序，然后按重要次序用RBF神经网络进行属性选择。仿真结果表明效果良好。