基于数据挖掘算法的交通状态辨识方法研究

在分析现有交通状态辨识理论的局限性的基础上,提出了一种新的交通状态辨识模型。此模型针对每种交通状态样本数据都具有一定的相似性,不同状态之间的样本具有相异性的性质,采用数据挖掘方法中的聚类算法对不同状态的交通流数据进行聚类。所提出的模型避免了目前模型中只采用单个交通流参数进行状态识别的缺点,为交通状态的辨识提供了一种新的思路。     

数据挖掘算法在交通状态量化及识别的应用

在智能交通系统（ITS）环境下,以交通检测器采集的海量交通流信息为对象,通过数据挖掘技术即数据获取、数据预处理、挖掘方法、结果分析与评价、模式应用等进行新的信息提取,提出了各阶段的要求和聚类分析及模式识别的算法,最后从海量数据中得到新的有用信息交通状态分类,同时使用实时采集交通流数据进行交通状态判别。实验结果表明识别状态能够准确反映实际交通状态。     

基于数据挖掘技术的现代电子设备运行状态辨识研究

针对当前现代电子设备运行状态辨识错误率大、耗时过程长等局限性,为了改善现代电子设备运行状态辨识正确率,设计基于数据挖掘技术的现代电子设备运行状态辨识方法。首先采集电子设备运行状态数据,采用小波变换对数据进行预处理,并提取电子设备运行状态特征,然后采用数据挖掘技术分析电子设备运行状态变化规律,建立辨识模型,最后与其它方法进行电子设备运行状态辨识对比实验。实验结果表明,所提方法的电子设备运行状态辨识正确率高,将辨识误差控制在10%以内,不仅完全可以满足现代电子设备的实际应用要求,而且辨识整体效果要优于对比方法,具有十分明显的优越性。     

数据挖掘算法在交通数据中的研究分析

该文希望通过数据挖掘技术,科学合理地帮决策者寻找数据之间的规律,全面地分析交通数据信息之间隐含的内在联系,进一步科学合理地管理数据,为交通运输管理部门和用户出行提供方便,为交通运输的信息化发展起到促进作用。     

数据挖掘算法在交通数据中的研究分析

该文希望通过数据挖掘技术,科学合理地帮决策者寻找数据之间的规律,全面地分析交通数据信息之间隐含的内在联系,进一步科学合理地管理数据,为交通运输管理部门和用户出行提供方便,为交通运输的信息化发展起到促进作用。     

一种基于税务系统数据仓库的模糊数据挖掘算法的研究

文章简要的叙述了数据仓库的概念、数据仓库结构、数据挖掘的定义和方法,并提出了一般的基于数据仓库的数据挖掘系统的结构。并针对税务系统的数据仓库提出了一种模糊数据挖掘算法。     

基于模糊辨识算法的蓄电池荷电状态测量方法与模块设计

针对蓄电池荷电状态在线监测中对准确度和测量速度的要求,本文提出采用模糊辨识算法对蓄电池进行系统辨识。并通过对蓄电池的荷电状态与内阻、端电压数据的分析,建立了蓄电池荷电状态的模糊规则模型,并以此进行蓄电池荷电状态的测量,得到均方误差为0.0052。测量结果表明基于模糊辨识算法的蓄电池荷电状态测量能够满足蓄电池在线监测的要求,且易于硬件实现。文章还使用DSP Builder设计了蓄电池荷电状态测量模块,其中内阻测量采用了特征分解谱估计的信号提取方法,荷电状态测量则实现了模糊辨识算法所得出的模糊规则模型的运用。     

一种基于重要度的实值粗糙集模型及其在交通状态辨识中的应用

在分析现有粗糙集理论和算法在处理实值决策系统问题的局限性的基础上,提出了一种新的实值属性 重要度定义,并在此定义基础上提出了实值粗糙集扩展模型及其属性快速约简算法,避免了经典粗糙集理论必须离 散化数据的弊端．最后将     

基于属性分类的数据挖掘方法

随着数据仓库的广泛应用,从数据中获取相关的知识或规则越发显得重要,各种各样的数据挖掘技术提出了出来,本文介绍一个基于数据属性值的数据挖掘方法。首先简单介绍了ＩＤ３分类技术,然后详细论述了基于属性值分类的数据挖掘的方法。该方法有两个的步骤：数据采集,整理及形成规则并化简规则。     

基于用电大数据的用电异常状态辨识方法

用电异常状态的辨识是用电环节的重点和难点。本文基于计量自动化系统智能电能表所采集的用电大数据,对用电异常状态辨识方法进行研究。首先,基于用电海量数据及高维随机矩阵理论,研究分析了大维随机矩阵的协方差矩阵特征谱分布;然后,根据矩阵的统计特性提出基于用电大数据矩阵的用电异常状态辨识方法;最后,以贵州实际用电数据为例进行了仿真研究。仿真结果表明该文方法不仅能满足电网对可视性、时效性、可靠性、安全性的迫切要求,而且为数据驱动用电环节智能化、可视化监控提供了新思路。     

基于数据仓库的数据挖掘研究

结合当前数据仓库和数据挖掘的发展，本文探讨了数据仓库和数据挖掘结合的必然性；提出了基于数据仓库的数据挖掘的体系结构；综述了基于数据仓库的数据挖掘的主要特征和典型应用。     

基于Web的数据挖掘技术的研究

基于Web的数据挖掘是一个结合了数据挖掘和WWW的热门研究主题。本文介绍了Web上数据信息的特点入手．研究面向Web的数据挖掘需解决的主要问题，提出了一种基于Web数据挖掘的应用模式框架，并着重从功能的角度介绍了Web数据挖掘的演进过程。     

基于数据仓库的数据挖掘技术研究现状与进展水

随着时间的推移,社会的进步,越来越多的数据被海量积累下来,如何合理处理数据,并利用相关数据获取人们所需的知识,是进入21世纪以来人们一直深入研究的方向.以此为出发点,从数据仓库与数据挖掘的诞生谈起,详细介绍了数据仓库的构建、几种数据挖掘算法以及数据掘过程,分析提出了数据挖掘技术的进一步发展和研究方向.     

基于Web的数据挖掘算法与数据仓库的接口设计

提出了一种基于Web的数据挖掘系统中数据挖掘算法与数据仓库的接口设计方案，解决了算法与数据仓库的接口问题，实现用户通过Web浏览器动态调用算法，算法在Web环境下对数据仓库数据进行挖掘，发现有用的知识。该接口方案的通用性增强了数据挖掘系统的扩展性，有利于系统快速添加更多的新算法，以满足各种挖掘需求。     

基于移动计算的数据挖掘研究

提出了基于移动计算的数据挖掘的构思：分析了移动计算环境下数据挖掘技术的发展．包括发展方向和关键技术。     

一种基于数据挖掘分析的设备状态评价方法

为提高电力设备状态评估的准确性和效率,提出了一种将数据挖掘方法应用到设备状态评价中的思路和方法。介绍了基于数据挖掘方法的状态评价模型,从大量设备历史数据库中采集电力设备的台账信息、在线监测信息、运行信息等作为设备评价的基础参量,将这些历史数据分别归类为不同状态的数据集,然后对每个数据集提取其主要特征向量,以此作为设备状态评价分类依据。该方法为设备状态评估提供了新的思路。     

数据挖掘中GridLOF算法的研究与改进

通常那些与数据集的一般行为或模型不一致的数据对象,可能包含某些重要的隐藏信息.在分析了基于单元网格的局部孤立因子的孤立点挖掘算法(GridLOF)的基础上,做出了相应的改进,提出了基于相邻网格密度因子的孤立点挖掘算法.     

基于交通状态切换的自适应背景更新算法

提出了一种新的道路交通自适应背景更新算法,该算法采用虚拟线圈检测车辆平均速度,并按平均速度将交通状态区分为“畅通”和“拥堵”,以此作为背景更新的切换条件;当车辆处于畅通状态时,主要以光照变化作为背景更新的条件,并采用混合高斯模型与连续帧间差背景更新模型相结合的融合模型进行更新;当车辆处于拥堵状态时,则不进行更新;算法中引入了背景更新的评价函数,使得背景更新能够自动停止;实验结果表明该算法具有传统背景建模的优点,并且提高了实时更新的效果与减少了计算量.     

基于RBF神经网络的数据挖掘研究

探讨了基于数据仓库的数据挖掘技术的原理与相关方法,介绍了RBF神经网络的原理与特点。针对RBF神经网络非线性映射能力强和学习速度快等特点,介绍了基于RBF神经网络的数据挖掘方法的数据清洗、预处理和正则化等操作步骤。神经网络具有分布式存储信息的特点,能够利用大量神经元间的连接,以及连接权值的分析,来限定特定信息。使用这种思想构建的网络系统,即使在局部的网络损坏,也不会导致整体的瘫痪。