贝叶斯动态模型及其预测算法在数据挖掘中的应用研究

通过对贝叶斯预测过程的研究,提出了应用于数据挖掘的10类贝叶斯动态模型及其预测算法、并解决了非线性动态模型的线性化问题。以该模型及算法建立的数据挖掘系统经过实例测试其效果很好,有较高的理论和实用价值,可以在政府、企业等领域内推广应用。     

基于数据挖掘的销售预测研究

在研究数据挖掘预测算法时间序列AR模型的基础上,提出了将影响销售预测的因素与时间序列预测结合在一起的BP神经网络销售预测模型,该模型通过数据仓库获取销售历史数据.实例验证表明:BP神经网络销售预测模型比时闻序列AR销售预测模型精度高.     

基于贝叶斯网络的煤与瓦斯突出预测研究

贝叶斯网络是目前不确定知识和推理领域最有效的理论模型之一。为了正确预测煤与瓦斯突出的危险性,提出了一种基于贝叶斯网络的煤与瓦斯突出预测方法。在综合影响煤与瓦斯突出的因素和领域专家知识的基础上建立了网络结构,通过对先验知识和样本数据的学习,实现了煤与瓦斯突出的预测,取得了较好的效果。实验表明,该模型网络学习速度快,准确性高,是一种有效的煤与瓦斯突出危险性预测方法。     

基于贝叶斯方法的分类预测

介绍了基本的贝叶斯分类模型和贝叶斯信念网络模型,对网络模型的学习进行了讨论。并从实际出发,提出了几种可以简化模型结构、降低学习复杂性的可行方法,简要说明了这些方法在网络模型中的应用。对贝叶斯分类模型的准确性及其主要特点进行了分析。     

时序算法在销售预测中的应用研究

在金融市场、信息网络以及电子商务等领域中积累了大量时间序列数据,对这些数据进行深层次的分析,是数据挖掘研究中的重要方向之一.Microsoft时序算法是一个新的预测算法,使用Microsoft时序算法创建的模型是一个自动回归模型.本文用Micmsoft时序算法建立预测模型,预测某食品零售超市未来的销售情况.     

基于贝叶斯网络的电信客户流失预测分析

电信客户流失分析常用的数据挖掘方法有自动聚类、决策树和人工神经网络,它们是采用数据本身来训练模型的,没有利用先验知识。电信客户流失是由客户心理、服务质量和对手竞争等诸多复杂的因素造成的,利用这些已有的先验知识,可以提高预测的精度。该文根据先验知识选取分析变量,采集样本数据,通过贝叶斯网络的结构学习和参数学习,建立客户流失模型并进行客户流失趋势预测,取得了比标准数据集更准确的结果,该结果和决策树方法的预测结果相比还具有较大的优势,说明贝叶斯网络是分析客户流失等不确定性问题的有效工具。     

基于分布式入侵检测系统的贝叶斯动态模型的研究

将贝叶斯(Bayes)方法用于一种动态线性模型,即贝叶斯动态模型,再将此模型应用于网络安全的代理分布式的入侵检测系统,预测用户行为,这样的系统就能确定用户是在进行不可预测行为,还是已经改变了他的正常工作方式,从而对组织内部的攻击起防范作用。     

基于改进贝叶斯方法的轨迹预测算法研究

针对传统轨迹预测方法在历史轨迹数目有限时,预测准确度较低的问题,提出一种改进的贝叶斯推理(MBI)方法,MBI构建了马尔可夫模型来量化相邻位置的相关性,并通过对历史轨迹进行分解来获得更准确的马尔可夫模型,最后得到改进的贝叶斯推理公式。实验结果表明,MBI方法比现有方法的预测速度快2到3倍,并且有较高的准确度和稳定性。MBI方法充分利用现有轨迹信息,不仅提高了查询效率,还保证了较高的预测精度。     

基于PCA与权重贝叶斯的工作面煤与瓦斯突出预测

为实现对工作面煤与瓦斯突出快速、准确和动态的预测,提出一种基于主成分分析和权重贝叶斯的工作面煤与瓦斯突出预测方法,通过建立工作面煤与瓦斯突出预测的权重贝叶斯模型进行突出危险性等级预测.利用主成分分析确定预测模型中分类变量权重以提高预测准确性.在此基础上,设计基于相似度的训练样本数据更新方式实现对突出预测模型的有效重构....     

基于动态贝叶斯网络的多Agent交互的模型表示

动态贝叶斯网络(Dynamic Baycsian Networks,DBNs)是对具有随机过程性质的不确定性问题进行建模和处理的一个有力工具。该文将Agents技术和DBNs相结合来对两个以上的人的行为进行建模。提出一种分解和合并的方法来解决两个以上的Agents构成的DBNs的模型表示在计算上的难以处理性。同时还提高了模型的表示能力,且能表示变量之间互为因果的关系。     

基于BP神经网络的预测建模系统的研究与实现

神经网络具有良好的记忆、归纳和学习能力,对难以用数学方法建立精确模型的信息、工艺等能够进行有效地预测建模。该文通过对BP神经网络的分析和研究,针对传统BP算法的不足,采用Levenberg—Marquardt(LM)优化算法的建立一个基于BP神经网络预测建模系统。在介绍了系统的主要功能之后,给出了用MATLAB软件实现该系统主要模块的具体程序。最后采用该系统对一个制造过程中刀具磨损量的进行了预测建模,实验仿真结果表明：系统具有良好的预测效果,刀具实际磨损量与预测磨损量的误差基本上在10％以下。     

基于自适应动态规划的系统边际电价预测

针对目前电价预测算法的局限性,提出一种基于自适应动态规划方法的自学习、自适应智能算法。按照Bellman最优化基本原理,使用Agent逐步与环境的交互作用来寻求预测电价和实际电价的误差最小值,得到系统边际电价的最优解。采用美国加州电力市场的数据进行电价预测仿真。与常规方法相比,该方法的拟合精度和平均绝对百分误差均有很大提高。     

基于动态时间弯曲的时序数据聚类算法的研究

时间序列是一类重要的复杂类型数据,时间序列知识发现正成为知识发现的研究热点之一。欧几里的距离及其扩展作为相似测度被广泛应用于时间序列的比较中,但是这种距离测度对数据没有好的鲁棒性。动态时间弯曲技术是基于非线性动态编程的一种模式匹配算法。该文提出了基于动态时间弯曲技术的相似搜索算法,通过计算时序数据之间的最短弯曲路径来获得序列的匹配。对综合控制时序数据进行基于不同距离测度的聚类分析对比结果表明该文提出的算法有很高的精度和对振幅差异、噪声和线性漂移有强的鲁棒性,具有良好的应用价值。     

基于PP-BPNN的黄金价格预测模型

黄金价格受到多种因素影响,是一个复杂的非线性态系统,按传统线性规律建模预测,误差较大.为了提高黄金价格预测精度,提出一种投影寻踪和神经网络相结合的黄金价格预测模型.首先利用投影寻踪算法对影响因子进行筛选,降低特征空间的维数然后根据选择的影响因子对黄金价格样本进行处理,并输入到BP神经网络进行学习,建立黄金价格预测模型,最后通过实验对模型预测性能进行测试.实验结果证明,组合模型能够很好刻画黄金价格变化趋势,简化神经网络结构,加快收敛速度,进一步提高了黄金价格的预测精度和运行效率.     

基于数据挖掘的电信客户流失模型的建立与实现

文章介绍了利用数据挖掘技术处理电信行业中的客户流失问题,包括建立客户流失预测模型的过程及对模型的评价,并且使用数据挖掘工具SAS/EM实现了整个建模过程。     

基于DELPHI的航班动态显示系统的设计与实现

该文针对国内机场航班动态显示系统通常存在的问题,讨论了如何在Delphi下,利用Winsock的通信机制,实现航班动态显示的美观性、实时性、与广播等其它子系统的数据一致性。     

基于数据仓库的联机分析挖掘系统

基于数据仓库的联机分析挖掘系统的应用已成为趋势,设计并实现了一个应用模型。该模型建立了一个B／S架构的双服务器数据仓库,将数据挖掘与OLAP思想相结合,提供多维度事务内、事务间关联规则的挖掘。介绍了系统设计思想和体系结构,对系统的各部分功能进行了分析,并在此基础上提出了传统OLAP系统到OLAM系统平滑过渡的解决方案。     

基于GP的病虫害预测系统的研究

分析了遗传程序设计算法的特点,针对全局搜索优化中由于群体规模较大而产生的收敛率较低的问题,提出了加强初始群体的改进方法;并介绍了改进方法的实验过程,以及应用该方法开展的病虫害预测系统的建模过程。最后给出了在一定程度上的具体实现。