基于遗传算法的数据挖掘方法及应用

车间作业调度问题的研究不仅具有重大的现实意义,而且具有深远的理论意义.该文采用数据挖掘算法从大量的车间作业调度中抽取一些有价值的信息或知识,然后应用这些知识来辅助车间作业调度.应用数据挖掘算法从车间作业调度最优方案中抽取出最优调度方案的一些模式知识来发展一些规则集辅助车间作业调度.这些规则可以看作是隐含在车间作业调度最优方案中的,事先未知的潜在有用的信息.根据这些规则可以产生比简单指派更好的车间作业调度方案.最后的数据实例表明该方法无论在调度质量还是在计算速度上都具有较好的性能.     

遗传算法编码设计及其在数据挖掘中的应用

数据挖掘就是从大量的数据中提取或者“挖掘”知识,从而实现对数据资源的有效利用．关联分析是数据挖掘诸多功能中应用最广泛的一种．关联分析用于发现关联规则,关联规则描述了给定数据集的项之间的有趣联系．提出了一种基于遗传算法的关联规则的挖掘算法．在关联规则的编码方面,提出了对个体进行变长编码的方法,从而在一定程度上减少了无效规则的数目;在适应度函数的构造方面也进行了一些改进;针对规则库的覆盖问题,采用标志位的方法,对挖掘过的规则设置标志,避免规则重复挖掘．     

基于神经网络与遗传算法的汽轮机数据挖掘研究

针对当前专家系统知识获取瓶颈的难题,提出了基于神经网络与遗传算法的汽轮机数据挖掘方法.将汽轮机故障历史数据首先进行模糊化及离散化处理,接着构造一个多层的前向神经网络,然后通过教师示教的方式训练构造好的神经网络,最后进行基于遗传算法的神经网络优化.以神经网络为知识本体,提出了汽轮机故障诊断分类规则的挖掘算法,实现了基于神经网络与遗传算法的汽轮机数据挖掘和故障诊断仿真系统,其诊断正确率达到了84%.实验表明该方法可行,对汽轮机故障诊断系统的设计具有借鉴意义和深入研究的价值.     

数据挖掘技术在故障诊断中的应用

数据挖掘技术是当今计算机信息技术的一项新兴技术,它综合运用了人工智能、计算智能、模式识别、数理统计等先进技术,从大量数据中挖掘和发现有价值和隐含的知识.研究了数据挖掘的主要方法和它在故障诊断中的应用.     

基于数据挖掘技术的CRM浅议

一个完善的CRM应该完全建立在比较夯实的数据挖掘的基础上,为了建立一个完善的CRM系统,不仅要从软件层面上理清业务流程,完善数据服务,而且要建立一个完备的客户维护管理系统。     

基于遗传算法的关联规则挖掘方法及应用

对关联规则的数据挖掘和遗传算法进行了介绍，提出了一种采用遗传算法的关联规则提取方法，并以交通事故的原因分析为例，进行了关联规则挖掘．     

基于数据挖掘技术的电信业客户流失分析

传统客户流失分析方法有、测定客户流失率、客户保持率、客户增长速度以及生存分析方法等,这些方法只是使用简单的量化指标,缺乏对隐含在客户数据中深层次信息的挖掘和分析。本文中,以某移动通信公司的部分客户数据为基础,运用数据挖掘技术和方法对众多电信运营商所面临的共同问题——客户流失进行了深入探讨,从而提供了新的评估和分析角度,为市场人员制定“一对一”的个性化销售策略提供了较为可靠的理论依据。     

基于数据挖掘技术的电厂运行参数目标值优化

针对电站数据自身的多元性、动态性与相关性给人工分析和处理带来困难的特点,提出了基于数据挖掘算法的电厂运行参数最优值的确定方法,并将其应用于电站实际运行中。     

基于遗传算法和禁忌搜索算法的混合策略及其应用

为了提高遗传算法的局部搜索能力,根据遗传算法和禁忌搜索算法自身的特点,通过分析2者的优势和不足,提出了一种将2者混合使用的求解优化问题的方法.本算法用遗传算法作全局搜索,用禁忌搜索算法作局部搜索,可以加快收敛速度,得到满意的计算结果.同时,为抑制早熟现象,避免收敛到局部最优点,提出了一种应对策略.实验结果表明,该算法在计算速度和计算结果方面都有改进.     

数据挖掘技术在故障诊断中的应用

数据挖掘技术是当今计算机信息技术的一项新兴技术,它综合运用了人工智能、计算智能、模式识别、数理统计等先进技术,从大量数据中挖掘和发现有价值和隐含的知识。研究了数据挖掘的主要方法和它在故障诊断中的应用。     

基于改进遗传算法的多维关联规则挖掘方法及应用

对遗传算法进行改进,并应用于多维关联规则挖掘中.在该算法中提出了一种基于免疫机制的新选择策略,并引入随机数,采用自适应方法随机动态选取交叉和变异概率.这种新算法不仅有效地抑制了早熟收敛现象,而且大大提高了搜索效率.     

基于混合遗传算法的分类规则挖掘方法研究

基于传统遗传算法的分类规则挖掘方法,通常存在挖掘出的规则质量不高,优化后种群中的冗余规则太多,分类准确率较低等问题.文中分析了分类规则挖掘原理,提出基于混合遗传算法的分类规则挖掘方法能够有效地克服上述缺点,从而提高分类规则挖掘的准确性.     

基于Apriori算法的数据挖掘在高校毕业生就业指导中的应用

随着高校毕业生人数的增加和管理信息系统的应用,产生了大量复杂的就业数据,利用Apriori算法的数据挖掘技术,从就业数据中挖掘出学分绩点与用人单位录用学生之间的关联规则,有助于提高就业管理部门对毕业生就业指导的实效性,实现毕业生更快更好的就业.     

基于BP算法的数据挖掘应用研究

探讨了基于人工神经网络的数据挖掘技术,提出了一种改进的BP算法,并针对这种算法进行了分析测试.测试结果表明改进的BP算法缩短了学习时间,提高了学习效率,并在一定程度上避免了学习中的局部极小问题的出现.     

遗传算法在关联规则挖掘中的应用研究

在关联规则中引入遗传算法,并以地区生产总值统计为例尝试用遗传算法挖掘关联规则,阐述了遗传算法、数据挖掘及关联规则的概念和原理,并提出双层循环结构,利用精英重组,一致变异以及自适应参数的手段调整遗传算法进行数据挖掘,最后分析了该过程的收敛特性和时间复杂度.     

基于遗传算法的大厂矿区地震定位研究

基于遗传算法对大厂矿区的地震进行重新定位。为验证该方法在大厂矿区的应用效果,首先对已知的5次人工爆破进行定位,得出平均定位水平误差在146m范围内(矿区台网定位水平误差为500m),进而对大厂矿区的81次ML1.0级以上地震进行重新定位,结果表明:大厂矿震主要呈北西向展布,且主要集中在大厂断裂右侧;较大地震均与大厂断裂呈平行状分布,推断其附近可能有隐伏断层存在;大厂矿区地震主要受北西向断层的影响,受北东向断层的影响不大。定位后震源平均深度为2.8km,最大深度6.5km,最小深度1.5km。     

基于数据挖掘的决策树算法分析

决策树是数据挖掘技术中的重要方法,主要用于分类和预测.本文介绍了决策树算法中应用最广泛的ID3算法和C4.5算法,阐述了两种算法的主要思想,说明了构造决策树的基本步骤,对两种算法进行了分析和比较.     

基于数据挖掘算法的网格日志分析

为提高网格资源的安全性,将数据挖掘算法应用到对网格日志的分析上,通过对网格日志的分析挖掘,从中发现用户的非法行为,实现对用户的限制性访问控制。用一个例子对这种方法进行了描述。该方法的提出增强了网格的安全性。