基于粗集理论和云理论的GIS数据挖掘与知识发现

阐述了粗集理论与云理论的基本概念 ,建立了以二者相结合为基础的模型 ,给出了该模型应用的一般方法与步骤 ,并将其应用于GIS数据挖掘与知识发现 ,最后用一组GIS数据验证了该方法的适用性和有效性     

基于MapReduce的频繁项集挖掘方法

为了改进关联规则挖掘的经典Apriori算法,设计一种基于Map/Reduce的频繁项集挖掘方法。通过搭建Hadoop平台,可使该方法得以实现,并籍此对该方法与Apriori算法的性能进行比较研究。实验结果表明该方法在对大数据集进行频繁项集挖掘时,可充分利用云计算的优势,从而能获得更好的时效性。     

基于关联模态云推理算法的输电塔结构损伤识别

为了解决输电塔等工程结构在不确定因素干扰下的损伤识别问题,提出了一种基于关联模态的云推理算法。建立残余力基本方程,并分析了基于残余力向量的损伤识别原理;提出了基于残余力的云推理算法,给出了云模型的数字特征,分析了前件云发生器和后件云发生器,给出了基于灰云模型的定性规则库建立方法,并利用云规则组成了相应的云推理系统。考虑到残余力法易受测量噪声等不确定因素干扰的弱点,进一步提出了关联模态云推理算法,以提高损伤识别的精度和可靠性,并采用输电塔结构模型进行了损伤识别研究。数值计算结果表明,关联模态云推理算法可以较好地识别出结构损伤,其识别效果明显优于残余力向量法和残余力云推理算法。     

不确定性空间数据挖掘算法模型

在分析空间数据和空间数据挖掘的不确定性基础上，针对传统空间数据挖掘的局限性，将空间数据的不确定性和空间数据挖掘的不确定性有机结合，以EM算法和Apriori算法为基础，建立了不确定性空间数据挖掘算法模型，包括不确定性空间数据聚类算法（UNEM）和不确定性空间数据关联规则挖掘模型（USAR）．并以中国37个有代表性的大中城市的地理空间经济数据为例，进行实验验证，结果表明：采用不确定性空间数据挖掘算法模型比传统的空间数据挖掘方法得到的知识更为真实客观．     

用模糊遗传算法挖掘空间关联规则

空间关联规则是空间数据挖掘的重要知识内容，利用模糊遗传算法能很好地解决随机和非线性等问题的特征，解决空间关联规则的数据挖掘问题将离散化交叉概率pc和变异概率pm的模糊遗传算法应用到空间数据库空间关联规则的数据挖掘中，讨论模糊遗传算法的编码方法和适应度函数的构造，并给出了空间关联规则挖掘流程。研究结果表明，用模糊遗传算法挖掘空间关联规则的方法是可行的，并具有更高的挖掘效率。     

Cloud Computing Based Optimal Driving for a Parallel Hybrid Electric Vehicle

A cloud computing based optimal driving method is proposed and its feasibility is validated through a real-world scenario simulation. Based on principles of vehicle dynamics, the driving optimization problem has been formulated into an optimal control problem constrained by traffic rules, directed at achieving lower equivalent fuel consumption and shorter travel time. In order to conveniently specify the constraints and facilitate the application of the dynamic programming (DP) algorithm, the driving optimization problem is transformed into spatial domain and discretized properly. Considering the heavy computational costs of the DP algorithm, a cloud computing based platform structure is proposed to solve the optimal driving problem in real-time. A case study is simulated based on a real-world traffic scenario in Matlab. Simulation results demonstrate that the cloud computing framework is promising toward realizing the real-time energy management for hybrid electric vehicles.     

基于网格化曲率聚类的点云分割

针对三维散乱点云数据,提出一种基于网格化曲率聚类的点云分割算法．首先对点云进行三维空间动态网格划分建立散乱数据点的拓扑关系,利用坐标转换法,在局部坐标系内拟合抛物面,进而求得高斯曲率、平均曲率等微分信息,然后基于聚类分析的思想利用高斯曲率和平均曲率的相似性进行点云数据的初始分割,再利用空间网格的拓扑关系检查和纠正完成点云数据的区域分割．该方法不需计算出每一个测量点的曲率值,从而提高了计算速度．     

大跨空间结构智能选型方案生成系统

将基于实例的推理和数据挖掘技术应用于大跨空间结构的智能选型的方案生成阶段．介绍了基于实例推理系统的基本结构及其四个关键技术,建造了大跨空间结构智能选型方案生成系统．主要实现了以下功能：实例库的建立和维护;人机交互界面的实现;初步完成基于加权检索算法的大跨空间结构选型实例推理;实现了实例关键参数值域分布情况的统计功能;采用数据挖掘算法对实例库进行了关联规则的挖掘,初步挖掘出了实例库中的关联规则,利用决策树和粗糙集的方法产生分类规则,比较了三种数据挖掘方法,给出它们的应用条件,为下一步实现基于知识推理做准备．通过实例演示了该系统的方案生成过程．     

面向大规模定制的个性化推荐研究

分析了面向大规模定制的个性化推荐的特征,并给出了基于关联规则挖掘的个性化推荐模型.模型中的关联规则代表了客户特征与产品属性之间的关系,包括基于全部客户定制历史记录的基本规则和基于特定用户的定制历史记录的个性化规则.针对现有关联规则研究应用的关联规则存在知识冗余,规则数量太多的问题,提出最强关联规则的概念并将其应用于大规模定制的个性化推荐.最后,采用著名的个性化推荐数据库MovieLens数据,给出应用实例,验证了本方法的效果.     

基于云计算的分布式数据挖掘平台架构

针对互联网上数量众多的网站带宽资源长期浪费或突发资源短缺、响应时间长、服务器宕机、网站受到黑客攻击等问题,提出了基于＂云＂的分布式web安全系统及基于云计算的分布式数据挖掘平台架构,并在此基础上提出了一种新型的分布式数据挖掘模式,利用云计算技术,可以方便地通过网络获取强大的计算能力和存储能力,将消耗大量资源的复杂计算通过网络路由优化和资源约束自适应策略分布到多节点上进行,然后通过组合不同数据站点上的局部数据模型,最终得到全局数据模型。     

冗余关联规则删减技术研究综述

关联规则是数据挖掘的重要研究内容之一,而传统算法生成的关联规则之间存在着大量的冗余规则,这使得用户分析和利用这些规则变得十分困难。为了帮助用户分析,可以采用各种技术来有效地减少大量冗余的规则。本文介绍了冗余关联规则的概念,冗余关联规则删减的算法,结合当前的研究成果分析冗余关联规则的发展趋势。     

动态云模型大规模数据挖掘算法

分析了云计算和数据挖掘的关系,研究了SLIQ和SPRINT两种数据挖掘算法,提供了一种数据存储量不断增加时基于动态云模型的数据挖掘算法。     

基于频繁模式树的正负项目集挖掘

传统的基于支持度—置信度框架的关联规则挖掘方法可能会产生大量不相关的、甚至是误导的关联规则,同时也不能区分正负关联规则。在充分考虑用户感兴趣模式的基础上,采用一阶谓词逻辑作为用户感兴趣的背景知识表示技术,提出了一种基于背景知识的包含正负项目集的频繁模式树,给出了针对正负项目集的约束频繁模式树的构造算法NCFP-Construct,从而提高了关联规则挖掘的效率和针对性,实验结果显示该方法是有效的。     

由频繁项集生成关联规则的算法设计和实现

关联规则挖掘是数据挖掘的一个重要研究方向。关联规则挖掘分为两个阶段:发现频繁项集和由频繁项集产生关联规则。介绍由频繁项集产生关联规则的算法设计,并用VC 6.0实现,程序运行能满足要求。     

基于云模型的动态客户细分分类模型研究

针对现有的数据挖掘模型解决客户不确定性行为的不足,提出了基于云模型的动态客户细分分类模型.该模型将云模型理论中关于动态概念描述的思想引入到对分类状态集的后处理过程中,以隶属度高的类别被选中的概率大的程序设计原则实现了分类器处理过程的动态性.经试验验证,该模型能够更加客观地描述客户行为的非确定性和随机性特征,具有良好的分类效果.     

基于空间数据仓库的空间数据挖掘研究

在讨论空间数据挖掘的相关技术对空间数据挖掘影响的基础上 ,提出一个基于空间数据仓库的空间数据挖掘模型 ,从基于空间数据仓库的数据挖掘角度出发 ,提出有待深入研究和探索的问题 .     

基于粗集的规则不确定性量度

在对粗集及其相关理论的研究基础上,给出了一种基于推广粗集模型和信息熵的规则不确定性量度及其相关定理的证明,同时在此基础上还提出了一种规则噪音处理方法,实验结果证明该不确定性量度适用于评价从有噪音数据中提取的规则。     

空间数据挖掘模型和方法研究

本文提出一个基于空间数据仓库的空间数据挖掘模型，讨论了空间关联规则发现、空间分类发现、空间聚类发现和空间数据总结等四类空间数据挖掘任务的目标、采用的挖掘方法和空间采样数据的处理方法。最后，从基于空间数据仓库的数据挖掘角度出发，提出有待深入研究和探索的问题。     

面向NURBS曲线构建的切片技术研究

激光点云数据NURBS曲线曲面重构一般采用参数化方法时,要求数据点是按照特殊规则排列的,即链式曲线和曲面网格.如果被测点是不规则空间排列,运用参数化方法会非常困难,拟合曲面可能会扭曲的很厉害.针对该问题,本文利用切片技术对散乱点进行曲线重建,首先采用曲率分析方法确定切片方向,然后以一定厚度的一系列平行平面与点云求交,对"相交点集"排序,再由参数化方法进行NURBS曲线重构.经实验验证,该方法在NURBS曲线重构中具有高效率性和计算稳定性.     

基于小波单支重构的遥感影像云区提取

遥感全色影像受云层变化影响较大,如何确定云区位置和面积,恢复云区遮挡信息是遥感图像处理的关键技术之一.本文在影像含云区域特征分析的基础上,提出一种基于小波多分辨率分析与单支重构的云区提取方法.本方法同其它特征提取方法相比,边缘重合度高,对有云影像融合以及影像恢复都有较大的实用价值.