基于层次分析法的数据挖掘技术研究与应用

构建数据挖掘算法模型是数据挖掘技术研究的重点和难点。层次分析法是一种定性与定量相结合的多准则决策方法,可以将人的主观判断用数量形式表达和处理。研究和实现基于层次分析法的数据挖掘技术,可进一步拓宽数据挖掘算法模型的类型,对数据挖掘技术的应用具有普遍意义。     

基于层次分析法的数据挖掘技术研究与应用

构建数据挖掘算法模型是数据挖掘技术研究的重点和难点。层次分析法是一种定性与定量相结合的多准则决策方法．可以将人的主观判断用数量形式表达和处理。研究和实现基于层次分析法的数据挖掘技术,可进一步拓宽数据挖掘算法模型的类型,对数据挖掘技术的应用具有普遍意义。     

基于双树复小波变换的BivaShrink自选窗图像去噪算法

在小波变换理论和双变量模型的研究基础上,本文提出了一种BivaShrink自选窗算法,该算法根据邻域内小波系数的相关度大小自适应选取邻域窗口。最后将双树复小波变换应用在BivaShrink自选窗图像去噪算法中。实验结果证明,BivaShrink自选窗优于BivaShrink 去噪算法,与传统的离散小波变换相比,双树复小波自选窗图像去噪效果优于BivaShrink自选窗。     

一种基于贝叶斯估计的双树复小波图像去噪算法

为了去除图像中的高斯噪声,本文根据贝叶斯最大后验概率估计,把双树复小波变换和拉普拉斯分布模型结合起来,提出了一种基于贝叶斯估计的图像去噪算法。实验表明,本文算法能明显的改善和提高主观视觉效果和峰值信噪比。     

基于数据挖掘的农作物“四情”监测系统研究

传统上的农作物监测系统仅实现对农作物数据的采集展示,不能为用户提供直观的信息,针对以上不足,设计实现了一种基于数据挖掘的农作物监测系统,应用Apriori关联分析算法对采集到的农业数据进行分析,从而得出农作物生长的有利数据和有害数据,为农户的种植提供科学的指导作用。     

基于数据挖掘技术的低压台区线损检测研究

针对低压台区变压器端采集的电力数据量庞大难以分析线路损耗问题,深入分析了电力信息系统营销自动化过程中积累的海量用户数据,建立了合理且高效的线损分析数学模型.通过挖掘智能电表中这些数据背后的有用信息,实现对用户异常用电行为的检测,达到防止窃电和漏电的目的,从而降低线路损耗.利用加权LOF算法数据挖掘技术的电力线路窃电层次检测方法,可以对海量用户数据进行加权异常值分析,更有效地完成异常电力用户的定位.     

基于结构化稀疏模型的压缩感知重构改进算法

目前,标准的CS重构算法仅利用信号和图像在小波变换下的稀疏先验信息,而并没有利用变换系数具有的结构化特性。为了能够快速精确地重建原始信号,将结构化稀疏模型与SP算法、CoSaMP算法相结合,提出了压缩感知重构的改进算法。另外,将基于双树复小波变换的系数结构模型融入上述算法,进一步提高重构性能。实验结果表明,所提出的算法可获得更高的图像重建质量。     

数据挖掘中数据约简的研究与应用

数据约简是数据挖掘中的一个重要领域.由于海量数据集在决策支持和数据管理方面引发很多问题,因此在数据预处理阶段通过层次分析法约简数据集中的属性,通过距离度量统计变量约简数据记录,从一个大数据集中选择一个子集,可以更加有效地进行数据挖掘.     

基于大数据挖掘的现代学徒制教育模式成效评价方法

为提升现代学徒制教育模式成效评价的可靠性,引入大数据挖掘技术,开展现代学徒制教育模式成效评价方法研究。将大数据挖掘技术中前馈神经网络模型作为核心,构建现代学徒制教育模式成效评价模型;利用大数据技术预处理评价数据;通过筛选评价指标构建评价体系和划分评价等级,设计成效评价方法。实验结果表明,设计的评价方法的评价结果更符合实际,最大误差仅为0.06,具备较高的可靠性。     

基于复小波噪声方差显著修正的SAR图像去噪

提出了一种基于复小波域统计建模与噪声方差估计显著性修正相结合的合成孔径雷达(Synthetic Aperture Radar,SAR)图像斑点噪声滤波方法。该方法首先通过对数变换将乘性噪声模型转化为加性噪声模型,然后对变换后的图像进行双树复小波变换(Dualtree Complex Wavelet Transform,DCWT),并对复数小波系数的统计分布进行建模。在此先验分布的基础上,通过运用贝叶斯估计方法从含噪系数中恢复原始系数,达到滤除噪声的目的。实验结果表明该方法在去除噪声的同时保留了图像的细节信息,取得了很好的降噪效果。     

基于小波分析的时间序列数据挖掘

将小波分析和ARMA模型引入时间序列数据挖掘中。利用小波消噪对原始时间序列进行滤波,利用小波变换充分提取和分离金融时间序列的各种隐周期和非线性,把小波分解序列的特性和分解数据随尺度倍增而倍减的规律充分用于BP神经网络和自回归移动平均模型的建模。利用小波重构技术将各尺度域的预报结果组合成为时间序列的最终预报。经过试验验证了该方法的实际有效性。     

基于数据挖掘技术的掘进机工况监测数据分析系统

应用数据挖掘技术构建了一套掘进机工况监测数据分析系统。该系统通过掘进机工况监测数据采集系统采集掘进机机械系统、液压系统、电气系统、传动系统的工况参数,并将这些参数通过互联网发送到掘进机工况监测数据分析平台,在该平台上应用数据挖掘技术分析、挖掘掘进机工况参数,实现掘进机的远程维护和快速故障定位及故障处理,并对掘进机工况运行数据分析经验库进行学习更新,为掘进机故障处理提供知识经验支持。     

基于双树复小波的色谱重叠峰分解方法研究

针对色谱分析中重叠峰的分解问题,提出一种基于双树复小波变换的色谱重叠峰分解方法。首先深入研究了双树复小波变换相较于离散小波变换的优越性;然后利用双树复小波变换分解与重构模拟色谱信号,计算分离度、峰位和峰面积,与离散小波变换的结果对比,并对噪声信号进行测试;最后利用双树复小波变换分解与重构实验所测得的色谱信号。实验结果表明,双树复小波分解色谱重叠峰比一般的实数小波准确,能够有效地分离重叠峰,分解后峰形平滑对称未发生畸变,峰位相对误差与峰面积相对误差较小,适合定性定量分析。     

基于回归模型的数据挖掘研究

回归分析是数据挖掘系统中的重要方法之一,本文主要研究如何利用回归模型来进行数据挖掘建模,介绍回归模型的3种类型,基于最小二乘法的参数估计和方程的显著性校验,并提出模型的优化方案,包括离群点的检验处理,模型形式的改进和回归自变量的选取。最后根据实例分析其在数据挖掘中的应用。     

基于数据挖掘的用户忠诚度分析

用户聚类分析是数据挖掘中的重要手段.文中根据视频应用的特点,在传统的RFM模型基础上,提出一种根据用户观看行为对用户进行聚类的方法:Video-RFM聚类法.利用该方法,文中对中国最大的网络电视运营商PPTV的客户端用户进行了聚类分析.在此基础上,提出了一套将Video-RFM聚类法所使用的用户行为指标,映射到用户忠诚度指数的有效方法.经过实际数据验证发现,Video-RFM方法能够成功地区分行为差异较大的用户群,同时也能够很好地区分用户忠诚度.文中提出的聚类方法对了解视频系统的用户行为具有普遍的参考价值.文中对用户忠诚度的定量研究,对企业优化产品质量具有实际意义.     

基于层次分析的客服中心实时数据流自动监测方法

为了提高客服中心的智能管理和信息调度能力,结合大数据分析方法进行客服中心实时数据监测和自动采集设计。提出一种基于模糊规则特征量挖掘和层次分析聚类的客服中心实时数据流自动监测方法。建立客服中心的网格分布结构模型并进行客服中心实时数据流监测统计特征分析,进行客服中心实时监测数据属性集的向量量化特征分解,对客服中心实时数据采用信息融合和模糊层析性分析方法实现信息融合,进行关联数据自适应特征提取,挖掘客服中心实时监测数据信息流的正相关性特征量。在层次性聚类算法基础上采用自回归分析进行客服中心实时数据流的模糊聚类和信息预测,提高客服中心实时数据监测的准确性,同时降低了客服服务中心数据流监测的风险。仿真结果表明,采用该方法进行客服中心实时数据监测的聚类性较高,预测性较好,能降低数据聚类的误分率,提高了客服中心实时数据监测能力。     

基于数据挖掘的云安全评估模型研究

为提高云安全评估的准确性,构建了云安全评估模型,分别从主机安全、数据安全、物理安全、网络安全和应用安全五个方面采用极限学习机数据挖掘算法获取评估证据,再使用隶属度方法进行数据的标准化和指标权重的计算,最终得到云安全评估结果.通过实验证明,构建的云安全评估模型能够快速获取云安全评估指标体系的评估证据,并科学的、综合地作出...     

基于云计算的物联网数据挖掘模型研究

随着计算机和网络技术的发展,数据挖掘、云计算、物联网等技术在人们生活、工作当中占据着越来越重要的地位。本文分析了物联网、信息融合技术及其应用方法,阐述了以云为中心的物联网数据处理模型,并以城市公共交通出租车数据集为例,描述了数据处理的基本过程,验证了物联网实时数据处理的可行性与可操作性。