图书馆数据挖掘服务系统中粗糙集算法的原理及应用

简要论述了粗糙集算法用于数据挖掘系统的原理和可行性,并以实例说明了粗糙集的核心之一——上、下近似规则抽取理论。首次提出了粗糙集在图书馆数据挖掘中的应用。     

基于粗糙集的决策树在电子商务中的应用

将数据挖掘中的决策树与粗糙集理论进行有机结合,提出一种基于粗糙集属性依赖度的决策树算法,将该算法应用到电子商务的客户管理中,进行电子商务客户价值研究,提取分类规则,为企业管理客户提供决策支持.     

商业数据挖掘中的核心算法

为了使企业的管理层能够根据市场需求进行数据挖掘,并基于挖掘出来的规则做出决策,在数据仓库、粗糙集方法等理论的基础上提出了一种核心算法,应用于商业数据挖掘.核心算法从信息表开始,通过属性泛化、求核心属性、属性归约,最终得到由正确率表示的规则.在求核心属性的部分对粗糙集理论中求核心集的方法进行了改进,并给出了相应的证明.核心算法利用SQL语言的功能强大、容易开发、运行稳定等特点,通过SQL语言编程来实现.核心算法具有针对性强、可操作性强等优点.     

粗糙集和证据理论相结合的数据挖掘方法

在粗糙集和证据理论相结合的数据挖掘技术中,常用的方法是以证据理论为主,而将粗糙集作为获取证据权重的辅助手段.这种结合方法既不能有效发挥证据理论的数值计算作用,也不能很好利用粗糙集理论的分类功能.因此,文章提出一种新的粗糙集和证据理论相结合的数据挖掘技术.首先通过粗集理论对决策表进行约简,消除系统冗余,得到决策规则.其次对经过约简所得到的决策表进行数值处理,降低预测代价,并构建证据焦元空间.最后将证据焦元空间用合成规则进行融合.计算结果表明,文中所提出的粗糙集与证据理论相结合的数据挖掘方法,不但细化了决策规则,而且给出了决策系统规则的定量描述,有效地补充和扩展了证据理论的应用范围.     

基于粗糙集数据挖掘方法的最大功率研究

风电机组在运行过程中会产生大量的机组数据,随着大量数据的积累及数据库的应用,为了有效地利用产生的有用数据,运用粗糙集数据挖掘方法对数据的属性进行简约、决策,发现数据之间的关联规则,为机组高效运行提供条件.仿真结果表明,基于粗糙集数据挖掘方法不仅可以减小特定属性信息提取的工作量,还能在数据分析中发挥决策的优越性.     

基于粗糙集的数据挖掘技术在电子商务中的应用

描述了粗糙集理论的基本思想,并给出了粗糙集在电子商务网站中针对客户数据库的数据挖掘方法,最后通过实例说明了这一数据挖掘模型的有效性。     

基于数据挖掘的电力设备状态诊断系统建模

以电力公司的业务需求为背景,为实现电力设备的状态诊断,以数据挖掘技术中的粗糙集和决策树算法为依据,采用粗糙集和决策树相结合的数据处理模型对电力设备的各属性数据进行了分析处理。综合运用粗糙集和决策树两种数据挖掘算法,通过粗糙集技术进行属性约简,并运用决策树的ID3算法对约简后的数据进行分枝、减枝得到规则集,实现对电力设备工作状态的快速、高效诊断,并根据其工作状态提供决策支持。     

基于粗糙集理论的医院院内感染数据挖掘

粗糙集理论是一种处理模糊和不确定知识的新型数学工具，已广泛应用于人工智能的许多领域特别是数据挖掘和知识发现领域。本文首次将基于粗糙集理论的数据挖掘技术应用于医院院内感染的知识发现，在智能诊断的知识自动获取方面取得新的进展。     

粗糙集理论及其应用进展

粗糙集理论以其出色的处理模糊和不确定知识的能力，成为数据挖掘研究中的有力工具。文章首先描述了粗糙集理论的基本思想，接着介绍了基于粗糙集理论的数据分析过程，给出了作者等人的相关研究工作，最后论述了粗糙集的应用进展及未来的研究方向。     

基于优势关系粗糙集的空袭兵器判别知识获取

提出了一种基于优势关系粗糙集的方法来抽取空袭兵器识别的主要冈素与主要类型之间规则.所提出的优势关系粗糙集方法综合考虑了序值属性和常规属性,具有更为广泛的应用前景.利用实例说明了所提出方法的有效性.     

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．     

自适应子波神经网络数据挖掘方法

分析了人工神经网络所依据的生物学基础,探索改进与完善网络模型的途径,将子波与巳有的神经网络模型相结合,提出一种基于自适应子波神经网络的数据控制方法,并依此来构造数据挖掘过程的机器学习机制,以求提高对问题的处理能力,数据挖掘的仿真实例表明,与一般的人工神经网络相比,用自适应子波神经网络进行数据挖掘不仅是有效的,而且也是可行的。     

能源计量中数据挖掘应用研究

讨论了基于数据挖掘技术的能源计量解决方案,介绍流体能源和物料采集数据的设计,为数据仓库的形成提供基础数据来源,说明了相关流体数据操作库和物料操作库的组成,进而数据提取,清洗、转换与装载,构成数据挖掘的知识。重点说明了在实施数据挖掘后,计量信息的高级数据的发现,计量信息的挖掘以及计量有价值数据的分析。为本钢集团的成本核算和节能降耗提供的数据依据。     

基于隶属度转换算法的矿业投资决策模糊评价

矿业投资是一种风险投资,评价过程中存在很多不确定性和模糊性。采用基于熵的数据挖掘方法,通过挖掘隐藏在各指标隶属度中关于目标分类的知识信息,厘清目标分类与指标隶属度之间的关系,通过定义指标区分权清除指标隶属度中对目标分类的冗余值,提取有效值计算目标隶属度。新的隶属度转换算法经过"一有效、二可比、三合成"三个计算步骤,简记为M(1,2,3),由此构建隶属度转换新算法并用于矿业投资决策模糊评价中。实例分析表明,判定结果较为理想,具有较高的置信度。     

基于ATLAS转换语言的模型转换初探

提出一种利用ATLAS转换语言接收转换信号的模型转换框架,当平台无关模型(Platform Independent Model,PIM)向平台相关模型(PlatformSpecialize Model,PSM)转换时,利用ATLAS转换语言对发出的信号进行模型转换判断,属于模型转换信号则执行信号任务,否则进行可行性判断,若为可行信号,则返回入口处等待接收新信号,若为不可行信号,则向数据库报告并将不可行信号写入日志。     

一种基于混合模型的时间序列数据挖掘系统

时间序列数据挖掘是在从数据仓库中提取出有效历史数据的基础上，对其进行一定的处理，从而发现隐含、未知的有效信息．本阐述了一种新的基于灰色—回归—模糊神经网络混合模型的时间序列数据挖掘系统，重点讨论了灰色—回归—模糊神经网络混合模型的建立过程，并应用于浙江省可持续发展预测，取得了满意的结果．该混合模型融合多种智能计算方法优点于一体，为时序数据挖掘提供了一种新的实用方法．     

字符串特征集生成方法

为提高未知恶意代码的识别精度,分析了特征集的选取方法对未知恶意代码分类精度的影响,提出了一种采用字符串描述构造特征集的方法,从恶意代码或正常文件中提取出字符串原始特征,引入频繁项目集方法进行特征选择,压缩特征集维数.经比较实验结果证明,该方法可提高分类器学习效率,同时能保证分类器具有较高的分类精度.     

数据挖掘的研究与应用进展

介绍了数据挖掘技术的总体研究进展，主要涉及数据挖掘的定义，特点，主要过程，主要任务，分类和主要技术手段，同时介绍了一些主要应用领域及商业产品，结合当前数据库技术的发展，分析了数据挖掘的主要发展趋势。     

杨广寨急倾斜薄矿体近地表三角采场开采方法改进

急倾斜薄矿体露头附近开采时,常形成三角形不规则采场,采用普通浅孔留矿法回采存在一系列技术问题。针对杨广寨铅锌矿的具体情况,对采矿方案进行了优化,提出了矿房联络道通达地表的采准布置方案,并在矿山进行了采矿实验。结果表明,该采矿方法可减少大量采准工程,提高回收率及回采效率,降低采矿成本,具有较高的应用价值与经济效益。     

基于数据仓库的数据挖掘技术

首先介绍了数据仓库以及在此技术上产生的数据挖掘技术,其次阐述了实现数据挖掘应用的几种工具以及选用工具时应遵循的原则,最后说明了数据挖掘技术现存的问题及它现在重要的商业地位。