数据挖掘算法和研究方向

在面对海量数据源如何进行有效数据的查询与分析,数据挖掘技术对发现和挖掘海量数据的规律和模式有着独特的优势。本文简要介绍了当前数据挖掘过程与算法,并对未来研究方面进行了探讨。     

基于改进BP算法的电子设备模块化故障诊断研究

电子设备逐渐成为越来越复杂的大系统,对其进行高效、快速的故障诊断,使其保持良好的工作状态,具有重要的意义.介绍了BP神经网络的原理,针对传统BP算法即梯度下降法收敛速度慢、容易陷入局部极小值等缺点,提出了基于附加动量法的改进方法,并将改进后的BP算法应用于电子设备模块化故障诊断中.结果表明,与传统方法相比,该模型提高了电子设备故障诊断的效率,将代表故障的信息输入训练好的神经网络后,由输出的结果,便可以判断发生故障的类型,从而实现对故障模块的精确定位,具有一定的应用价值.     

基于改进BP算法的异步电机故障诊断

提出一种基于改进BP算法的异步电机故障诊断方法,不仅能够对电机的四种故障状态做分类识别,而且能够提高网络的收敛速度并避免其陷入局部极小.首先,根据故障特征向量与异步电机故障类别之间的映射关系,建立基于BP神经网络的故障诊断模型,然后利用故障样本对该模型进行训练与测试.仿真结果表明,该方法能有效地识别异步电机的四种故障类...     

基于BP神经网络算法的数据挖掘方法研究

详细介绍了数据挖掘技术的相关概念、任务以及神经网络原理,指出了传统的BP算法在数据挖掘过程中的不足之处,提出了一种变异的BP神经网络算法,大大提高了BP神经网路算法的收敛速度.     

基于蚁群算法的电路故障诊断研究

BP算法在神经网络中应用较为广泛，但有收敛速度慢、易于陷入局部极小点的缺点。蚁群算法是一种新型的模拟进化算法。具有正反馈、分布式计算、全局收敛、启发式学习等特点。本文将蚁群算法和神经网络结合，应用于电路故障诊断中，有效提高了诊断效率。     

基于改进ENN2 聚类算法的多故障诊断方法

针对可拓神经网络无法解决多故障诊断的问题,建立问题模型,将多故障诊断问题转化为多特征样本的聚类问题。从模型结构和学习算法两个方面对ENN2进行改进,提出基于改进ENN2聚类算法的多故障诊断方法,并对其参数和时间复杂度进行分析。采用工程实例对所提出的方法进行验证,结果表明,所提出的方法能够解决离线的多故障诊断问题,且得到的诊断模型可用于在线状态监控,具有较好的应用前景。     

神经网络BP算法在电机故障诊断中的应用

本论文简要介绍了故障诊断的必要性,BP算法的特点与原理,重点介绍了用BP算法进行异步电机转子断务故障诊断原理.故障信号的提取方法及网络的训练过程.     

基于AdaBoost算法的故障诊断仿真研究

AdaBoost算法是提高预测学习系统预测能力的有效工具。提出一种基于AdaBoost算法的神经网络故障诊断方法,利用多层前向神经网络作为故障弱分类器,实现了对多类故障的诊断。为了克服AdaBoost对数据噪声比较敏感的不足,通过降低错分样本的权重改进了算法。针对一个涡轮喷气发动机气路部件故障的仿真实验表明,这种方法提高了最终故障分类器的泛化能力,改善了其噪声鲁棒性,便于工程应用。     

基于Squeezer算法的数据流离群数据挖掘算法

由于数据流数据的动态性、时序性和数据量大等特点使得数据流上的数据挖掘变得更加困难和富有挑战.通过对Squeezer聚类算法的研究分析,并基于此算法提出了一种新的基于聚类的数据流离群数据检测算法O-Squeezer.把数据流看成一个随时间变化的过程,并将其分成许多数据分区,在每个数据块内用改进的O-Squeezer算法挖掘离群数据.理论分析和实验表明,算法可以有效发现数据流中的局部离群数据,算法是可行的.     

基于改进Apriori算法的入侵检测数据挖掘模型研究

将数据挖掘技术应用到入侵检测系统中,成为入侵检测研究的重要方向。本文对Apriori算法进行改进,以此构建入侵检测数据挖掘模型,运用该模型作入侵检测。实验表明,对以知攻击,采用误用检测和异常检测混合策略,其平均检测准确率达到80%以上,不失为一种效果良好的的入侵检测技术。     

基于数据挖掘的电路板故障诊断系统设计

针对电路板运行时从DCS上采集了大量特征数据,提出了基于数据挖掘的电路板故障诊断方法。即将运行的特征数据约简得出诊断的规则,再应用人工神经网络,优化该诊断的结果,并使其具有自学习能力,从而设计出具有故障诊断和智能预测的电路板故障诊断系统。     

基于数据挖掘的TQZ-1A故障诊断研究

为了解决惯性领域内“数据丰富知识贫乏”的问题,建立一个基于数据挖掘的智能故障诊断系统,并重点围绕其中的数据挖掘环节展开研究.以金姿态组合陀螺TQZ-1A为研究对象,运用Clementine12.0工具,借鉴CRISP-DM行业标准,构建了基于两阶段聚类并做改进的C5.0模型.经过模型评价指标的综合评估验证了模型良好的预测性能,说明所建立的模型是科学的,适用于工程实践.     

基于仿真与数据挖掘的故障诊断方法研究

针对导弹武器系统故障信息的特点,提出了系统仿真与数据挖掘相结合的综合故障诊断方法.文中将导弹武器系统故障检测信息分为3类,即:离散交互特征信息、连续动态特征信息和离散事件特征信息.通过实例阐述了数据挖掘在导弹武器系统故障诊断中的应用.分析了基于仿真的故障诊断方法,在此基础上,结合仿真与数据挖掘各自在故障诊断方面的优势,进一步提出了基于仿真与数据挖掘的综合诊断方法,给出了方法的步骤和诊断流程.     

工业锅炉故障诊断的改进数据挖掘方法

针对工业锅炉的常见故障,提出了一种基于数据挖掘方法的锅炉故障诊断技术.通过建立一个智能化的数据挖掘工具,直接从大量实时数据中获取故障诊断知识进行故障诊断.数据挖掘工具的核心是采用信息熵技术来辅助遗传算法初始种群的生成.遗传算法和信息熵的有效集成,极大地提高了该数据挖掘方法的工作绩效.将本方法应用于火电厂锅炉的一个复杂故障事例,结果表明其诊断的精度可以满足现场应用的要求.     

基于测控数据挖掘的航天器故障诊断技术研究

近年来数据挖掘技术的快速发展使得利用航天控制中心积累的大量测控数据进行航天器在轨故障诊断成为可能.基于数据挖掘的故障诊断技术能够从历史数据中自动或半自动地获取潜在的诊断知识,从而有效解决故障诊断中知识获取困难的问题.在研究航天器实际测控数据特点的基础上,分析了传统故障诊断技术的优缺点,提出了基于数据挖掘技术进行航天器故障诊断的可行方法,指出了基于数据挖掘的航天器故障诊断技术下一步研究的主要方向.     

基于数据挖掘技术的飞机故障诊断专家系统设计

为适应现代民用飞机故障诊断的需求,应用飞机故障诊断历史经验,构建了飞机故障诊断维修知识库,在此基础上,研究了依据飞机维护历史经验知识和数据挖掘技术的故障诊断方法;应用关联分析方法实现了维修历史库的挖掘诊断,通过案例库的聚类分析,显著提高了案例库的检索效率;针对某型民机地面故障诊断的任务要求,设计了基于数据挖掘的机载设备故障诊断专家系统;通过输入真实故障信息,运行专家系统进行诊断分析,验证了所实现的基于数据挖掘的故障诊断专家系统具有较高的准确性。     

基于混沌和数据挖掘的电子系统故障诊断

提出了一种基于相空间重构和数据挖掘算法的复杂电子系统故障诊断方法，混沌时间序列的相空间重构采用了复自相关和Γ-test的嵌入堆，时间延迟联合算法，所得到的结果为准最佳的嵌入堆、时间延迟。采用计算相空问中各个单位质点绕其质量中心的旋转半径的数据挖掘算法估计被测对象的工作状态，用统计学中的3d准则识别被测系统的故障参量。实验结果表明，该故障诊断方法可准确地检测出复杂电子系统中的故障现象。     

基于数据库和数据挖掘技术的客户关系管理

本文主要介绍了CRM(客户关系管理)的基本原理，提出了一种基于数据库技术的实现方法，描述了数据挖掘技术在实现CRM的各种功能中的运用。     

基于蚁群聚类算法的离群挖掘方法

离群挖掘是数据挖掘研究的重要内容,在实际生活中获得广泛应用。该文首先给出了离群数据的量化定义,并用基于蚁群的聚类学习方法,产生了状态空间的整体特征。然后结合具体的设备对象,提出了离群数据的挖掘方法。最后进行了实验验证,结果表明该文提出的方法是有效的。     

多源化的信息融合在石化故障诊断信息采集方面的研究

本文的目的在于为石化生产故障诊断提供真实、可靠的数据信息,主要的研究内容为通过对现有多传感器的采集过程的问题分析,以预期差值贝叶斯算法为实现方法,解决特征级,决策级信息融合层次,以石化生产过程中常压炉鼓风机为测试实例,建立贝叶斯分类模型,提高采集数据的精度和真实性.