数据挖掘在银行报表中的应用

近年来,随着金融市场的放开,银行业数据大集中已呈趋势化,而在数据大集中后如何合理地运用数据,已成为当前的关键问题,这就需要我们从现有的数据中挖掘出有用的数据.文中介绍了数据挖掘在银行报表中的应用,以及目前数据挖掘的主要技术在某银行的应用.     

遗传算法在数据挖掘中的应用实例分析

该文主要分析了数据挖掘的有关概念及其数据挖掘的过程,详细阐述了遗传算法的基本思想、步骤及其在数据挖掘中的应用,以遗传算法在旅行商问题中的应用为例,全面分析了遗传算法在数据挖掘中的应用过程及其实现的计算效果,同时对简单的遗传算法在数据挖掘应用中存在的问题进行了讨论.     

基于粗糙集的数据挖掘技术在机械传动设计中的应用研究

将粗糙集理论应用到数据挖掘中来指导产品概念设计,并结合基于属性的概念爬升技术,设计了粗糙集理 论指导下参数简化的基本模型。最后将其应用到机械传动概念设计和智能解题系统中。机械传动设计中对设计参 数进行了化简,并对设计参数与传动方案实现了多层次的挖掘,获得了两者之间不同抽象层次的关系规则信息。     

遗传算法在数据挖掘中的应用分析

该文主要分析了数据挖掘的有关概念及其数据挖掘的过程。详细阐述了遗传算法的基本思想．步骤及其在数据挖掘中的应用，以遗传算法在旅行商问题中的应用为例，全面分析了遗传算法在数据挖掘应用过程及其实现的计算效果，同时对简单的遗传算法在数据挖掘中的应用存在的问题进行了讨论。     

采用智能数据挖掘算法监测水轮机的效率

详细介绍了在水轮机效率监测中运用粗糙集理论的基本原理,并从遗传算法角度对影响水轮机出力的因素进行了数据挖掘.该理论对实现提高水轮机效率具有重要作用.     

数据挖掘技术在乳化炸药生产中的应用

针对乳化炸药生产数据的特点,运用基于粗糙集理论的数据挖掘算法,通过改进的依赖度属性约简算法对决策系统进行了属性约简,根据决策表的属性依赖度提取比较决策规则,得到了乳化炸药生产优化方案。生产实践结果表明,优化方案有效地提高了乳化炸药轰爆性能,具有较高的经济价值。     

数据挖掘技术在库存管理系统中的应用

针对库存管理的特点,论述数据挖掘技术在库存管理系统中的应用,并结合实例提出供应商评价模型,建立基于神经网络算法的数据挖掘分类器。最后给出了基于数据挖掘的库存管理系统的逻辑结构。     

基于数据挖掘的柴油机气门故障诊断技术研究

由于柴油机气缸缸盖振动信号具有复杂的时频特性,通过此类信号实现其气门故障的诊断较为困难。尤其在多种故障并发的条件下,故障确诊更为不易。为此,借助遗传算法提出一种基于统计规则的智能数据挖掘技术,对在不同气门状态下采集的大量柴油机气门缸盖振动信号进行知识挖掘,得到了进行多种气门故障确诊的有效诊断特征。试验表明,这一技术智能高效,结果准确无误,具有重要实践意义。     

小波神经网络在轴心轨迹识别中的应用

采用一种小波神经网络对轴心轨迹进行识别,为系统的进一步诊断提供了辅助信息。针对小波神经网络训练中出现的问题,引入了遗传ＢＰ算法解决。对小波神经网络的识别结果和ＢＰ网络作了比较。     

基于遗传退火优化的小波神经网络预测模型

为了获得更准确的预测结果及更优良的预测性能,将遗传退火算法与小波神经网络相结合,设计了一种基于遗传退火优化的小波神经网络预测模型。利用MATLAB开发出界面友好、使用方便的图形用户界面,通过实例仿真进行了验证。     

基于粗糙集的首台套重大装备信息系统数据挖掘关键技术研究

网络化项目信息管理过程中产生大量异构数据,采用传统方式对此类数据集进行分析和处理往往存在特征提取不充分、数据疏漏等问题。面向首台套重大装备信息系统项目管理数据关键技术研究,构建了结构化数据收集和规则的提取方法,并应用粗糙集理论和算法进行数据挖掘分析,提出了若干决策规则,可为项目评价和管理辅助决策提供依据。     

基于可拓理论的数据挖掘在水轮机方案设计中的应用

针对大型水轮机方案设计复杂性的特点,建立了面向知识重用的有约束的基元可拓集,并基于基元的可拓性和可拓变换.探讨了基于可拓集合方法的数据挖掘技术实现;提出了一种改进的FP-growth关联规则算法对有约束的基元可拓集进行关联规则挖掘,并利用基元的相关性和蕴含性对已获得的关联规则进行拓展,获得更多有价值的知识.最后.通过大型水轮机选型方案设计实例进行了说明.     

电力系统短期负荷预测中小波函数的选择

针对应用小波分析进行电力系统短期负荷预测中小波函数的选择问题,以dbN小波系作为变换工具,通过最大李氏指数检测,比较了不同N所产生的预测精度,确定了一种db小波函数为短期负荷预测的核心变换工具。研究结果表明,采用db4作为短期负荷预测的小波函数,预测的结果具有较高的精度。     

基于数据挖掘的机加工生产进度预测方法

为解决多品种、小批量航天产品机加工的工时计算和生产进度预测问题,给出了基于数据挖掘预测方法的逻辑流程和体系架构,开展了数据需求及处理,数据分析及预测的相关研究,并提出了生产进度预测方法,可实现基于车间制造资源数据、历史数据和当前数据的工时计算和生产进度预测,为进一步明确生产节点、制定生产计划和优化生产过程,奠定了基础、提供了参考。     

数据挖掘技术在汽车保险业中的应用

数据挖掘技术是先进的信息处理技术．汽车保险是随着汽车工业的加速发展和人民生活水平的提高而发展起来的一种保险业务。随着汽车工业的加速发展和人们购买力的增加．保险公司如何有效地利用已有的数据来改革和推动自己的保险业务．已经成为各保险公司共同关注的问题。本文阐述了汽车保险业的现状．数据挖掘技术的分类．方法．应用流程图；并探讨了数据挖掘技术在汽车保险业务决策中的应用以及未来的发展。     

基于粗糙集神经网络的刀具磨损监测的研究

针对多传感器刀具磨损监测系统输入维数较多、神经网络结构复杂、收敛速度慢等缺点,提出了粗糙集和遗传算法优化神经网络的模型.该模型首先利用粗糙集理论的属性约简对输入数据进行处理,从而达到减少神经网络输入维数、简化神经网络结构的目的.然后通过遗传算法优化神经网络的初始权值和阈值,以提高神经网络的收敛速度,避免神经网络陷入局部极值点.将该模型应用到刀具磨损监测,通过对声发射信号和电流信号进行处理,提取特征向量值,将特征值先通过自组织神经网络进行连续属性离散化,再通过粗糙集理论进行属性约简,最后通过遗传算法优化的BP神经网络进行识别,取得了很好的效果,证明了此模型的有效性和可行性.     

基于MEA-Elman神经网络的电力日负荷预测

Elman神经网络是一种动态反馈网络,对历史状态敏感,具有短期记忆功能和处理动态信息的能力,可以建立动态、非线性电力负荷预测模型。由于Elman神经网络采用BP算法,容易陷入局部极小解,迭代次数多且学习效率低,该文利用思维进化算法(MEA)优化Elman神经网络的方法,提出基于MEA-Elman神经网络的电力负荷预测模型。实验表明,该方法能够避免不成熟收敛问题,减少迭代次数,有效提高了配电网短期负荷的预测精度,对电力系统合理调度与规划具有重要意义。     

基于数据挖掘的电子商务推荐系统

基于数据挖掘的电子商务推荐系统,通过使用关联规则算法来对客户的事务执行购物篮分析,知道那些产品比较热销,以及一个特定商品与另一个商品被一起购买的可能性有多大。从而通过商品的推荐和捆绑销售,为客户提供个性化服务,同时实现利益的最大化。在总结前人挖掘模型的基础上,设计了基于Apriori算法的电子商务推荐系统。Apriori算法作为最有影响的挖掘布尔关联规则频繁项集的算法,简单可靠,适合于机器学习。     

基于粗糙集的感性知识关联规则挖掘研究

为有效获取概念设计中的感性信息,提出了一种基于粗糙集的感性知识关联规则挖掘方法.首先,在用户进行感性调查与产品造型特征组合评价的基础上,运用统计学方法,生成一个由感性词汇索引的决策表;其次,通过粗糙集理论对相关属性进行约简,以提取对相应感性评价贡献较大的造型特征;再次,进一步构造出基于粗糙集的关联运算法则及规则合并,以缩小决策表规模.最终得到了关键特征对感性描述的强关联规则集,并以此引导概念设计定位和开发.实例证明,该方法在手机产品的感性知识关联规则挖掘中得到了较好的应用.