数据库和数据流频繁项集挖掘算法研究

Apriori算法是关联规则挖掘中的经典算法。在关联规则挖掘中,频繁项集是挖掘核心。针对Apriori算法的瓶颈和数据流频繁项集挖掘的特点,研究人员提出了许多改进算法。对改进算法的特点进行归纳、分析和研究有利于从不同角度、采用不同的技术改善算法的性能,提高数据挖掘效率,有利于数据挖掘的进一步研究和应用。     

基于关联规则的数据挖掘技术在ERP中的应用

根据数据挖掘技术的特点，针对传统ERP系统在海量数据中发现隐藏知识的功能不足，提出把数据挖掘技术应用到ERP中去，直接从现行ERP系统的数据库中提取数据进行数据挖掘的应用策略，以提高ERP中的决策支持功能。编制程序实现了关联规则挖掘算法与ERP系统的整合，通过挖掘模型测试，证明了这些策略的有效性。     

决策树在发动机试车数据库数据挖掘中的应用

如何正确的对缺失数据进行填充是数据挖掘预处理过程中的一个重要问题。这里给出了一种基于决策树来解决此问题的算法。该算法应用改进的ID3算法来构造决策树，利用决策规则对缺失值进行补充。在构造决策树之前，采用属性约简技术得出条件属性集，使得决策树简单，并且计算速度得到提高。此算法应用在某型发动机试车数据库中，被证明是可行的、高效的。     

基于图像映射的关联规则数据挖掘方法研究

针对传统关联数据挖掘算法中所存在的问题,研究了一种基于图像映射的关联规则数据挖掘方法,该方法建立在传统Pix—DM算法基础之上,并进行了改进,通过该方法的应用既提升了数据挖掘的效率,同时也避免了传统数据挖掘算法普适性不足的问题。     

数据挖掘技术在质量功能配置建模中的应用与研究

为了有效地发现计算机辅助质量功能配置过程中的需求选型和工艺质量控制规律,引入数据挖掘技术和方法,提出了基于数据挖掘的计算机辅助质量功能配置模型。该模型由数据获取层、数据存储层和数据挖掘层组成。针对用户选型和如何发现质量控制规律,建立了模糊聚类和灰色理论算法的数据挖掘模型,其目标是在质量功能配置数据库中发现所有模糊权重系数大于预定阈值的分类规则及工艺质量,并用以控制未来趋势。用活塞发动机选型和发动机密封环工艺与质量控制归类规律的两个算例,验证了算法的合理性。     

基于数据挖掘的产品概念设计建模研究

在产品概念设计过程中，引入数据挖掘技术和方法，提出了基于数据挖掘的全息虚拟产品概念设计模型，开发了数据挖掘工具，建立了面向产品概念设计方案生成的数据仓库；研究建立决策树算法的数据挖掘模型，以支持度为目标，实现从所建立的机械产品库、设计规则库、领域知识库中挖掘相关数据、信息和知识，从而极大地支持机械产品方案创新设计过程。以机床传动机构设计为例，说明了采用决策树方法的数据挖掘模型来实现机械产品概念设计的功能结构映射过程。     

数据挖掘技术在六西格玛管理中的应用

随着六西格玛管理的深入应用，面对企业积累的大量数据，六西格玛管理面临着如何有效处理大量复杂数据的问题。本文提出将数据挖掘技术应用于六西格玛管理，运用数据挖掘模式，发现数据中存在的关系和规则，为六西格玛管理流程改进提供更加有效的信息和模型。     

数据挖掘技术在企业客户关系管理(CRM)中的应用

数据挖掘技术是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中发现隐含的、规律性的、人们事先未知的,但又是潜在的有用信息和知识的非平凡过程。利用数据挖掘技术实施企业CRM系统已经成为企业管理中的热点,本文分析了数据挖掘在企业客户关系管理中应用的意义及所起到的作用,进而提出在客户关系管理系统运行过程中,实施数据挖掘时应注意的具体问题。     

基于数据挖掘的电力计量设备生产计划与排程算法研究

电力计量设备全生命周期管理的优化配置需要先进的数据挖掘技术支撑，回顾了数据挖掘的任务和方法。根据挖掘的数据库种类、发现的知识、利用的技术和适应的应用，将数据挖掘算法重点应用到电力计量设备生产计划和排程，其重点是短期到中期或长期计划的时间框架范围。综合考虑多种计划，如流程计划、战略能力计划、总体计划、主调度、材料需求计划和订单调度等，依据其不同的时间、产品和生产环境及导致的不同问题，实现在复杂生产机器与工作任务结合下的多目标综合最优生产计划与排程。     

基于数据挖掘和数据网格技术的舰船全寿命信息共享和发现研究

以舰船复杂产品为例，分析了全寿命信息以及与全寿命协同设计及其动态联盟组建过程的相关性。把基于灰关联聚类数据挖掘的数据网格技术应用于设备故障规律的发现，根据舰船全寿命信息共享要求，提出了一个多层次和交叉的、以两个数据网格服务中心为基础的动态联盟共享结构及基于数据挖掘算法的资源和信息发现流程。已开发的原型系统实现了两个数据网格服务中心的信息共享，并用实例验证了用灰色聚类算法来发现某设备的故障规律可行性。     

浅析改进数据挖掘算法在水电厂状态检修系统中的应用

随着国家电网的发展，电力系统在企业中得到了越来越广泛的应用，而电厂是整个生产过程不可或缺的部分，所以对电厂的状态进行有效的监测和诊断，是电力系统安全运行、稳定发展的重要措施。然而，电能质量直接影响用户用电安全与经济效益，因此为保证水能发电项目的正常运行和保障发电厂供电安全性、稳定性，提出一个较为可靠且实用性强的方法就是进行数据挖掘算法研究分析，提出一个基于改进的数据挖掘算法模型，通过该方法来对水电厂机组进行状态诊断，并对故障状态进行定位，以达到提高水电厂机组安全运行的目的。本文介绍了水电厂状态检修和数据挖掘算法的基本概念，并且分析了基于改进的数据挖掘算法在水电厂状态检修系统中的应用。     

数据挖掘系统开发及Oracle Data Mining应用

数据挖掘技术目前主要应用于智能商务领域，在石化领域中如何展开数据挖掘开发应用还有待研究。基于Oracle Data Mining(ODM)数据挖掘工具，结合实例介绍了在石化企业中应用数据挖掘的系统方法和基本过程。     

数据驱动的钢铁耐磨材料性能预测研究综述

数据驱动方法利用机器学习算法挖掘数据中隐藏的规则,是一种符合“第四范式”的研究方法。该研究方法的开展基于大量材料基础数据。通过对比国内外材料基础数据平台,分析利用现有数据平台已开展的研究,指出钢铁耐磨材料基础数据存在数据匮乏和缺乏统一采集标准两个问题。针对此,介绍符合材料基因组计划的数据采集标准,并给出钢铁耐磨材料专用数据平台的框架以及数据来源。分析钢铁耐磨材料性能的影响因素,讨论各种特征选择技术的特点。回顾在材料科学研究中成功应用的几种机器学习算法,分析每种算法的应用场景,讨论它们的优缺点,并对算法性能进行了比较。最后总结一些建议为特征提取和机器学习算法选择提供指导,并指出数据驱动方法在性能预测、发现新材料和自动化自主试验等方面具有良好的应用前景。     

面向盾构机不完整数据的模糊聚类与非线性回归填补

实测数据的完整性和可靠性是工业大数据时代推动各行业发展的必要前提和关键因素。盾构机作为隧道掘进施工的关键设备，具有系统结构复杂，部分属性关联度高等特点，是“一带一路”等国家战略中城市地下建设的国之重器。然而，在盾构机作业过程中，由于环境干扰、采集中断、设备故障等诸多原因，数据缺失已成为盾构机实测数据采集中不可避免的问题，严重降低数据的质量与可信度，影响工程进度。针对盾构机实测数据的特点，提出一种基于模糊聚类和非线性回归的高精度缺失值填补算法。该方法首先通过模糊聚类的方法，将不同工况运行实测数据进行有效划分，获取多个线性子集。然后，为每个子集建立线性回归模型，采用交替迭代策略来求解模型参数，有效挖掘属性间的关联关系。试验结果表明，所提方法无论是在对不完整数据聚类，还是对缺失数据填补，都具有良好的表现。提出的数据填补算法可有效解决数据划分和恢复问题，为盾构机实测大数据挖掘提供可靠的基础。     

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。     

网络化测试体系中不确定性数据处理方法浅析

随着以LXI和无线传感器网络为代表的新一代网络化测试信息采集体系技术的迅速发展,不确定性数据问题将成为其应用过程中所必需面对的测试信息处理技术的挑战.鉴于此,本文首先介绍了网络化测试体系结构下不确定性数据的概念和来源,并分析了其特点以及对常规数据挖掘方法的挑战.然后,重点分析国内外研究现状、主流的不确定性数据挖掘方法和研究工作.在此基础上,剖析网络化测试体系中不确定性数据挖掘研究工作应关注的主要问题和重点研究内容.     

频繁模式增量维护算法IM-FPM

数据挖掘是当今研究的一个热点,传感器实时收集大量的数据,将数据收集与数据挖掘技术结合起来,是现代数据处理技术发展的重要趋势.频繁模式挖掘是数据挖掘中的核心问题,本文针对数据库发生变化时频繁模式挖掘中普遍存在的重复扫描、遍历和计算问题,提出了频繁模式的增量维护算法IM-FPM.该算法充分利用已有挖掘结果来提高效率但又完全独立于上次采用的挖掘方法,并且只需对原始数据库进行一次扫描.实验结果表明,该算法能有效地解决数据库发生变化时的频繁模式增量维护问题.     

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。     

规则评估方法与数据质量挖掘系统

为从数据挖掘结果中获得真正有用的规则,探讨了评估规则的度量,提出了度量关系的新概念,并应用于发现与评估有用规则集的算法中.经过度量函数之间的相关分析,确定适合的度量,并据此对规则进行兴趣度评估,指导用户对有用规则的选择.此外,为了解决数据集成系统中存在"垃圾"数据的问题,提出了数据质量挖掘与控制系统框架,将数据挖掘规则应用于数据质量管理中.使用经过评估筛选得到的规则,能够检测数据库中的异常和不完整数据,解决数据集成过程中部分数据质量问题.通过企业信息集成实例,说明了规则评估及应用方法的有效性.     

航空机械装备失效分析数据库及数据挖掘技术的应用

介绍了航空装备失效分析数据库以及知识发现和关联规则数据挖掘的基本概念和算法,分析了应用数据挖掘方法进行失效分析知识获取的必要性和可行性。结合400个典型失效分析案例,给出了获取失效模式规则知识的应用实例。分析表明：关联规则数据挖掘能够从大量失效数据信息中提取潜在的有用信息和知识,从而为失效分析提供决策支持。