基于SQL Server的OLAM的研究及应用

OLAM(On-line Analytical Mining)是当前的热点技术,是融合了联机分析处理(OLAP)和数据挖掘(Data Mining)的一种新的数据挖掘技术。本文主要研究数据仓库中OLAP,On-line Analytical Processing和数据挖掘技术,这两个技术是商业智能中的核心技术和主要内容,在两者的基础上引入OLAM的概念,并阐述其基本原理和核心技术。基于微软的SQL Server平台,为一个商业案例建立数据仓库,利用Analysis Services服务,建立销售分析的多维数据集,利用OLAM的基本模型实现OLAP和聚类挖掘技术的结合,借助两者的各自优势,得到很好的客户聚类分析结果。     

基于SOM的模糊聚类在Web日志挖掘中的应用

将自组织映射神经网络（SOM）与FCM结合,利用SOM的并行计算能够减少模糊C均值算法在处理海量数据时的聚类时间,可以提高聚类算法的速度和效果,同时使用该算法对校园网Web日志进行数据挖掘,能够对用户行为进行分析,从而提出相应的方法,更好地提高服务效率和管理质量。     

入侵检测主流技术及发展动态

入侵检测技术是网络安全的主要技术和网络研究的热点,入侵检测方法包括基于数据挖掘、粗糙集、模式识别、支持向量机和人工免疫等主要技术,详细分析了各种检测方法在入侵检测应用中的优缺点。通过回顾研究人员近期的研究成果,提出了该技术的主要发展方向,为进一步研究提供参考。     

煤炭企业决策支持信息系统

以龙口矿业集团有限公司的决策支持信息系统为例,详细介绍了煤炭企业决策支持信息系统的总体架构、系统数据来源及处理、关键指标信息、系统功能。该系统通过DTS、中间件等技术获取数据;采用面向主题的数据仓库多维表结构和与业务系统对应的ODS层表结构存储数据;通过分析各种数据指标的类型及属性,建立起一套共包含45个关键指标的企业关键指标体系结构;并采用同比分析、环比分析、趋势分析等数学模型对数据进行分析和展现,从而实现辅助决策。     

大采高采煤机挡矸装置的改进设计

分析了传统的大采高采煤机挡矸装置的结构原理、技术特点及存在的问题,提出了改进设计并进行了仿真分析。通过增加油缸数量、加强加厚顶护板、将刚性连接改为柔性连接、增设分流集流阀等手段,实现了对挡板的动态调节和支护,有效地提高了挡矸装置的可靠性和采煤机的开采效率。仿真结果表明,改进后的挡矸装置受力更均匀,挡板能承受的力更大。     

煤矿井下采掘设备隔爆兼本安型电气控制箱的本安设计

针对煤矿井下采掘设备防爆兼本安型电气控制箱内本安电路与非本安电路并存、非本安电路的能量可能会窜入本安电路而影响本安电路防爆及本安性能的问题,从结构设计和电气隔离两方面介绍了煤矿井下采掘设备隔爆兼本安型电气控制箱的本安设计方法,给出了电气间隙、爬电距离、绝缘及耐压、接线端子、本安布线、电源变压器、本安隔离栅印制板等结构布置方法以及RS485通信隔离电路、模拟量隔离电路、压频变换电路、电阻信号隔离电路、开关量隔离电路、继电器隔离电路等电气隔离措施。应用表明,采用该方法设计的煤矿井下采掘设备隔爆兼本安型电气控制箱安全可靠,维护简便,能够满足煤矿井下的防爆要求。     

Mining the change of customer behavior in fuzzy time-interval sequential patterns

Comprehending changes of customer behavior is an essential problem that must be faced for survival in a fast-changing business environment. Particularly in the management of electronic commerce (EC), many companies have developed on-line shopping stores to serve customers and immediately collect buying logs in databases. This trend has led to the development of data-mining applications. Fuzzy time-interval sequential pattern mining is one type of serviceable data-mining technique that discovers customer behavioral patterns over time. To take a shopping example, (Bread, Short, Milk, Long, Jam), means that Bread is bought before Milk in a Short period, and Jam is bought after Milk in a Long period, where Short and Long are predetermined linguistic terms given by managers. This information shown in this example reveals more general and concise knowledge for managers, allowing them to make quick-response decisions, especially in business. However, no studies, to our knowledge, have yet to address the issue of changes in fuzzy time-interval sequential patterns. The fuzzy time-interval sequential pattern, (Bread, Short, Milk, Long, Jam), became available in last year; however, is not a trend this year, and has been substituted by (Bread, Short, Yogurt, Short, Jam). Without updating this knowledge, managers might map out inappropriate marketing plans for products or services and dated inventory strategies with respect to time-intervals. To deal with this problem, we propose a novel change mining model, MineFuzzChange, to detect the change in fuzzy time-interval sequential patterns. Using a brick-and-mortar transactional dataset collected from a retail chain in Taiwan and a B2C EC dataset, experiments are carried out to evaluate the proposed model. We empirically demonstrate how the model helps managers to understand the changing behaviors of their customers and to formulate timely marketing and inventory strategies.     

基于数据挖掘的复杂装备维修辅助决策研究

文章通过某装备维修信息框架分析,维修数据预处理,然后以维修记录为例,挖掘出了维修件之间关联规则,并采用决策树分类方法对维修件进行了分类,这些规则和分类结果可以为维修计划制定、器材采购、视情维修等方面提供决策依据。     

偏最小二乘回归在气温预测中的研究与应用

气温的预测要考虑多重气象因子,然而各气象因子间的多重相关性导致普通的多元回归模型失真,预测精度降低。为了解决以上问题,本研究采用偏最小二乘回归(Partial Least Squares Regression,简称PLS)建模,根据实际建模需要对算法进行改进。为了验证该模型,本研究以成都市10月份气温场为预报场,并结合成都市13个自动站气温数据,提取预报所需主要因子,进行PLS回归建模。实验表明该模型有较好的预测能力。     

选择性集成算法分类与比较

选择性集成是当前机器学习领域的研究热点之一。由于选择性集成属于NP"难"问题,人们多利用启发式方法将选择性集成转化为其他问题来求得近似最优解,因为各种算法的出发点和描述角度各不相同,现有的大量选择性集成算法显得繁杂而没有规律。为便于研究人员迅速了解和应用本领域的最新进展,本文根据选择过程中核心策略的特征将选择性集成算法分为四类,即迭代优化法、排名法、分簇法、模式挖掘法;然后利用UCI数据库的20个常用数据集,从预测性能、选择时间、结果集成分类器大小三个方面对这些典型算法进行了实验比较;最后总结了各类方法的优缺点,并展望了选择性集成的未来研究重点。