基于混淆矩阵和集成学习的分类方法研究

针对多分类问题,本文提出一种基于混淆矩阵和集成学习的分类方法。从模式间的相似性关系入手,基于混淆矩阵产生层次化分类器结构;以支持向量机(SVM)作为基本的两类分类器,对于分类精度不理想的SVM,通过AdaBoost算法对SVM分类器进行加权投票。以变电站环境监控中的目标识别为例(涉及到人、动物、普通火焰(红黄颜色火焰)、白色火焰、白炽灯),实现了变电站环境监控中的目标分类。实验表明,所提出的方法有效提高了分类精度。     

数据挖掘在电子商务中的应用研究

本文主要介绍数据挖掘在电子商务中的应用,文章从数据挖掘的定义、数据挖掘的常用方法出发,阐述了数据挖掘在海量信息中提取有效信息的作用,特别是数据挖掘与电子商务的结合可以给人们生活带来便利,给企业带来新的利润空间以及为企业提供决策支持。常用的数据挖掘技术主要包括支持向量机、朴素贝叶斯、聚类、决策树、神经网络和关联规则等,最后介绍了数据挖掘在电子商务的4个主要应用方面,说明了数据挖掘存在的必要性。     

基于数据挖掘的焊接生产管理平台

焊接生产规模不断向自动化和流水线方式发展 ,对生产管理水平提出了更高的要求。为了从车间已积累的大量的生产历史数据中获得潜在的规律性和趋势 ,为管理者提供决策支持 ,文中在已有的质量在线监测平台和数据库系统上开发了基于先进的数据挖掘技术的焊接生产管理平台 ,同时为了获得有效的挖掘模式 ,对数据进行了预处理 ,建立了焊接车间数据集市。该平台主要使用控制图控制焊接生产产量和废品数量 ;利用决策树方法分析废品产生因素 ,获得了有效的挖掘模型 ,对于指导焊接生产具有重要意义     

NDN数据提供者移动支持策略能耗建模与分析

基于数据提供者的移动节点在网络中的不同位置及不同移动速度,结合命名数据网络（NDN）请求者驱动的数据传输模式,提出了3类NDN移动支持策略的网络能耗解析表达式,为NDN移动网络的研究提供了形式化的建模方法.对这3类移动支持策略在不同场景下能耗的分析与比较结果表明,数据流行度分布、移动节点所处位置及移动速度对策略的能耗影响不尽相同,为后续探求最优能效的移动支持策略提供了理论参考.     

基于局部线性嵌入和支持向量机回归的TBM施工参数预测

依托吉林引松工程开展隧道掘进机（TBM）施工参数预测研究,提出TBM施工数据分段提取算法,提取上升段前30 s的总推进力、刀盘转速、推进速度、刀盘扭矩、刀盘转速电位器设定值、推进速度电位器设定值、贯入度、贯入度指数(FPI)、扭矩切深指数(TPI)9个参数作为输入;通过局部线性嵌入（LLE）完成对上升段数据特征的降维;基于支持向量机回归（SVR）建立TBM施工控制参数（推进速度、刀盘转速）和负载参数（总推进力、刀盘扭矩）预测模型. 分析是否结合前一掘进循环的FPI、TPI指数进行预测对预测效果的影响. 结果表明,上述方法在推进速度、刀盘转速、总推进力、刀盘扭矩的预测中均取得了较好的预测效果,平均预测绝对百分比误差均小于15%,验证了该预测方法的有效性,该方法可以为TBM现场施工提供指导.     

基于GWO-SVM的下肢假肢穿戴者骑行相位识别

针对下肢假肢穿戴者骑行相位识别的问题,提出基于灰狼算法优化的支持向量机(GWO-SVM)分类模型. 建立下肢多源信息系统,采集膝关节、踝关节的加速度信号以及膝关节角度信号. 应用奇异值分解,对采集到的信号进行降噪处理. 在对信号进行降噪处理之后,为了避免单一信号不确定的影响,从数据冗余角度,选取各信号的特征点,开展归一化处理,组成多维特征向量,作为SVM分类模型的输入. 为了能够进一步提高分类精度,加强全局优化能力,利用GWO算法对核参数进行优化. 通过与PSO-SVM分类模型、GA-SVM分类模型对比表明,基于GWO优化的SVM分类模型对骑行相位的识别率为94%,高于其他方法优化的SVM分类模型.     

基于数据融合的ABC-SVM社区疾病预测方法

针对现有社区医疗服务中的疾病预测方法存在数据利用率低、疾病分析类型单一、自动化程度差、疾病预测效果不理想等不足,提出在物联网大数据环境下可用于社区医疗的健康数据融合及疾病预测方法. 通过主成分分析(PCA)和聚类分析对社区中居民的生理指标数据进行特征提取;结合人工蜂群(ABC)算法构造支持向量机(SVM)非线性分类器对数据进行特征级融合分析并预测潜在疾病. 实验结果表明,所提方法的疾病识别准确率达到93.10%,相较于传统SVM方法和BP神经网络方法分别提高17.24% 和72.41%. 该方法能够在提高数据利用率、降低计算资源消耗的前提下有效识别多种潜在疾病,可实现疾病早发现、早预防、早治疗;可广泛应用于社区健康管理、老年社区监护甚至临床医疗.     

基于时间序列模式表示的异常检测算法*

提出了一种基于时间序列的模式表示提取时间序列异常值的异常检测算法(PREOV).时间序列的模式表示本身就具有压缩数据、保持时间序列基本形态的功能,并且具有一定的除噪能力.在时间序列模式表示的基础上提取异常值,可以大大提高算法的效率和准确性,达到事半功倍的效果.在本算法中,还使用了一定的剪枝策略,使得算法的时间复杂度进一步降低.该算法计算简单、实现方便、无须训练,可以支持时间序列的动态增长.     

网格研究及其开发环境*

探讨了网格研究的基础理论、核心问题、具体研究内容和难点;仿真是研究网格资源管理和调度问题的重要方法,分析和评价了目前主要仿真工具的特点及应用;GT3已经成为网格项目开发的主流工具,给出了建立GT3 Core网格服务开发平台的方法;介绍了基于CGSP(China Grid Support Platform)的网格开发环境.以期有助于网格的创新研究和应用开发.     

地聚合物混凝土配比及力学性能研究

混凝土是巷道支护过程中的重要建筑材料,然而混凝土在巷道施工中常常出现质量问题,为了不影响正常生产,需要对其进行修补。地聚合物混凝土凝结时间快,早期强度高,界面结合能力强,耐高温性和抗冻性强,耐腐蚀性良好,具有用作修补材料的潜力。以粉煤灰和矿粉为原料,Na₂SiO₃溶液和NaOH为碱激发剂制备地聚合物胶砂,研究不同的碱激发剂模数（1.0、1.2、1.4）和掺量（10%、15%、20%）对不同龄期胶砂力学性能的影响。结果表明：当碱激发剂模数为1.2,碱掺量为15%时,胶砂强度达到最大值。设计正交试验,研究了不同水胶比（0.45、0.50、0.55）、粉煤灰掺量（30%、50%、70%）和砂率（30%、35%、40%）对不同龄期地聚合物混凝土的工作性能和力学性能的影响。结果表明：粉煤灰掺量对抗压强度影响最为显著,水胶比次之,而砂率对强度发展几乎没有影响。最优的配合比为水胶比为0.50,粉煤灰掺量为50%,砂率为35%。