数据挖掘算法在医疗管理中的应用研究

数据挖掘是从海量数据当中挖掘出有价值知识的过程,统计学、机器学习、方式辨识、数据库等学科是数据挖掘的技术来源。文章主要阐述了数据挖掘算法的相关知识,分析了完成数据挖掘的核心技术,尤其是决策树算法,并对数据挖掘在医疗管理中的运用进行了研究,希望能为管理者对医疗管理数据的深入挖掘提供一些参考。     

数据归一化方法综述

当今,人工智能已经广泛应用到各个领域中,并取得了显著的效果。数据归一化是人工智能应用落地中的一个重要环节,它有助于避免神经网络因数据量纲的复杂性对数据进行错误建模。在大数据场景下,相当一部分数据是以流的形式先后到达训练点,所以在流场景下数据归一化研究是当前亟待解决的关键问题。目前关于归一化研究的综述较多,大多仅仅针对于批数据的归一化研究,而缺乏对流数据的归一化方法的总结,不具参考性。在批数据归一化研究基础之上,系统化整理并详尽分析了流数据归一化的相关文献,凝练提出了基于流数据的归一化分类方法,并将数据归一化方法划分为批数据的归一化方法和流数据的归一化方法。同时,对这些方法的原理、优势和可以解决的主要问题进行了对比分析,在不同场景下对数据归一化的未来研究方向进行了展望。     

数据挖掘技术在计算机病毒防御中的应用

计算机病毒的快速传播给计算机系统安全带来了严重威胁,数据挖掘技术可以在计算机病毒防御中发挥重要的作用。文中阐述了数据挖掘技术在计算机病毒防御中的应用,介绍了基于数据挖掘的计算机病毒检测方法、病毒特征分析方法及病毒分析方法,并分别从数据采集、数据处理、数据分析和应用建模4个方面讨论了数据挖掘技术在计算机病毒防御中的应用,最后探讨了数据挖掘技术的发展趋势。     

基于约束的多维Apriori改进算法

针对经典多维关联规则挖掘算法执行效率不高、存在冗余规则的不足,提出基于约束的多维Apriori改进算法,在多维Apriori算法的基础上,将用户约束引入挖掘过程,根据关于谓词的约束产生用户感兴趣的频繁谓词集,并以此为依据删减事务集。该算法一方面通过用户约束大大缩减了候选谓词集的产生,另一方面经过删减的事务集也降低了扫描数据库的开销,最终实现了挖掘效率的提高以及冗余规则的减少。应用该算法在FPGA代码缺陷事务集上进行对比实验,实验结果证明了该算法相比多维Apriori算法,在搜索效率以及挖掘结果的准确性方面均得到了改善,有效提高了FPGA代码缺陷分析的准确性。     

情景感知驱动的移动对象多模式轨迹预测技术综述

如何利用多源异构时空数据进行准确的轨迹预测并且反映移动对象的移动特性是轨迹预测领域的核心问题.现有的大多数轨迹预测方法是长序列轨迹模式预测模型,根据历史轨迹的特点进行预测,或将当前移动对象的轨迹位置放入时空语义场景根据历史移动对象轨迹预测位置.综述当前常用的轨迹预测模型和算法,涉及不同的研究领域.首先,阐述了多模式轨迹预测的主流工作,轨迹预测的基本模型类;其次,对不同类的预测模型进行总结,包括数学统计类、机器学习类、滤波算法,以及上述领域具有代表性的算法;再次,对情景感知技术进行了介绍,描述了不同领域的学者对情景感知的定义,阐述了情景感知技术所包含的关键技术点,诸如情景感知计算、情景获取和情景推理的不同类模型,分析了情景感知的不同分类、过滤、存储和融合以及它们的实现方法等.详细介绍了情景感知驱动的轨迹预测模型技术路线及各阶段任务的工作原理.给出了情景感知技术在真实场景中的应用,包括位置推荐,兴趣点推荐等,通过与传统算法对比,分析情景感知技术在此类应用中的优劣.详细介绍了情景感知结合LSTM (long short-term memory)技术应用于行人轨迹预测领域的新方法.最后,总结了...     

面向异构DHT存储的数据与位置解耦算法

分布式哈希表(distributed hash table, DHT)由于其高效的数据寻址方式而被广泛应用于分布式存储.传统DHT必须将数据存放在指定节点中才能实现高效的数据分布式寻址,极大地限制了DHT技术的应用范围.例如,在异构存储网络中,节点的存储空间、带宽、稳定性等均有较大差异,结合数据特征和节点性能差异选择合适的数据存放节点可以很大程度上提高数据的访问效率,而传统DHT数据和存储位置紧耦合的特征导致其难以应用于异构的存储网络中.针对此问题,提出了vRoute算法以实现DHT中数据标识与其存储位置的解耦.通过构建基于Bloom Filter的分布式数据索引, vRoute算法可以在不降低数据寻址效率的基础上允许数据存储在网络中的任意节点.通过扩展Kademlia算法实现了vRoute,并从理论上证明了vRoute算法的有有效性.最后,模拟实验表明vRoute以较低的存储、网络开销实现了和传统的DHT算法接近的数据寻址效率.     

RTDMiner: 基于数据挖掘的引用计数更新缺陷检测方法

在Linux内核等大型底层系统中广泛采用引用计数来管理共享资源.引用计数需要与引用资源的对象个数保持一致,否则可能导致不恰当引用计数更新缺陷,使得资源永远无法释放或者被提前释放.为检测不恰当引用计数更新缺陷,现有静态检测方法通常需要知道哪些函数增加引用计数,哪些函数减少引用计数.而手动获取这些关于引用计数的先验知识过于费时且可能有遗漏.基于挖掘的缺陷检测方法虽然可以减少对先验知识的依赖,但难以有效检测像不恰当引用计数更新缺陷这类路径敏感的缺陷.为此,提出一个将数据挖掘技术和静态分析技术深度融合的不恰当引用计数更新缺陷检测方法 RTDMiner.首先,根据引用计数的通用规律,利用数据挖掘技术从大规模代码中自动识别增加或减少引用计数的函数.然后,采用路径敏感的静态分析方法检测增加了引用计数但没有减少引用计数的缺陷路径.为了降低误报,在检测阶段再次利用数据挖掘技术来识别例外模式.在Linux内核上的实验结果表明,所提方法能够以将近90%的准确率自动识别增加或减少引用计数的函数.而且RTDMiner检测到的排行靠前的50个疑似缺陷中已经有24个被内核维护人员确认为真实缺陷.     

变母线电压工况下开绕组PMSM单矢量模型预测转矩优化控制

为改善双电源供电型开绕组永磁同步电机(permanent magnet synchronous machine,PMSM)在采用传统单矢量MPTC控制策略时转矩脉动大、计算复杂度高、权重系数较难整定的问题,该文提出一种基于电压矢量幅值的最优矢量快速选取方法,利用无差拍预测转矩控制思想,直接预测出参考电压矢量,消除评价函数中的权重系数,分析变母线电压工况下的基本电压矢量变化趋势,结合扇区细分的思想,对不同电压比例下的矢量选取方法进行分析推导,充分考虑了双电源供电型开绕组PMSM拓扑的所有基本电压矢量,采用类似开关表的方法建立了不同扇区内的最优矢量选取方法,降低算法的计算复杂度,有效改善了电机的转矩脉动。实验结果表明,该文提出的单矢量模型预测转矩控制策略在宽母线电压比例范围内均能获得较好的电机控制效果。     

考虑趋肤效应的铁磁材料宽频损耗分离模型

为在较宽频率范围内准确计算变压器铁心损耗,该文在不同频率下对铁磁材料的磁滞特性及损耗特性进行了测量,并基于损耗分离模型进行分析。为考虑趋肤效应对涡流损耗的影响,计算过程中分别采用不同形式的实数、复数磁导率表示材料磁感应强度与磁场强度的本构关系。研究发现,采用磁导率描述本构关系时,其数值不能从近似的直流磁化曲线中提取,而应将其视为随频率变化的量。基于上述结论,该文基于损耗分离理论对铁磁材料内部的磁场进行分离,并基于异常损耗场提出一种实数磁导率近似方法,从而实现基于少量低频下的测量数据预测材料在较宽频率范围内的损耗特性。     

燃煤机组辅机设备运行健康状态在线评估方法及应用

加强辅机设备健康状态实时评估与预警对宽负荷调峰火电机组的安全运行具有重要意义。基于火电机组主要辅机设备如送、引风机以及汽动给水泵的运行特性分析,提出设备运行健康状态在线评估方法。采用参数异常变化监控法对独立影响设备的参数进行趋势预判,采用特征向量类比分析法从系统的角度实时评估设备各运行参数是否失配,进而综合评价设备健康状态。在某630MW机组上的应用结果显示,参数异常变化监控法成功识别了送风机轴承温度大幅度跳变的工况,并预警相关人员采取防御措施,避免了设备跳闸。采用该机组某次深调工况下引风机失速的历史数据进行的测试结果显示,特征向量类比分析法可以在设备运行异常的瞬间发出参数失配预警,为操盘人员在事故工况下赢得黄金抢救时间,避免事故恶化。