案例知识库维护技术的研究进展

案例库是CBR系统的主要知识库,但是难以维护,一个主要因素是案例库大,并且是非结构化或半结构化的,用自然语言来表达的．文章针对案例知识库维护中出现的相关复杂问题,分析了各种维护策略的可行性,提出了在不同环境下实施维护的准则,指出了选用合适的方法来实现案例库维护．     

改进的蚁群算法求解多目标车间作业调度问题

目前已经有许多解决作业车间调度问题的启发式求解方法,但这些方法多数局限于单目标,因此不能满足现实生活中多目标作业车间调度问题的应用需求。提出一种改进的蚁群算法启发式地搜索多目标车间作业调度问题的近似最优解以满足实际的应用需求。通过对转移概率以及信息素更新方式进行改进,并融合交叉策略,确保算法在加快搜索收敛速度的同时又避免陷入局部最优。仿真实验证明,改进的算法具有较好的性能,能够解决实际生活中的多目标作业车间调度问题。     

基于双精英进化樽海鞘群算法优化ELM的焦炭价格预测

焦炭是焦化企业生产的重要工业原料之一,准确地预测其未来价格趋势对焦化企业制定排产计划具有重要意义。极限学习机(ELM)泛化能力强,计算速度快,适合作为焦炭价格预测的模型,但ELM的预测性能受模型关键参数影响较大,故需对其参数进行优化。基于此,文中提出了基于双精英进化樽海鞘群算法的ELM焦炭价格预测方法。首先,采用Logistic混沌映射、改进的收敛因子、自适应惯性权重和双精英进化机制来改进樽海鞘群算法,提出了双精英进化樽海鞘群算法(MDSSA),提高算法的搜索能力;其次,运用MDSSA优化ELM的连接权值与阈值,找到ELM的最优参数组合,构建MDSSA-ELM焦炭价格预测模型;最后,在8个基准测试函数上测试MDSSA的收敛性能,在实际焦炭价格数据集上对MDSSA-ELM模型的预测性能进行实验,实验结果表明,MDSSA-ELM相比其他方法预测能力更优,MDSSA相比其他群智能算法搜索能力更强,为焦化企业实现焦炭智慧排产提供了有效的预测工具。     

基于本地差分隐私的空间数据自适应划分算法

空间位置数据分布通常具有不均匀性,不同位置区域的密度差异较大,在本地差分隐私模型中无法直接获取用户真实的位置数据,使得空间位置划分方法受到限制以及数据发布存在查询精度低、通信代价大等问题。为在本地差分隐私模型下的大规模空间数据采集和发布过程中进行空间划分,提出一种空间数据分层自适应划分算法KDG-HT。通过收集部分用户的数据来初步获取区域的分布情况,采用KD-树的思想划分区域,并利用抽样技术对用户进行分组,根据分组用户统计结果所提供的先验知识来完成多层细粒度划分。在此基础上,结合差分隐私模型的并行组合特性分层扰动用户数据,从总体上实现发布数据的ε-差分隐私保护。实验结果表明,KDG-HT算法适用于具有不同数据分布情况的大规模空间数据集,查询精度及运行效率优于RAPPOR、UG、GT-R等算法,其中与GT-R算法相比,KDG-HT算法发布数据的查询精度最高提升3倍,运行效率提高17%。     

基于本体的组合预测预警系统模型

在分析现有预测预警系统不足的基础上,提出一种基于本体的组合预测预警模型(OCFWSM),解决组合预测预警系统内各单一预测模型和指标体系间的语义异构问题,通过建立本体知识库,实现系统内数据、模型、知识的一致化表示,实现各模型和指标体系间的知识共享和重用.具体分析了本体知识库的组成及其实现原理和方法,根据本体建模理论,建立...     

SQL Server 2005数据挖掘技术在证券客户忠诚度的应用

文中主要研究了我国证券业客户忠诚度分类和表现形式,提出了一种证券业客户忠诚度评估的有效方法。依据RFM客户评价方法,结合数据挖掘的一般流程将SOLServer2005中的数据挖掘技术应用于证券业客户忠诚度模型系统中,并结合某证券公司客户交易数据,对其客户忠诚度进行了准确合理的分类,对其不同忠诚度类型的客户提出相应个性化营销建议,最后通过使用DMX语言在客户端运用数据挖掘产生的分类规则对其客户进行了准确预测。     

基于和声搜索算法的知识即服务动态组合优化

面向服务的云计算环境为制造领域的知识创新提供了新的思路。知识即服务的动态组合是知识创新过程中的关键技术之一。云计算服务资源的虚拟性和动态性为组合的知识即服务的服务质量提出了新的挑战。针对制造领域知识即服务组合的服务质量优化问题,提出一种改进的和声搜索算法(SLHS),SLHS算法利用Skyline方法对和声记忆库进行初始化以提高算法的运行效率,并采用理想点法选择制造知识即服务以确保解的有效性。仿真实验中引入了基本和声搜索算法作比较。实验结果表明SLHS算法在解的质量方面和算法性能方面均明显优于基本和声搜索算法。     

一种基于密度树的网格快速聚类算法的研究

聚类算法是数据挖掘领域中一个非常重要的研究方向。人们已经提出了许多适用于大规模的、高维的数据库的聚类算法。基于密度的聚类算法是其中一个比较典型的研究方向。该文以CABDET算法为基础，提出了一种基于密度树的网格快速聚类算法，该算法将网格的原理运用到基于密度树的聚类算法中，有效地提高了聚类的效率，降低了I/O的开销。     

车流量测量仪键盘处理的设计与实现

提出并实现了车流量测量仪控制软件的键盘处理方案。该方案的突出特点是它以菜单命令的输入状态为基础对按键进行处理,能很好地满足未来应用提出的新需求,便于键盘功能扩充,提高了控制软件的可维护性。该处理方案具有一定的通用性,有较好的应用价值。     

DBSB:启发式选择边界对象的快速空间聚类算法

提出了一种启发式选择边界对象的快速空间聚类算法DBSB,通过一个启发式函数近似选择相对于某个已知核心对象边界区域中的核心对象和边界对象,通过核心对象的序列来快速地扩展它们所在的簇,直至找到一些较小的簇。在此基础上再通过边界对象快速地合并某些簇,即该算法通过两步聚类,达到最终的聚类。理论分析和实验结果表明该算法有效可行。