基于Adaboost算法人脸识别算法的研究

AdaBoost是机器学习中比较流行的分类算法。本文对首先介绍Haar-Like特征和积分图的概念,然后对基于Adaboost算法人脸识别算法进行了归纳研究。     

LDA和KNN算法在随钻测井火成岩分类的应用

渤中34-9油田在开发过程中广泛钻遇古近系火成岩,由于火成岩岩性多样、成分复杂导致常规测井解释图版识别岩性精度较差,而在随钻过程中准确识别火成岩岩性是工程上规避憋、卡、漏等风险的重要前提。通过将机器学习算法线性判别分析（LDA）与KNN算法运用于油田开发过程中的随钻测井数据处理与分析,实现了随钻过程中准确、高效识别火成岩岩性的目的。进一步将线性判别分析的降维结果代替原始测井曲线作为K最近邻分类器的输入,实现两种算法的有机融合,并对油田5口开发井建立的测井数据集进行机器学习,火成岩岩性分类准确率高于90%,证明了该方法的适用性。通过引入机器学习方法为常规录、测井数据的处理与解释提供了新方法,多方法的结合也为油田勘探作业过程中的分类提供借鉴。     

面向CRM的基于Multi-Agent的数据挖掘模型研究

数据挖掘是CRM的重要支持技术。为了提高CRM中的数据挖掘系统的智能性,提出了基于Multi-Agent的数据挖掘模型,该模型包括站点层、管理层、协作挖掘层和算法层;详细描述了各层次的功能及协作机制;给出了数据挖掘在CRM中的实施过程。     

小波聚类算法的分析与研究

聚类分析是数据挖掘领域中一个重要的研究课题。传统的聚类算法在在低维空间小数据集中能够有效地进行聚类,但在高维大数据集中,由于数据的稀疏性,存在大量孤立点等问题,聚类效果不甚理想。本文在传统聚类算法的基础上,着重对小波聚类算法进行了分析与研究。     

基于数据挖掘算法的变压器热点温度时序预测方法

为了解决油浸式电力变压器热点温度预测方法缺乏对短期热点温度走势的预测,无法满足动态增容决策要求的问题,以SFPSZ-180000/220型变压器为研究对象,首先,研究对比发现变压器的热点温度与负载率相关性最大,在此基础上,建立了基于支持向量回归的局部地区负荷预测模型,为变压器热点温度预测提供数据;其次,提出了基于数据挖掘算法的变压器热点温度时序预测方法,并在此基础上分别建立了支持向量回归、BP神经网络、决策树3种数据挖掘预测模型;最后,对一般输入-输出的建模方法的预测结果与基于时间延迟方法的预测结果,以及不同时间延迟下3种数据挖掘模型的预测结果进行了对比分析。结果表明,有外在输入的支持向量回归预测模型结果比BP神经网络和决策树吻合度更高,并且时间延时更小,预测结果精确度更高。有外在输入的支持向量回归预测模型在很大程度上提高了变压器热点温度预测精度,其预测结果可为变压器的动态增容决策提供有效参考。     

基于聚类分析的LNG客户细分研究及应用

随着国家大力推动清洁能源行业的发展,LNG(液化天然气)市场竞争愈发激烈,LNG客户关系管理显得愈发重要。如何细分客户,识别价值客户及其消费特征已经成为LNG企业维系客户、提高核心竞争力的重要手段。本文首先阐述了LNG客户细分的背景和意义,由此引申出数据挖掘方法中的聚类分析技术,并将其引入到LNG企业的客户细分中。基于K-means算法,结合LNG行业的特点,在传统RFM客户分类模型的基础上,设计了一种改进型的RFMST模型。基于该模型对某大型能源企业存量客户进行了分类研究,并验证了模型的可行性和有效性。通过本文的研究来识别LNG企业的客户信息,对客户进行分类管理,为LNG企业了解客户、挖掘潜在价值客户、实现差异化营销提供有力的帮助。     

一种基于自适应相似矩阵的谱聚类算法

为了消除在构建谱聚类算法的相似矩阵时,高斯核函数中尺度参数的波动影响,构建了一种自适应相似矩阵,并应用到谱聚类算法中。自适应相似矩阵中数据点间的距离度量采用测地距离算法,相距较近的两点间的距离近似于欧氏距离,相距较远的两点则先根据欧氏距离得到每个数据点的k个近邻点,然后累加近邻点的测地距离,由此得到每对数据点间的最短距离。两点间的局部密度用共享近邻的定义来表示,更好地刻画了数据集的本征结构。在5个人工数据集和国际通用UCI数据库中的5个真实数据集上进行实验。实验结果表明,所提算法的聚类准确率高于对比算法的准确率,对复杂分布数据有很强的自适应能力。研究成果为数据挖掘及机器学习提供了思路和方法。     

通用数据库彩色统计直方图程序介绍

一、功能介绍:该程序的功能是对任意一个 DBASE Ⅲ或 FOXBASE 数据库作分类统计并将统计结果以彩色直方图的形式在屏幕上显示。分类统计可按单栏目或双栏目进行。单栏目分类统计指用户可以选择该数据库中的任一栏目作分类小计与合计。所选栏目可是数值型,日期型或字符型。选择多个字符型栏目的组合作分类统计是单栏目分类统计的特例。     

“计算” 未来数字化生活

下一代深度学习算法将助力搜索、物联网和机器人设备。研究人员正在竭力开发一套新的算法,以支持更方便的搜索、自动驾驶汽车、更灵巧的智能手机以及物联网。深度学习算法基于对大脑进行的松散模拟,已用于推动诸多技术的发展,比如语音识别、自然语言处理和机器人自主等技术。现在,研究人员致力于研发下一代的此类算法,下一代算法将广泛应用于机器学习和人工智能领域,有望成为重     

浅析数据挖掘及其应用

数据挖掘(Data Mining)是目前IT业界的热点,其身影随处可见,但截止目前还没有一个完整的定义。人们根据各自的理解提出了多种数据挖掘的定义,例如:SAS研究所(1997)提出数据挖掘是“在大量相关数据基础之上进行数据探索和建立相关模型的先进方法”;Bhavani(1999)提出数据挖掘是“使用模式识别技术、统计和数学技术,在大量的数据中发现有意义的新关系、模式和趋势的过程”。与该术语相近似的还有另一术语。从数据库中发现知识(KDD,Knowledge discovery in database)。KDD一词首次出现在1989年举行的第11届国际联合人工智能学术会议上。…     

浅谈基于粗集理论的文本归类系统

文本归类是处理大量文本数据自动分类的重要技术。基于粗集理论建立的林业文本信息归类系统,是在已知类别的训练集的基础上,通过分析训练数据样本,建立决策表产生区分矩阵构造出区分函数,并化简它,得到最小属性约简,最后应用Apriori算法产生最终分类的规则表,利用产生的规则表,可将林业文本信息数据进行自动归类。     

一种实时电能质量扰动识别分类方法

针对电能质量扰动数据大、识别算法繁琐,难以实现在线实时识别等问题,提出了基于深度卷积神经网络AlexNet的电能质量扰动识别数法,首先将各类电能质量扰动转化为图片格式,然后输入到AlexNet算法,通过学习、调整电能质量扰动信号的特征参数,迭代收敛,最后将实时的电能质量扰动通过训练好的AlexNet,直接实现扰动识别分类。实时仿真结果表明,所提出的方法能精确识别包括3种复合扰动在内的17种电能质量扰动问题,只需要对电能质量扰动信号进行学习,即可以直接对电能质量扰动信号进行识别与分类,识别算法简单且处理的时间短,达到了实时性的目的。     

一种新型的基于Hadoop框架的分布式并行FP-Growth算法

针对传统FP-Growth算法在大规模数据环境下存在的挖掘效率低和内存溢出问题,在传统FP-Growth算法的基础上,提出一种新的并行FP-Growth算法,并在分布式计算框架Hadoop的MapReduce编程模式下实现并行化处理。实验数据表明,并行的FP-Growth算法与传统的FPGrowth算法相比,具有相同数据量下计算时间短,相同时间内处理数据量增大的优点,并在一定条件下解决了大数据挖掘的内存溢出问题。     

关联规则挖掘算法在教学管理上的应用

介绍了关联规则挖掘的基本概念,分析了经典的Apriori算法,提出一种改进的关联规则挖掘算法,在系统中永久保留支持度为0的候选1项集和候选2项集,当系统需要运行时,先采用数据库的过滤技术,可以很快得到频繁2项集。采用新算法在教学数据库中搜索所有的关联规则,从而得到课程与课程之间的关联关系,对教学管理具有一定的辅助决策意义。     

基于VFP的通用报表生成工具的设计与实现

介绍了一个基于 VFP的通用报表生成工具。该工具功能强大 ,可生成各种类型的报表 ,且操作简便 ,易调用 ,采用 Excel作为报表表头格式设计和报表输出工具 ,充分利用Excel强大的表格编辑功能和统计分析功能 ,满足了用户不同的报表格式和对数据进行再挖掘的需求。该工具已经用于多个 MIS系统中。     

基于Stacking模型融合的店铺销量预测

为了实现企业产品销量预估,提高生产供应的准确性与效率,提出了基于Stacking模型的融合算法进行销量预测。算法设计了两层堆叠的模型结构,初级学习器采用随机森林、支持向量回归、差分整合移动平均自回归、轻量级梯度提升机器和门控循环单元5种单模型,将分类与回归树作为次级学习器构成Stacking融合模型,并对数据进行了预测。预测结果显示,使用Stacking模型融合后得到了较好的预测结果,比单模型中效果最好的模型的均方根误差更小,平均绝对误差更小,决定系数值更大,表明Stacking融合模型的预测准确率更高。所设计模型可用于对企业店铺的产品销量进行预测,帮助企业更好地安排生产、营销活动,为减少库存、缩短生产销售周期提供数据支持,对企业生产决策有一定的参考价值。     

中国矿业城市经济发展状况分析

本文选择了我国 51个矿业城市 ,以现有统计资料为依据 ,从经济发展水平、产业结构、所有制结构与外向度、经济发展效率、技术进步、财政状况等几个方面系统分析了矿业城市的动态特性、演变规律及其形成的原因。结果显示 ,矿业城市与一般城市之间、不同类型矿业城市之间 ,其经济发展的效益与效率存在很大的差异性。