基于改进算法的煤矿隐患关联性分析

文章简述了一种适合煤矿隐患数据的Apriori改进算法,然后根据煤矿作业场所安全隐患数据信息的特点进行数据预处理,包括数据的导入和提取,将算法嵌入到某煤矿的隐患排查系统,在此之后是基于Apriori改进算法的煤矿隐患数据关联规则挖掘的实现,得到煤矿隐患内部有价值的关联规则,为企业在隐患管理和预防方面提供改进建议,从而最终对防止事故的发生、降低事故损失有着重要的实际意义。     

大数据在煤矿安全领域应用方法研究

本研究应用大数据方法,挖掘信息化煤矿长期积累的海量数据,多维度洞察发现海量数据隐含的内在规律,将煤矿安全生产管理提升到精细化的新层面。本研究主要包括:收集大量煤矿安全事故报告,针对煤矿安全事故报告进行文本挖掘,在此基础上运用Delphi专家调查法确定事故关键要素;利用Apriori关联分析法分析关键要素之间的关联关系,挖掘关键要素频繁项集;依据煤矿现有信息化系统数据,建立与关键要素对应的数据指标并对其进行实时监控和预测;在关键要素频繁项集的基础上构建BP神经网络模型,通过计算实时数据预测事故发生的可能性,为煤矿事故的研究和预防提供了全新的视角。     

数据挖掘在纺织高校科研管理系统中的应用

本文主要讨论了关联规则挖掘在纺织高校科研管理系统中的应用。通过挖掘纺织院校教师的职称、学历、科研工作量数据之间潜在的关联规则,从中迅速萃取有用的信息,以指导和辅助科研管理。     

数据挖掘在静电放电防护理论中的应用

研究了应用遗传算法进行关联规则挖掘的方法,提出了对遗传算法中适应度函数的构造、数据的编码等的改进方案,将改进的自适应P_c,P_m算法应用到遗传算法中来,从而提高了算法的效率；将其应用到静电放电防护的实验中去,取得了良好效果。     

基于PSO的信息熵数据融合非均匀分簇路由算法

针对无线传感器网络分簇算法中能量分布不均衡导致的"热区"和簇头负载过重问题,提出了一种基于PSO算法优化簇头选举的非均匀分簇算法。在候选簇头选举和竞争半径计算过程中综合考虑节点动态能量、节点密度和节点距基站距离,将网络进行非均匀分簇,并引入PSO算法进行最终簇头选举。根据节点能量、节点密度和距基站距离确定簇间单跳多跳结合的路由规则,选取代价函数小的节点作为下一跳节点。基于节点信息熵确定融合阈值,进行簇内数据融合剔除冗余数据。仿真结果表明,改进算法的数据传输量比EEUC算法和UCRA算法分别提高了20%和10%,提升了数据的融合效率,有效延长了网络生命周期,簇头能量消耗得到均衡,减少了网络能量消耗,网络的整体性能显著优于其他对比算法。     

基于Web数据库的诊断专家系统技术

研究可在因特网环境下运行的设备故障诊断专家系统技术,提出基于Ｗｅｂ数据库的解决方案。方案中采用浏览器／ＷＷＷ服务器模式解决程序的网络化运行问题,并以基于规则的诊断专家系统为对象,根据Ｗｅｂ数据库程序设计的特点对诊断规则进行了简化,给出了诊断规则的数据库结构和相关的标准术语字典库的结构,实现了以数据库ＳＱＬ语句为基础的设备故障诊断专家系统设计。     

天然气长输管道SCADA系统中关联规则的应用

SCADA系统,即监视控制与数据采集系统。天然气长输管道SCADA系统可以对整条管道的实时运行情况进监控并实现数据的自动上传。关联规则是数据挖掘中的核心技术,用来从大量数据中挖掘出有对用户有用的数据项之间的相互关系,通过使用关联规则对SCADA系统采集的压力数据进行分析,可以得出压力变化情况,结合给定的支持度,可以对长输管道的运行情况进行更好的监控。     

基于“标准+α”成本测算系统的成本价值管理实践

为积极探索和深挖标准成本管理在企业管理中的价值引领作用，基于梳理的标准成本核算规则，搭建“标准+α”成本测算系统，动态关联前端工艺设计数据库PQD、供应链原料价格，实现了一键计算准确、合理的钢种标准成本，并在线将成本数据传递至APS，为销售接单、新品开发、科学排产、成本管控和分析等提供数据支撑。     

课程思政有机融入化工类专业核心课程的案例

化工类专业核心课程涉及化工传递过程、化工原理、化学反应工程、化工热力学、计算机化工应用、化工工艺学等,可挖掘的课程思政元素非常之多,需要相关教师尤其是党员教师结合各方面思政学习,善于总结、善于引申,有意识开展课程思政的积累和实践。同时也要求教师本人具有一定的思政知识储备,才能在对专业知识进行分析凝练时,迅速准确地融入课程思政点,避免“专业知识”和“课程知识”两张皮,避免毫无关联地生搬硬套。文章基于新疆大学化工学院化工系教师党支部关于课程思政的主题讨论,给出了化工类专业核心课程的课程思政挖掘与布局案例。     

区域交叉口交通拥堵传播规律挖掘方法研究

为了准确识别和预测区域交叉口的交通状态,研究道路网络中的拥堵传播规律,以交叉口流量数据为研究基础,提出了一种改进型需求-容量的交叉口交通状态判别方法。结合交通领域的具体特点,对算法数据库进行适应性调整,采用一种基于路网拓扑结构约束的Aprior算法,建立区域交叉口拥堵传播规律挖掘模型,并以苏州市某区域的交叉口数据为实例进行验证,从时间维度分析发现拥堵具有相似性和反复性,从空间维度研究获取"回溢"和"流出"2种拥堵传播模式,与现实情况相符。结果表明,模型能够有效挖掘区域交叉口拥堵传播规律,并根据传播规律中各个交叉口拥堵发生的时序特性进行交通状态预测。所得结论对实现拥堵预警和交通拥堵的早期干预具有一定的借鉴意义。     

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。     

数据挖掘方法在传统预测模型中的应用

数学建模领域中,对于解决不同类型的预测问题有一些经典的预测模型。最近日益流行的数据挖掘技术也有一些针对解决预测问题的独特的数学模型和建模方法。在此对使用传统解析式模型的预测方法与应用数据挖掘技术的数据库模型的预测方法进行了对比,重点分析了2种方法在影响因素的确定、数据规律的寻找方法以及模型侧重点选择上的不同之处,并简单讨论了如何结合2种模型的优点,将数据挖掘技术应用于传统解析式模型的建模过程之中,对已有的解析式预测模型进行改进,进而得出更加可靠准确的预测结果。     

煤矿采掘管理信息系统设计

系统介绍了设计的思路以及设计的特点;并且设计了系统的功能。描述了系统采掘衔接计划编制过程以及对编制的采掘衔接计划的检验方法。在此基础上建立了时间序列模型和计算机模拟模型,来对采掘衔接的编制进行科学化的设计与模拟。并以GIS技术建立采掘工程数据库,再以SQL数据库储存采掘工程数据,达到对数据处理的目的。     

一种归纳算法的研究与改进

机器学习是人工智能应用的一个重要研究领域,分类算法是数据挖掘中的一种重要技术,决策树学习是其中常用的一种方法,本文针对目前在机器学习和数据挖掘领域中普遍采用的典型的决策树分类算法ID3算法存在的缺点提出了一种基于统计理论的统计归纳SIA分类算法,该算法以概率统计学的理论为基础,利用实例中提供给人们的统计规律的信息进行划分归类,从而简化了决策树的剪枝和优化过程,并通过Delphi实现该算法进行仿真试验,具有准确性高,分类速度快的特点。     

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。     

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。     

论基于企业治理模式转换的职业经理人变迁

职业经理人的变迁是有其内在规律的。探索并描述这一规律是企业家理论研究的重要内容之一。基于资产的专有专用性及企业治理模式的相关分析，可以清晰地得到这样一个规律：职业经理人的变迁是随着人力资本的专有专用性程度的不断提升以及企业治理模式的不断演化而进行的。即由基于传统企业及其单边治理模式的“寄生型职业经理人”，到基于现代企业及其共同治理模式的“派生型职业经理人”，再到基于新经济时代高科技企业及其治理模式的“独立主导型职业经理人”，职业经理人的地位与作用在其升级转换中发生着显著的有规律性的变化。     

An association clustering algorithm for can-order policies in the joint replenishment problem

Many studies have shown that the total cost of employing joint replenishment for correlated items is less than the total cost of using single-item replenishment. Savings increase dramatically when the demand between items is closely related. Although the benefits of joint replenishment are significant, it is difficult to define the demand correlation among items, especially when the number of items increases. A large number of items reduces the efficiency and advantage of the multi-item inventory control. To overcome this difficulty, an association clustering algorithm this paper proposes to evaluate the correlated demands among items. The proposed algorithm utilizes the “support” concept in association rule analysis to measure the similarity among items. Based on these measurements a clustering method is developed to group items with close demand in a hierarchal way. The can-order policy is then applied to the optimal clustering result as decided by the proposed performance index. To illustrate the benefits of the proposed association clustering algorithm for replenishment systems, a set of simulations and a sensitivity analysis is conducted. The results of the experiments show that the proposed method outperforms several replenishment models.     

7199综放工作面涌水机理研究

某煤矿7199工作面在回采过程中,顶板裂隙带导通煤层顶板砂岩水和石盒子组底界砂岩水,造成长期高水量涌水,几度危及工作面回采。为了实现7199工作面在高水压突水条件下安全回采,通过水质化验、水情观测、矿压观测分析等手段,确定水源和出水规律;通过分析工作面突水特征和涌水期间工作面顶板来压规律进行对比分析,找出了顶板压力和涌水之间的关系;利用岩层在周期来压条件下的破坏规律,分析了工作面涌水机理,为以后工作面防治水提供理论依据,对于革新采煤工艺有很重要的实用价值。     

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。