数据挖掘算法

摘要： 煤矿企业安全问题一直以来都是国家煤矿战略要点之一。由于在各种隐患过程中产生的数据复杂繁多,而企业对这些数据的管理又缺乏系统性、科学性,文章利用数据挖掘算法研究煤矿安全隐患问题,利用数据库技术导入数据,最终采用基于Apriori算法的数据挖掘技术进行挖掘得出关联规则。实验结果表明,通过该方法得出的关联关系可作为煤矿企业安全管理的科学依据,具有重要的参考价值。

摘要： 提前感知光纤链路健康程度是泛网智能变电站时钟系统质量监管模块设计中的重要的内容,为此基于一种数据挖掘算法进行质量监管模块设计与实现。该模块包括三部分:先是对变电站运行大数据和设备台账信息等历史数据信息进行处理,包括标准化处理、降维处理和离散处理;然后利用遗传算法提取数据特征;最后利用数据挖掘算法中的k-means算法进行光纤链路异常状况判断。结果表明所研究方法的漏报率和误报率都低于三种前人研究的方法,说明该模块的设计是有效的,为泛网智能变电站时钟系统完善提供了参考和借鉴。

摘要： co-location模式是空间特征集合的一个子集,模式中不同特征的实例频繁出现在邻近区域内。纵观高效用co-location模式挖掘的相关研究报道,现存的高效用co-location模式挖掘方法没有考虑模式的长度对模式效用的影响。为了探索这一问题,提出一种从空间数据集中挖掘高平均效用co-location模式的算法(HAUCP),以便更好地评价co-location模式的真实效用。首先,基于空间数据集提出高平均效用co-location模式的完整定义;其次,构建了高平均效用co-location模式挖掘的基本算法,并探索了两种有效的剪枝策略以提升算法的运行效率;最后,在真实数据集和合成数据集上对算法的有效性和可扩展性进行了大量实验,实验结果表明HAUCP算法挖掘出的高效用co-location模式更加合理。

摘要： 为了解决当前火电厂燃煤锅炉节能减排效果评估方法的评估结果与实际结果相差较大的问题,设计基于数据挖掘算法的火电厂燃煤锅炉节能减排效果评估方法。使用数据挖掘算法分类处理原始数据,利用Kappa系数判断数据挖掘精度,得到可靠性较高的评估数据样本;选择客观赋权方法,计算评估指标权值;使用指标序优势的多属性评价方法构建评估模型,实现燃煤锅炉节能减排效果评估。实验结果证实,此方法的评估结果与实际结果相差较小且指标数据隶属度较高,所得评估结果可靠性更高。

摘要： 为了解决传统的输电线路安全隐患预测方法的预测不准确、耗时长等问题,提出基于数据挖掘算法的输电线路安全隐患预测方法。使用无人机采集了输电线路隐患影像点云数据,应用数据挖掘算法对输电线路状态进行评估,实现了线路安全隐患预测。实例应用效果表明,设计的安全隐患预测方法能成功地进行隐患预测,且耗时短,有一定的应用价值。

摘要： 针对当前变电站命令票成票系统通用性差、无法实现快速成票等问题,提出了基于数据挖掘算法的命令票可视化快速成票系统。利用数据挖掘算法寻找各个设备的特征,确定彼此间联系,建立相对应的邻接矩阵和关联矩阵。通过设备的一次倒闸操作和二次保护,生成命令票的操作任务信息,优化安全稳定的运行环境,进行命令票可视化快速成票。由实验结果可知,所提系统召回率较高,能够实现快速成票,符合电力企业需求。

摘要： 通常在应用海量数据快速提取方法进行降维处理时易丢失数据,导致提取数据的二类特征数值较小,为此,提出基于数据挖掘算法的智慧档案馆海量数据快速提取方法。采用贝叶斯网络参数离散化处理档案数据为概率状态,离散化处理海量原始智慧档案数据,利用上升学习规格构建降维更新过程,控制产生的档案数据丢失;规划数据降维及知识约简处理过程,设定档案数据的可挖掘属性参数,利用数据挖掘算法实现快速提取。搭建智慧档案馆的执行数据层后,采集智慧档案的数据集,进行对比实验,结果表明:本方法提取数据的二类特征数值最大,具有较为优越的数据提取性能。

摘要： 本文首先对数据挖掘并行化计算技术的应用现状以及问题需求展开了分析。而后以Hadoop开源云平台为例,对数据挖掘算法的并行化方法进行了分析探讨。希望可以为大数据云计算服务的开发设计人员带来一些理论帮助。

摘要： 通过围绕云计算环境下的Hadoop架构,以Hadoop分布式系统、MapReduce模型、HBase数据库作为基础,建构起Hadoop框架的改进K-means聚类挖掘算法,对原有的聚类分析构造函数作出改进,并针对网络热点话题进行数据要素提取、分析模型建立,完成不同数据项集的仿真实验,得出在改进K-means聚类算法下的系统采样范围、准确率等的数据挖掘结果,得出该算法更适合于云计算下数据挖掘分析的结论,具有一定的优越性。

摘要： 图像处理指基于计算机信息技术数字化处理图像,以达到图像编码、压缩、增强复原等目的的技术。文章总结当前图像处理工作中存在的问题,分析大数据挖掘与分析进行图像处理的原理和解决图像处理工作问题具有的优势,解读图像处理时的实践操作步骤,旨在为大数据技术与图像处理技术的融合发展提供借鉴。

摘要： 由于医疗大数据的快速发展，数据挖掘算法在疾病防治领域也有了长足的进步，其包括许多算法，按照训练的数据有无标签，分为监督学习算法、无监督学习算法和特殊算法，监督学习算法又包括决策树、线性回归、逻辑回归、神经网络和支持向量机，无监督学习算法包括聚类算法和维数约减，而推荐算法是一种特殊算法。由于不同数据挖掘算法自身的优势和劣势，使其在不同的疾病防治方面也有不同程度的侧重，如何根据自身数据的特点和研究目的选择合适的数据挖掘算法至关重要。但不可否认的是，数据挖掘算法在疾病防治领域已经占有非常重要的作用，是把临床决策和医疗大数据有机结合的必备工具，是未来进行决策支持的主要手段。

摘要： 获取有效空情信息以争夺信息优势,并实现态势优势、决策优势已成为打赢信息化战争的关键.针对当前从海量空情信息中挖掘有效信息所需时间较长的问题,提出了一种基于Map/Reduce模型的空情数据挖掘算法,该算法将基于云计算的Map/Reduce编程模式与基于项集矩阵的Apriori数据挖掘改进算法相结合,充分利用云计算强大的存储和并行计算能力,能够在短时间内得到挖掘的频繁项集.仿真结果表明,该算法提高了挖掘海量空情信息的时效性.

摘要： 医学是个庞大而繁杂的系统领域,医学领域是个复杂的数据海,大量非结构化数据存储.从不同系统或不同数据库中提取所需的数据以及从杂乱的数据中发现隐藏知识或隐含关联正变成一项令人头疼的繁琐且复杂的劳动.数据挖掘技术能分析数据库原始数据,作出归纳性推理并深层次分析,发现从数据浅表无法发现的信息知识.针对医学领域数据的多样化和复杂性及多变性,不同数据结构、不同需要、不同目的，本文总结了医学领域中的数据挖掘算法，并对其算法机理进行了探究，指出数据挖掘算法的适用范围，并对各种算法进行SWOT分析，认为数据挖掘算法种类繁多，各自分析侧重点不同，算法的选取对研究结果是否有效、是否可信影响巨大。可以根据研究目的和需要的不同选择算法，例如研究电子病历中患者症状-辩证-处方间关联、用药规律、药物间相互作用等可选择关联规则，预测疾病、临床相关识别及疾病诊断等可选择神经网络，而决策树算法主要用于分类研究及疾病预测。

摘要： 近年来,图书馆服务越来越趋于满足用户要求的个性化服务,使用数据挖掘技术可以有效实现这个目标.但是用户在算法选择进行功能实现中出现一定困惑.本文通过总结近十年使用的数据挖掘算法,为用户选择算法提供指导.本文介绍了图书馆个性化服务,了解其要求，阐述了数据挖掘技术,认识它来了解为什么能够用来实现图书馆个性化服务，并总结近十年使用最多的数据挖掘算法.最后,对数据挖掘算法进行小结.

摘要： 针对校园网管理工作的实际情况，提出了基于信息度量和多维数据挖掘算法的网络异常检测系统。该系统使用信息度量技术识别网络中发生的异常事件，并在此基础上采用多维数据挖掘算法对异常事件进行细粒度分析，从而实现在大流量网络环境下对网络异常事件高效、准确的检测。此外，通过使用已知IP子网信息，对多维度数据挖掘算法进行了改进，大大提高了算法的运行效率。

摘要： 为了应对广播影视行业“大数据”给企业带来的挑战，为了给用户更好的体验，需要采用一些从大数据中寻找有用信自、的数据挖掘算法。协同过滤技术正成为数据挖掘中一种重要的技术，口]以利用它来进行信息过滤和信息推荐。本文把通过利用协同过滤算法来挖掘影视网站中的用户行为，通过对用户行为的分析对用户进行影视作品的推荐。随后，利用数据集对推荐结果进行了评价。通过采用不同的K值和不同的相似度算法来分析推荐这些指标对推荐结果的影响。协同过滤算法是推荐系统中的一种常用算法，在实际的推荐系统中往往采用多种推荐算法的融合才能取得更好的推荐结果。

摘要： 随着移动互联网的发展,其安全问题越发严重,使用入侵检测技术来加强移动互联网网络安全是当前的研究热点.传统的移动恶意程序检测主要有两种形式,一是在移动终端进行检测,二是上传到云服务器进行检测.这两种检测方法对移动终端有性能消耗,同时对用户安全意识要求较高.研究了基于数据挖掘算法对移动互联网数据包进行安全性检测的方法,其相比传统检测方法具有较好的灵活性.首先提取移动数据包中的内容特征,然后采用数据挖掘算法学习恶意移动数据包和安全移动数据包特征,建立分类模型.实验表明,这种基于数据挖掘方法建立的分类模型能够有效对移动数据包进行分类.

摘要： 国内目前主要的烃源岩测井解释方法都基于一个烃源岩测井响应模型，本次工作利用支持向量机(SVM)的数据挖掘算法寻找测井值地球化学参数之间可能的组合，优选出与烃源岩评价相关程度较大的地球化学参数和测井值作为拟合的数据输入端，提高地球化学数据和测井数据之间的相关性。

摘要： 随着互联网的快速普及,人们已经习惯利用互联网进行交流.由于互联网存在信息交流快速、社会反馈和社会规范缺乏等特性,人们交流也变得更加自由和极端,表达的情绪也更加真实.这导致人们的注意力主要集中在信息本身,而忽略社会规则.人们在网上发表的负面言论,往往是一种负面情绪的表达,这种情绪积累到一定程度时,很可能演变为现实危害.文章主要介绍如何利用Web文本挖掘技术及基于朴素贝叶斯分类器的EM算法对Web文本数据进行情感分析,将情感分为正面、中性和负面,并且对负面信息进行归类、分析和预警,以预防现实危害的发生.

摘要： 随着互联网的快速普及,人们已经习惯利用互联网进行交流.由于互联网存在信息交流快速、社会反馈和社会规范缺乏等特性,人们交流也变得更加自由和极端,表达的情绪也更加真实.这导致人们的注意力主要集中在信息本身,而忽略社会规则.人们在网上发表的负面言论,往往是一种负面情绪的表达,这种情绪积累到一定程度时,很可能演变为现实危害.文章主要介绍如何利用Web文本挖掘技术及基于朴素贝叶斯分类器的EM算法对Web文本数据进行情感分析,将情感分为正面、中性和负面,并且对负面信息进行归类、分析和预警,以预防现实危害的发生.

摘要： 本发明涉及数据挖掘技术领域，尤其涉及一种数据挖掘算法，包括：将等待挖掘的数据集合上传至文件系统中，并设置支持度阈值；对数据集合进行扫描，得到所有出现过的数据，作为候选频繁k项集；计算统计候选频繁k项集中数据的支持度；去除候选频繁k项集中支持度低于支持度阈值的数据，得到频繁k项集，若得到的频繁k项集为空，则直接返回频繁k‑1项集的集合作为算法结果，算法结束，若得到的频繁k项集只有一项数据，则直接返回频繁k项集的集合作为算法结果，算法结束；基于频繁k项集，令k+k+1，连接生成候选频繁k+1项集。本发明为手术室智能化、规范化管理提供了便捷，同时本发明中还请求保护一种基于数据挖掘的智能手术室监测管理系统。

摘要： 本发明提供一种数据挖掘算法动态插入到数据挖掘平台的方法及系统，包括：构建数据挖掘平台；其中，数据挖掘平台包括基本功能框架；构建数据挖掘算法插入容器，将数据挖掘算法插入容器植入数据挖掘平台；并且，数据挖掘算法插入容器预留有数据挖掘算法插入容器接口；设置算法组件动态插入标准，以及，构建算法插入组件，算法插入组件用于选择符合预设要求的新算法组件；按照所述算法组件动态插入标准，将算法插入组件所选择的新算法组件导入到所述数据挖掘算法插入容器接口。数据挖掘平台开发过程中，具有开发简单灵活的优点；在数据挖掘平台开发结束后，还可以动态插入新的数据挖掘算法，从而提高了数据挖掘平台的可扩展性和兼容性。

摘要： 本发明请求保护一种基于UFIM‑Matrix算法改进的不确定频繁项集营销数据挖掘算法。该方法包括：在引入前置剪枝策略，该策略只涉及到一些常数的四则运算，是一种十分高效的剪枝手段，提前删除不频繁的项，避免前期数据量过大而导致过多的空间消耗；同时在计算k‑项集期望支持度时，引入位图表，根据位图表计算出相应的项集支持度，与最小阈值minsup比较，删减不频繁项集，得到频繁项集。该方法只需要对营销数据库进行两次扫描，节省了算法的时间，同时引入前置剪枝修剪策略和位图表，提高了内存和时间。

摘要： 本发明涉及数据挖掘技术领域，尤其涉及一种数据挖掘算法，包括：将等待挖掘的数据集合上传至文件系统中，并设置支持度阈值；对数据集合进行扫描，得到所有出现过的数据，作为候选频繁k项集；计算统计候选频繁k项集中数据的支持度；去除候选频繁k项集中支持度低于支持度阈值的数据，得到频繁k项集，若得到的频繁k项集为空，则直接返回频繁k‑1项集的集合作为算法结果，算法结束，若得到的频繁k项集只有一项数据，则直接返回频繁k项集的集合作为算法结果，算法结束；基于频繁k项集，令k+k+1，连接生成候选频繁k+1项集。本发明为手术室智能化、规范化管理提供了便捷，同时本发明中还请求保护一种基于数据挖掘的智能手术室监测管理系统。

摘要： 本发明提供一种数据挖掘算法动态插入到数据挖掘平台的方法及系统，包括：构建数据挖掘平台；其中，数据挖掘平台包括基本功能框架；构建数据挖掘算法插入容器，将数据挖掘算法插入容器植入数据挖掘平台；并且，数据挖掘算法插入容器预留有数据挖掘算法插入容器接口；设置算法组件动态插入标准，以及，构建算法插入组件，算法插入组件用于选择符合预设要求的新算法组件；按照所述算法组件动态插入标准，将算法插入组件所选择的新算法组件导入到所述数据挖掘算法插入容器接口。数据挖掘平台开发过程中，具有开发简单灵活的优点；在数据挖掘平台开发结束后，还可以动态插入新的数据挖掘算法，从而提高了数据挖掘平台的可扩展性和兼容性。

摘要： 本发明请求保护一种基于UFIM‑Matrix算法改进的不确定频繁项集营销数据挖掘算法。该方法包括：在引入前置剪枝策略，该策略只涉及到一些常数的四则运算，是一种十分高效的剪枝手段，提前删除不频繁的项，避免前期数据量过大而导致过多的空间消耗；同时在计算k‑项集期望支持度时，引入位图表，根据位图表计算出相应的项集支持度，与最小阈值minsup比较，删减不频繁项集，得到频繁项集。该方法只需要对营销数据库进行两次扫描，节省了算法的时间，同时引入前置剪枝修剪策略和位图表，提高了内存和时间。

摘要： 本发明公开了一种基于数据挖掘算法分析大数据的方法，包括客户数据、客户申请、客户认证、云计算平台、数据挖掘算法库、云存储平台、数据输入模块、申请模块、认证模块、中央处理模块，所述申请模块和中央处理模块单向电连接。本基于数据挖掘算法分析大数据的方法通过客户终端和服务器模块的联网方式，大大降低了处理前期的资源消耗；通过中央处理模块自动对客户输入的数据进行分类，算法配对，大大增加了对数据处理的灵活性；通过智能优化模块实现了对整个系统的优化处理。相比传统的大数据分析方法，本基于数据挖掘算法分析大数据的方法的处理能力更强，处理速度更快，处理效果更好。

摘要： 本发明公开一种基于数据挖掘算法分析电能检测大数据的方法，包括以下步骤：（S1）从上层管理平台数据库中得出电能检测数据库；（S2）根据用户需要采用分类算法对数据库中的数据进行分类；（S3）将相同分类类型的数据放置在同一数据库中；（S4）根据用户需要选择同一数据库类型中的数据；（S5）采用组合支持度关联算法对所选择数据库中的数据进行计算；（S6）得出结论，供用户分析、使用。本发明结合决策树算法与组合支持度关联算法从海量的数据库中提取有用的数据信息供用户研究使用，时间短、运行速度快，在相对短的时间内能够对大型数据源做出可行且效果良好的结果，从大量的数据中自动分析获得规律，使用方便。

摘要： 本发明涉及一种基于Apriori数据挖掘算法的大数据专利管理系统，包括专利管理模块、专利预警模块、控制器模块与云服务器平台，所述专利管理模块包括专利申请模块、专利通知书管理模块与专利客户端模块；所述专利预警模块包括专利检索模块、数据挖掘模块与预警提醒模块；所述云服务器平台用于集中统一管理专利管理模块、专利预警模块和控制器模块。本发明可以实现专利申请的大数据云管理功能，无需人工手动操作，具有自动检查专利文档格式、自动接收专利审查阶段通知书、自动查询专利状态信息、自动检索现有专利技术、可以分检索现有专利技术、不会存在专利侵权风险、自动下载传送专利信息、操作简便与工作效率高等优点。

摘要： 本发明属于计算机数据挖掘算法用产品图片快速加载系统技术领域，具体涉及一种基于计算机数据挖掘算法用产品图片快速加载系统，包括系统包括用户界面，所述用户界面的输出端包括模式评估，所述模式评估的输出端包括数据挖掘引擎，所述数据挖掘引擎包括数据变换。使用此分析的结果来定义用于创建挖掘图片信息的最佳参数，然后，这些信息参数应用于整个数据集，以便提取可行模式和详细统计信息，最终，通过将挖掘的图片信息参数与原始数据库中的图片信息对比，加载出来符合要求特征的产品图片，这样，就避免了图片加载出来过多，需要人为的去筛选，节省了大量的时间。