基于数据挖掘的知识获取与发现

利用数据挖掘技术，提出一种从局部模式向全局模式进行数据融合的模型，并对局部模式的数据挖掘进行了探讨，提出基于事实的物理维度和基于事实数据信息的两种不同出发点的分类聚类模型与算法，并对两者作出了比较，结果是在实际应用中均能较好地解决问题,能起到辅助决策的功能。     

基于信息融合的电信客户流失预测研究

针对数据挖掘方法在电信客户流失预测中的局限性,提出将信息融合与数据挖掘相结合,分别从数据层、特征层、决策层构建客户流失预测模型。确定客户流失预测指标;根据客户样本在特征空间分布的差异性对客户进行划分,得到不同特征的客户群;不同客户群采用不同算法构建客户流失预测模型,再通过人工蚁群算法求得模型融合权重,将各模型的预测结果加权得到预测最终结果。实验结果表明,基于信息融合的客户流失预测模型确实比传统模型更优。     

基于粗糙集理论的数据挖掘算法研究

本文提出一种基于粗糙集理论的数据挖掘模型,从实际数据出发,运用不同简化层次的算法,导出每个层次上的信息集,最后得到规则集。在进行推理和决策分析时,按照一定算法进行匹配得出结论。还给出了模拟例子说明如何建立和运用这种数据挖掘模型。     

异类传感器智能化信息融合理论与算法

主要研究了多传感器智能化信息融合算法、异类传感器信息融合中的时间配准及空间对准算法，提出了一种基于均衡信度分配准则的冲突证据组合算法。1、在经典粗糙集理论方法研究推广的基础上．提出了一种新的基于随机加权粗糙集模型的特征知识提取方法和利用阵列神经网络技术、模糊神经网络技术进行目标识别融合的计算方法。2、研究将知识发现技术和数据挖掘技术相集成．给出了动态目标识别融台的体系结构。3、针对目标综合识刷中冲突信息的组合问题．     

基于数据挖掘技术的CIMS系统信息集成方法

对CIMS工程的现状进行了分析，明确了形成CIMS系统信息孤岛的原因，提出一种基于数据挖掘技术进行CIMS系统信息集成的方法，以原有的数据库为基础，利用网络技术和数据挖掘技术，建立数据挖掘系统，通过数据挖掘的下钻处理、上卷递交与数据信息的析取和融合，建立了相关的模糊理论模型和实现的算法，较好地解决了CIMS系统的资金流、物流与信息流的集成问题。     

基于粗糙集理论的数据挖掘算法研究

本文提出一种基于粗糙集理论的数据挖掘模型，从实际数据出发，运用不同简化层次的算法，导出每个层次上的信息集，最后得到规则集，在进行推理和决策分析时，按照一定算法进行匹配得出结论。还给出了模拟例子说明如何建立和运用这种数据挖掘模型。     

一个基于粗糙集理论的数据挖掘模型及应用

本文提出一种基于粗糙集理论的数据挖掘模型，从实际数据出发，运用不同简化层次的算法导出每个层次上的信息集，最后得到规则集。在进行推理和决策分析时，按照一定算法进行匹配得出结论。另外，还给出了模拟例子说明如何建立和运用这种数据挖掘模型。     

一种基于模糊聚类的知识发现

该文利用模糊分类聚类理论,提出并论证了一种从局部模式向全局模式进行数据融合的模型,针对分布式的信息数据库系统的局部数据挖掘问题,提出了基于事实的物理维度和基于事实数据信息的两种不同出发点的分类聚类模型与算法,并对两者进行了比较,结果是在实际应用中均能较好地解决问题,能起到辅助决策的作用。     

基于三峡库区水环境监测的WSN信息融合算法

由于三峡库区水环境监测无线传感器网络的信息量大,为了减小数据传输的能量开销,构建了一种新的无线传感器网络信息融合模型,采用了一种结合基于最小二乘原理的加权和关系矩阵的分布式信息融合算法,分析了该信息融合算法的基本原理和实现方法。实验结果表明:该分布式信息融合算法能有效去除冗余信息,提高了数据的准确度,降低了节点数传的能量消耗,延长了无线传感器网络的生命周期,降低了系统成本。     

基于多传感器信息融合工业机器人的应用研究

本文主要在探讨基于多传感器信息融合的工业机器人应用,以增强其在复杂工业环境中的功能和性能。首先,我们选择了多种传感器,包括视觉传感器、红外测距传感器和激光传感器、定位传感器等,以获取不同类型的环境信息。然后,采用自适应加权信息融合算法,将不同传感器获取的信息进行融合,基于实测最优值权比重与固定权值融合。建立工业机器人关节空间和笛卡尔空间在人工势场的函数模型,并通过快速随机树（RRT）算法进行路径规划,最后通过MATLAB进行仿真实验,经仿真证明该方法相对于传统的路径算法,效率更高,避障效效率更高。     

基于深度学习的数据融合方法研究综述

数据融合是最大程度发挥大数据价值的关键,深度学习是挖掘数据深层特征信息的技术利器,基于深度学习的数据融合能够充分挖掘大数据潜在价值,从新的深度和广度拓展对世界的探索和认识。综述了近几年基于深度学习的数据融合方法的相关文献,以此了解深度学习在数据融合中应用所具有的优势。分类阐述常见的数据融合方法,同时指出这些方法的优点和不足。从基于深度学习特征提取的数据融合方法、基于深度学习融合的数据融合方法、基于深度学习全过程的数据融合方法三个方面对基于深度学习的数据融合方法进行分析,并做了对比研究与总结。总结全文并讨论了深度学习在数据融合中应用的难点和未来需要进一步研究的问题。     

Integrating information retrieval, execution and link analysis algorithms to improve feature location in software

Data fusion is the process of integrating multiple sources of information such that their combination yields better results than if the data sources are used individually. This paper applies the idea of data fusion to feature location, the process of identifying the source code that implements specific functionality in software. A data fusion model for feature location is presented which defines new feature location techniques based on combining information from textual, dynamic, and web mining or link analyses algorithms applied to software. A novel contribution of the proposed model is the use of advanced web mining algorithms to analyze execution information during feature location. The results of an extensive evaluation on three Java systems indicate that the new feature location techniques based on web mining improve the effectiveness of existing approaches by as much as 87%.     

基于融合元路径权重的异质网络表征学习

针对基于单条元路径的异质网络表征缺失异质信息网络中结构信息及其它元路径语义信息的问题,本文提出了基于融合元路径权重的异质网络表征学习方法.该方法对异质信息网络中元路径集合进行权重学习,进而对基于不同元路径的低维表征进行加权融合,得到融合不同元路径语义信息的异质网络表征.实验结果表明,基于融合元路径权重的异质网络表征学习具有良好的表征学习能力,可有效应用于数据挖掘.     

基于用户行为挖掘的融合社交网络推荐模型

采用大数据处理技术和并行计算方法进行融合社交网络的用户行为特征的挖掘,实现社交网络智能推荐,提出一种基于用户行为挖掘的融合社交网络推荐模型。采用关联规则分布模型进行融合社交网络的用户行为特征检测,提取融合社交网络的用户行为的本体信息和关联规则项,构建社交网络的联合推荐的模糊决策模型,计算融合社交网络用户行为的联合信息熵特征值,采用模糊C均值聚类方法对提取的特征量进行分类识别,根据分类识别结果实现用户行为挖掘和融合社交网络的自适应推荐。仿真结果表明,采用该方法进行融合社交网络的用户行为特征挖掘的查准率较高,推荐的置信度水平较高。     

基于多层次多视角的图注意力Top-N推荐方法

推荐系统是当前数据挖掘领域的研究热点,海量数据的涌现促使多源信息融合的推荐方法得到极大的关注。但是,现有的基于异质信息融合的推荐方法在进行特征表示时往往忽略了用户和项目之间的交互信息以及元路径之间的相互影响。因此,考虑到属性节点嵌入和结构元路径的不同视角,提出了一种多层次图注意力的网络推荐方法。该方法通过构建不同的元路径,将多源信息网络结构粒化为多个独立的粗粒度网络,然后基于图注意力机制结合局部节点属性嵌入,来分别学习用户和项目的潜在特征,最终给出融合后的细粒度网络推荐。在现实大规模数据集上进行横向和纵向评测,实验结果表明该方法能够有效地提升推荐性能。     

空间数据挖掘及其与智能系统的集成框架

空间数据挖掘是指从空间数据库中抽取隐含的知识、空间关系和非显式地存储在空间数据库 中有意义的特征或模式.它在遥感、地理信息系统、医疗影像、信息融合系统等领域具有广 阔的应用前景,因此日渐受到关注和重视.本文从知识发现、认知科学与智能系统交叉结合的 角度,提出了基于数据库和知识库双库协同机制的空间数据挖掘模型,并系统地介绍了从空间 数据库中可发现的知识类型及挖掘方法,然后提出了基于空间数据挖掘的新型智能系统总体 框架和系统开发基本原则,最后探讨了空间数据挖掘的发展方向.     

Social big data: Recent achievements and new challenges

Big data has become an important issue for a large number of research areas such as data mining, machine learning, computational intelligence, information fusion, the semantic Web, and social networks. The rise of different big data frameworks such as Apache Hadoop and, more recently, Spark, for massive data processing based on the MapReduce paradigm has allowed for the efficient utilisation of data mining methods and machine learning algorithms in different domains. A number of libraries such as Mahout and SparkMLib have been designed to develop new efficient applications based on machine learning algorithms. The combination of big data technologies and traditional machine learning algorithms has generated new and interesting challenges in other areas as social media and social networks. These new challenges are focused mainly on problems such as data processing, data storage, data representation, and how data can be used for pattern mining, analysing user behaviours, and visualizing and tracking data, among others. In this paper, we present a revision of the new methodologies that is designed to allow for efficient data mining and information fusion from social media and of the new applications and frameworks that are currently appearing under the “umbrella” of the social networks, social media and big data paradigms.     

基于信息融合度传递的频域徙动入侵特征挖掘算法

在功率自激混合组合网络中,路由之间的相群特征相异性会产生谐振信号,因此需要有效挖掘入侵信号的频域徙动特征来实现对入侵信号的拦截。传统方法采用混合蛙跳算法挖掘入侵特征并且聚类中心矢量向模糊边缘贴近,因此搜索和挖掘精度不高。提出了一种基于混合蛙跳最优模因组信息融合度传递的频域徙动入侵特征挖掘算法。构建功率自激组合网络的系统模型和入侵信号数学模型,基于频域谐振慢变衰落幅度均衡原理,得到多源网络攻击源信号在相干点积功率累积尺度坐标,采用多普勒频移模糊搜索对入侵信号进行平滑处理,计算入侵信号的多普勒频移状态空间固有模态函数,得到入侵信号的频域特征包络幅度估计值。采用IIR滤波算法,对信号进行降噪滤波处理,提高信号的纯度,提出基于信息融合度传递的混合蛙跳入侵信号检测算法,优化特征挖掘结果,完成入侵信号的频域徙动特征挖掘算法改进。仿真实验结果表明,该算法能准确挖掘入侵信号的频域徙动特征,特征的波脊亮点明显,在低信噪比下提高了入侵信号的检测性能。     

基于高性能数据挖掘的网络海量信息处理平台

互联网的迅猛发展对网络信息处理提出了新的挑战,而这些都迫切需要高性能计算技术的支持。为了提高网络海量信息智能并行处理能力,促进网络信息存储与管理、信息融合、数据挖掘、智能处理和信息利用等发展,本文提出了基于高性能数据挖掘的网络海量信息处理平台,重点分析了网络海量信息处理平台实现的关键技术,并对平台的网络热点分析应用的实现进行了介绍。