基于敏感参数发现的区域重点污染物浓度预测

污染物浓度变化趋势对于环境监测工作意义重大.现今各种前馈神经网络预测模型的输出结果仅与当前输入有关,无法研究污染物数据前后依赖关系.且多种污染物具有相同排放源,污染物间往往存在潜在关联关系,一种污染物的变化可能反映另一种污染物变化,所以在预测中需考虑其他敏感参数的影响.针对上述两个问题,提出一种基于敏感参数发现的区域重点污染物浓度预测方法.应用关联规则算法及多元回归分析挖掘出各污染物的敏感参数,构建多变量LSTM预测模型,将待预测污染物及其敏感参数作为预测模型特征变量,进行污染物的浓度预测.实验结果表明本文方法可有效预测污染物浓度变化趋势,预测效果优于未经关系发现的LSTM模型.     

基于电力数据分析的污染物排放监测方法研究

在当下快速的发展过程中,社会的现代化建设对环境带来了一定程度的破坏,为了实现持续性的社会发展,就需要对其各种生产生活所带来的污染物进行良好的监测.提供了一种对产污企业污染物排放过程进行科学监测的方法,对智能电表采集的数据进行处理与分析,构建BP神经网络模型对设备进行识别,从而判断设备启停状态.形成了 24小时不间断的智...     

基于程序追踪方法的入侵检测系统的设计与研究

针对当前入侵检测系统检测效率低、误报率较高的问题,本文对基于程序追踪方法的入侵检测系统进行了设计与研究。本文由程序的层次来思考整个网络与信息系统的运作,整合了网络式、主机式与行为分析式三种类型的入侵检测系统,可以较好地提高检测效率,降低误报率。     

基于改进关联规则算法的警情数据分析

针对传统Apriori算法挖掘警情数据的缺点,提出一种改进的Apriori算法。该算法首先在关联规则发现阶段引入权值参数,设计支持度阈值函数,以挖掘不常发生的重大案情发生规律;然后提出一种压缩矩阵优化算法,将数据压缩存储在只有0或1的矩阵中,并用2个数组来记录矩阵中每一行及每一列1的总数,可多次压缩矩阵,提升挖掘效率;最后将改进的算法用于实际的警情数据挖掘分析,给出关联规则挖掘结果。实验表明,改进算法不仅执行效率较传统算法有所提升,且针对警情数据的挖掘结果准确性也有所提高。     

基于单片机的太阳能追踪系统设计

为提高太阳能光伏板对太阳光的采集率,本文设计了一种基于单片机控制的太阳能追踪系统,通过检测对比各方向光照强度,控制步进电机对太阳光进行追踪,使光伏板始终保持在太阳光吸收率最高的位置,同时还可采集环境温湿度、电池充电状态等信息并显示在液晶显示器上,同时将信息上传至手机APP以便工作人员进行远距离监测。该系统操作方便、能够稳定可靠地运行,实现了太阳能资源更高效地转化利用。     

基于关联挖掘的借阅数据分析

图书馆积累了大量的历史数据,从这些数据中挖掘出潜在的知识对图书馆工作有很强的指导作用。通过结合具体实例说明了关联规则在数据分析中的应用,为数据挖掘在图书馆的应用提供了一些思路。     

基于数组的Apriori算法的改进

本文通过对基于数组的Apriori算法的改进,提高了算法对内存空间的利用效率．同时利用数据集删减技术,提高了算法效率。     

基于FARM降低系统性偏差的缺陷修复时间预测方法

缺陷修复时间预测能够帮助开源社区管理者精确地估计缺陷修复工作量,实现缺陷修复人员的优化分配。缺陷追踪库Bugzilla是开源社区缺陷修复数据的主要来源。在实际使用中,缺陷追踪库除被用作记录缺陷之外,还被用于记录用户对软件产品不足之处的投诉,以及软件功能相关讨论。缺陷追踪库的混合使用给缺陷修复时间预测带来系统性偏差。为降低系统性偏差对预测结果的影响,给出基于模糊关联规则挖掘FARM(Fuzzy Association Rules Mining)降低系统性偏差的缺陷修复时间预测方法。该方法通过分析历史数据生成模糊关联规则来过滤系统性偏差。实验结果显示经过该方法处理后的新预测模型结果优于原有模型。     

基于核岭回归和粒子滤波的室内移动目标追踪算法研究

本文提出了一种基于核岭回归和粒子滤波的室内移动目标追踪算法,该算法在离线阶段采用核岭回归方法提取传感器之间的距离与RSSI(Received Signal Strength Indicator)信号值之间的非线性关系,从而训练出一种非线性回归距离模型;在线追踪阶段,利用非线性回归模型和粒子滤波算法实现室内移动目标的定位和追踪。本文在典型的室内办公环境下进行实验,并通过MATLAB对实测数据进行仿真。实验结果表明,相比WKNN算法和KF算法,本文所提出的算法能到达更好的定位精度,误差均值为1.2743 m。     

基于关联规则的奶茶销售数据分析

在奶茶的销售过程中会产生大量的数据,数据是产品设计、生产、销售等环节的现实反馈。笔者将利用数据挖掘的方法从海量的数据中发现潜在的规则,并应用到产品的营销宣传活动中,从3个方面讲述利用数据挖掘中的关联规则来分析某商家奶茶的销售数据过程,并在最后利用数据挖掘得出的结论为商家提供合理的建议。     

基于外观和运动的车辆检测和追踪算法研究

针对机动车在检测和追踪过程中容易受到光照变化、目标遮挡以及天气变化等影响的问题,提出一种基于马尔可夫蒙特卡洛(MCMC)与多假设数据关联算法的多机动车检测和追踪算法。根据HOG特征模板匹配与MCMC运动状态估计,将外观模型和运动模型相结合,并保持全局数据关联。通过提高检测匹配阈值,降低运动估计误差,使算法满足精准性和实时性的要求。实验结果表明,该算法能够准确地估计机动车的运动状态,具有较高的检测准确率、精度与实时性,在正常光照条件下,检测和追踪的精度分别达到90%和85%以上。     

基于Apriori算法的改进算法

挖掘关联规则是数据挖掘中一个重要的课题,产生频繁项目集是其中的一个关键步骤。提出了一种改进算法,并将该算法与Apriori算法进行了比较。该算法只需要对数据库扫描一遍,并且存放辅助信息所需要的空间也少,结果表明该算法对关联规则挖掘较为有效。     

基于地震体追踪的有序扩展算法

三维地震解释离不开三维可视化技术,对于透视图和三维可视化来说体元追踪技术是最好的技术.本文提出一种基于地震体追踪的有序扩展算法,该算法实现了数据体的三维自动追踪,是沿着真正的三维路径追踪数据体的,追踪是在纵横测线和时间方向同时进行.     

基于聚类的快速时域关联规则发现算法

时域数据的挖掘是数据挖掘领域经常遇到的问题。而时域关联规则的发现研究是关联规则的一个重要研究课题。该文在对周期关联规则进行深入研究的基础上,形式化定义了基本的时域关联规则概念,并提出了基于Apriori的发现周期关联规则的CCAR算法。CCAR的核心思想是首先把各项目按照周期时间分布进行聚类,根据聚类结果把每个项目分成几个动态的有效时间区域。在应用Apriori算法时,用项目的各个时间区域扩展项目集Ⅰ,然后根据作者提出的带时间属性的JOIN操作由Lk-1生成Ck,并由约简操作删除Ck中不满足条件的候选频繁项目集以提高算法的效率。算法理论分析和实验都表明CCAR是有效的。     

基于物理的分布并行光线追踪算法

基于物理的光线追踪算法用于从三维场景模型生成逼真的二维图像,光线追踪渲染较为耗时,所以如何提高算法的效率成为研究热点。针对斯坦福大学经典的多线程光线追踪引擎--PBRT,考虑任务划分粒度和负载均衡等因素,基于两级任务划分体系,提出了动态自适应分布式并行光线追踪算法。实验中在保证高质量图像生成的前提下,使用80个CPU核时,改进算法比PBRT原算法获得了近乎线性的加速比。实验结果表明改进算法具有良好的效率和扩展性,能够有效地用于光线追踪成像,提高光线追踪成像效率。     

基于快速基追踪算法的图像去噪

基追踪方法是信号稀疏表示领域的一种新方法。基于基追踪方法的核心思想,并对基追踪求解算法进行改进,本文将基追踪方法的应用扩展到图像去噪问题上来。〖BP）〗针对基追踪方法中线性规划算法计算量大的难题,考虑了一类可分离的信号表示形式,分别在图像的行和列的方向上构造相应的字典,由此降低了字典的维数,并将一个二维问题转化为两个一维问题来处理,最后利用一种新的迭代算法进行求解,从而加快了计算速度。实验结果表明,改进的基追踪方法能够快速稳定实现,同时具有较好的去噪效果。     

基于改进的子空间追踪算法的人脸识别

基于稀疏表示的人脸识别中的子空间追踪（SP）算法的候选原子个数固定与稀疏度相同,因此需要已知信号的稀疏度。针对该缺点,提出一种改进的子空间追踪算法,在选择原子的过程中引入回溯迭代优化思想,候选原子个数随着迭代次数逐一增加。通过移除候选原子集中数量同样逐一增加的可信度较低的原子,使选择的原子与待识别人脸图像具有最相似的结构,能较好地重构人脸。采用稀疏表示分类（SRC）框架,分别与基于SP、SASP、正交匹配追踪（OMP）、OMP-cholesky的人脸识别相比,在ORL和Yale B人脸数据库上的实验结果表明,该算法有最高的识别率。     

基于多维时态关联规则的演化模糊推理预测算法

挖掘时态关联规则的目的是为了发现带有时态信息的项集之间有趣的关系.由于数据库经常动态更新,时态关联规则的挖掘也应该适应数据库的更新.然而,现有的大多数算法不仅需要重新挖掘更新的数据库,浪费了大量的时间和效率,而且不能利用已存在的规则定量地预测某些项的变化趋势.本文提出了一个基于多维时态关联规则的演化模糊推理预测建模算法（Evolving fuzzy inference model based on multidimensional temporal association rules,EFI-MTAR）,主要优势是构建了一种基于多维时态关联规则的模糊推理建模算法（Fuzzy inference modeling algorithm based on multidimensional temporal association rules,FI-MTAR）,实现了对时间序列的定量预测.此外,为了降低规则更新的代价和加快规则预测的速度,提出了概念漂移检测策略来处理时间序列数据以适应数据库的动态更新.实验结果表明了本文提出算法的有效性和准确性.