数据挖掘技术在网络故障诊断中的应用

网络技术的进步伴随的是日常监控信息数据规模的不断扩大,传统的人工分析方式已经不能满足新时期的发展需求,因此必须探索新的数据处理方式。数据挖掘技术作为一种新的获取技术,能够对数据进行自动化分析,从而在杂乱的数据中挖掘出有价值、有意义的信息,将其应用于网络故障诊断中能够准确分析中故障出现的原因,并将故障信息进行存储,便于在下次发现网络故障问题时及时挖掘与处理,能够有效提升网络故障诊断和处理的效率。文章立足于数据挖掘技术,探究其在网络故障诊断系统中的具体应用。     

数据挖掘技术在挖掘机故障诊断中的应用

针对工程机械的特点,提出了将数据挖掘技术应用于挖掘机故障诊断中,利用粗糙集具有较强的处理不确定和不完备信息的能力,对决策表的条件属性进行约简处理;再利用C4.5决策树算法的高效性对约简后的决策表进行诊断规则提取;将产生的规则运用于挖掘机故障诊断中以实现快速故障诊断。最后,以实例介绍了利用该模型进行故障诊断的完整过程,可以看出该方案提高了挖掘机故障诊断的效率。     

数据挖掘技术在网络质量优化体系中的应用

网络质量优化是一项庞大的系统工程,单纯的靠人工统计和网优工程师个人经验优化的模式无疑存在效率过低和人为经验差异而导致优化效果不理想的问题。大量关于网络优化的新技术研究正在不断地深入进行中,网络优化技术结合日益发展的人工智能、数据挖掘技术将是未来的发展趋势。本文结合人工智能和数据挖掘理论的发展,重点探讨在海量、多维的数据中构造无线网络场景模型的新方法,从而指导参数的精细化调整,帮助网络部门更加准确的定位网络问题并制定网络优化方案。     

基于MAS的数据挖掘在输电故障诊断中的应用

数据挖掘就是从大量的数据中发现知识的技术。在相关领域专家指导下,数据挖掘技术可以实现对海量数据的智能分析,得到事物本质及可预测其发展趋势的、隐含的模式或规律。研究了基于多Agent的输电故障诊断系统,该系统采用数据挖掘的多种分析方法,与数据仓库、联机分析处理和多Agent等技术相结合,建立了能够监控输电网数据的综合智能决策支持系统,推进了电力企业现代化的发展。     

KDD技术及其在故障诊断中的应用

介绍了KDD的基本概念和处理过程及在故障诊断中的应用和算法。KDD技术是当今智能系统理论的重要研究内容 ,它综合运用人工智能、计算智能 (人工神经网、遗传算法 )、模式识别、数理统计等先进技术 ,从大量数据中挖掘和发现有价值的 ,隐含的知识。     

基于数据挖掘技术的炮兵雷达故障诊断

针对目前炮兵雷达故障维修困难等问题,开发了基于数据挖掘技术的雷达故障诊断系统。详细介绍了数据挖掘的概念、过程和算法,阐述了数据挖掘在雷达故障诊断系统中的应用必要性。提出了故障诊断的系统架构,并针对该层次体系结构进一步提出了数据挖掘的应用模型。应用结果表明系统的可行性和实用性,极大地提高了维修效率和故障诊断能力。     

探析数据挖掘在智能在线答疑系统中的应用

21世纪是信息化时代,近年来随着人工智能与大数据的发展,诞生了以数据挖掘技术为核心的、崭新的信息计算科学门类。数据挖掘技术能够高度智能化、自动化的在原始数据基础上,经由一定的数据挖掘手段探寻出在海量数据背后高度规律性的关系,从而挖掘出原始数据潜在的、富含价值的信息,归纳总结出更有用的知识结构,帮助决策者科学决策。将数据挖掘技术运用在实际当中是当前信息决策领域最前沿的研究方向之一,文章将基于最新研究成果探析数据挖掘在智能在线答疑系统中的应用。     

人工智能技术在互联网大数据挖掘算法中的应用

将人工智能技术应用到互联网大数据挖掘算法中,可以利用互联网大数据进行准确的定位和分析,为企业提供更精准的用户行为信息。文中阐述了基于人工智能技术的大数据挖掘算法,然后分析了在互联网大数据挖掘算法中应用人工智能技术的重要性,最后说明了人工智能技术在互联网大数据挖掘算法中的具体应用,以期为用户提供更精准的网络服务,从而使用户获得更加满意、便捷、安全的服务体验。     

数据挖掘在人工智能上的应用

随着国家不断的发展,我国科技的水平逐渐提高,人们对于人工智能的探索也不断前进,新颖的人工智能产品不断涌出,许多人工智能的工作范围甚至可以盖过人工的工作范围.因此,为了不断将人工智能更新,人们将数据挖掘和人工智能进行有效结合,将许多网络涵盖的知识和人工智能的科技大脑进行融合,从而绘制出更高的知识网络模式.文章主要对数据挖掘在人工智能中所涉及的领域进行分析,并对其加以讨论.     

探究数据挖掘和人工智能理论在短期电力负荷预测中的应用

数据挖掘与人工智能理论在短期电力负荷预测中发挥着重要作用,能显著提高电网管理水平,具有良好的应用价值.本文针对数据挖掘与人工智能理论在短期电力负荷测量中的应用问题进行了研究,以改进智能神经网络为研究对象,阐述该技术在短期电力负荷预测中的应用思路,希望能对相关学者工作有所帮助.     

计算智能在系统仿真中的应用

传统的系统仿真技术主要采用数学建模及数值计算,存在着知识获取瓶颈,难以处理非线性和不精确知识,对数学模型的目标寻优缺乏有效的方法。计算智能（ 人工神经网、遗传算法、模糊系统） 因其鲁棒性、容错性等优点已开始应用于系统仿真。文中介绍计算智能的原理并探讨其在系统仿真中的应用,包括基于神经网的面目标识别、模糊专家系统、基于遗传算法的模糊规则生成。     

基于信息融合的控制系统故障诊断

介绍了多传感器数据融合的基本概念，主要优点，结构以及它的方法和应用，对故障诊断进行了简要叙述，介绍了故障诊断信息融合过程；分析了多传感器数据融合和故障诊断的特点以及适合于控制系统故障诊断的信息融合的层次结构，并在此基础上提出了一种基于信息融合和故障诊断系统的结构。     

基于GA与L-M优化算法的变压器故障诊断研究

利用MATLAB环境建立一个用于变压器故障诊断的BP网络模型。首先利用具有全局寻优功能的遗传算法对BP神经网络的初始权值和阈值进行优化,然后采用L-M(Levenberg-Marquardt)优化算法对BP神经网络进行训练,从而达到加快网络训练速度,避免训练过程陷入局部极小点的目的。最后,详细记录网络的实际输出,并与期望输出做对比研究,最终证实了此网络达到了设计要求,可用于变压器的故障诊断。     

进化计算与人工神经网络的结合

进化计算和人工神经网络作为两个工具在众多的研究领域得到了广泛应用。进化计算和人工神经网络本身也得到了很大的发展。类似于生物神经网络,人工神经网络（ Ａ Ｎ Ｎ） 由一些简单的处理单元组成,这些单元通过权值的连接而相互作用。 Ａ Ｎ Ｎ 因其鲁棒性、并行性及学习能力受到特别的重视。进化计算体现了生物进化中的四个要素,即：繁殖、变异、竞争和自然选择。目前泛指各种基于生物进化原理的仿真计算方法的总称。文中首先介绍了进化计算的有关概念,包括遗传算法、进化策略等,其次就其与人工神经网络技术相结合的方法作了进一步分析探讨。主要集中于进化的网络结构设计、进化的网络训练及其它结合方法等方面的有关问题。     

数据融合技术在输电线网故障诊断中的应用

数据融合作为一门信息综合处理技术起初应用于军事领域，被引入到技术科学领域只有近十的年的历史。本文开始简述了数据融合的定义，接着阐明了将数据融合应用于输电线网故障诊断可行性的理论依据，然后论述了多种数据融合方法，如人工神经网络、专家系统、模糊理论、小波分析等在输电线网故障中的应用。     

数据挖掘的聚类方法

聚类是数据挖掘领域中的一个重要研究课题。本文介绍了数据挖掘领域中对聚类分析的典型要求，研究分析了聚类的主要算法及其改进方法的特点，并对其改进的各种方法进行了对比，讨论了数据挖掘领域中的聚类质量，最后指出了聚类研究的发展趋势。     

数据挖掘及其在网络信息检索中的应用

随着移动互联网的普及应用,如何更高效的进行网络信息检索来获取需要的信息便显得愈发重要.本文在廓清数据挖掘相关概念的基础上,对数据挖掘在网络信息检索中的应用进行了重点分析和讨论.     

BP神经网络学习算法的改进及其应用

针对标准BP算法的不足给出了典型的改进算法。对两个BP网络的应用实例利用MAT LAB语言编制了仿真程序 ,并对几种算法的学习收敛速度进行了比较。结果表明改进算法的学习收敛速度大大地优于标准BP算法。