数据挖掘及其应用和发展

在介绍数据挖掘技术的基础上,讨论了数据挖掘的产生、定义、功能和可以挖掘的模式类型,讨论了数据挖掘的实施过程,分析并给出了实施有效挖掘的具体步骤,重点分析了其过程中的技术手段和核心环节。简要介绍了当前流行的数据挖掘系统,并且指出了现阶段数据挖掘技术的具体应用,最后提出了数据挖掘研究今后的发展趋势。     

销售预测中数据挖掘的应用

数据挖掘技术在经济中的应用是信息决策、经济管理等领域的前沿研究方向之一。企业决策离不开销售预测,传统的预测系统已远远不能满足要求。针对传统预测系统存在的问题,本文简要概述了数据挖掘的基本理论和方法,介绍了数据挖掘在企业中的重要性和基本步骤,并设计了面向销售预测的数据挖掘一般结构框架。     

空间数据挖掘及其在海洋地理信息系统中的应用

空间数据挖掘是数据挖掘中的一个重要门类,空间数据挖掘的意义是在空间数据库或数据仓库的支持下,提取、推理出未知、有价值、可利用的关系、模式或趋势,从而为决策系统提供支持。随着海洋测量技术和电子地图技术的持续发展,以及计算机存储容量的不断扩大,使得海洋地理信息系统中出现了海量数据,如何对这些数据进行有效利用,从而进一步发现价值,是当前海洋地理信息系统研究的主要课题之一。本文介绍空间数据挖掘技术的主要原则,分析空间数据挖掘的实际效果,并研究空间数据挖掘在海洋地理信息系统中的应用,为今后海洋地理信息系统的完善和提高提供依据。     

基于数据仓库的船舶损伤快速评估系统框架研究

针对当前船舶损伤快速评估存在的问题,引入了数据仓库和数据挖掘技术,研究了基于数据仓库的数据挖掘技术,提出了基于数据仓库的船舶损伤快速评估系统,构建了该系统的体系结构,并对系统中人机交互和问题处理系统、数据仓库及其管理模块、数据挖掘模块和知识库及其管理模块等组成部分的功能和关键技术进行研究.     

基于聚类分析算法的舰船数据挖掘

目前应用的舰船数据挖掘准确度较低,因此设计一种聚类分析算法的海上舰船数据挖掘。在数据挖掘中应用聚类分析算法,需要对数据进行预处理,得到文本数据特征向量集,利用模糊集体现近似关系,根据隶属度的取值将模糊聚类的思想演变为目标函数,将数据集按照目标函数,划分为具有较小差距的群组,初步得到数据挖掘结果,经过评估后,筛选出准确度最高的数据,作为数据挖掘的最终结果。至此完成了聚类分析算法的海上舰船数据挖掘的研究。通过实验表明,设计的数据挖掘准确度平均为92%,比传统的数据挖掘准确度高17.2%,验证了设计的聚类分析算法的海上舰船数据挖掘在提高挖掘准确度方面的可靠性。     

大数据挖掘理论在电气工程中的应用

论文提出了一种基于大数据挖掘理论的电气工程故障分析方法。在该研究中,将全局信息引入电力系统中,主要采用大数据挖掘理论中的聚类分析技术,快速准确地检测出故障分量和故障区段,最终完成故障分析。将全局信息引入电气工程中,为电气工程故障分析开辟了新的应用领域。运用大数据挖掘从大型数据库信息中自动提取有效的、新颖的、潜在有用的信息,且大数据挖掘理论可为电机工程的研究做出重要贡献。     

基于船舶大数据平台的物联网数据挖掘研究

海上监测平台通过传感器网络获取大量的海洋环境数据和船舶航行数据,由于作业平台的网络不稳定,数据来源广、类型多,不便于管理,因此,设计合理的船舶数据平台管理系统有重要意义。本研究充分结合物联网技术和传感器融合技术,对船舶大数据平台的数据管理和数据挖掘进行了系统的研究,并设计了一种聚类数据挖掘算法和数据挖掘引擎。     

海上船舶航行数据特征的数据挖掘分析

数据挖掘对于船舶航行特征分析有着重要作用,而与国外相比较而言,我国海上运输中数据挖掘技术的应用还相对不成熟。为此,本文对海上船舶航行数据特征的数据挖掘分析方法进行研究,以便为船舶安全航行与海运交通管理提供新方法。     

数据挖掘在船舶导航中的应用研究

数据挖掘技术在导航中具有重要作用。本文通过对数据挖掘技术的研究,给出一种基于数据挖掘的船舶导航方法,该方法采用SMO算法进行学习预测,然后通过线程池并行化处理对SMO算法优化。实验结果表明,本文给出的基于数据挖掘的船舶导航方法能够有效节约导航系统的计算资源,提高导航响应速度。     

数据挖掘在无人船舶目标图像识别中的应用

为了缩短无人船舶目标图像的识别时间,提高目标图像的质量,提出了数据挖掘在无人船舶目标图像识别中的应用。利用数据挖掘技术确定无人船舶目标图像的阈值,根据目标图像的阈值误差分割了目标图像,采用图像边缘点提取公式将图像边缘点连接成线,提取出目标图像的外轮廓,完成无人船舶目标图像的预处理;通过目标图像识别算法的改进设计,得到了目标图像的识别流程,实现了数据挖掘在无人船舶目标图像的识别中的应用研究。仿真实验结果表明,数据挖掘在无人船舶目标图像识别方法与基于航拍技术的目标图像识别方法相比,目标图像的识别时间缩短了35.1%。