基于AODEsr分类的负载优先级评估

负载管理是舰船电力系统最重要的技术之一。要对负载合理分配电能,以实现能量最优调度的目标,首要的问题是对负载的优先级做出合理的评估,分析了利用层次分析法进行负载优先级评估的不足,提出了一种基于AODEsr分类的属性权重评估算法,有效地将专家经验与客观数据本身的特性结合在一起。实验结果表明：舰船电力系统负载优先级主要受需求紧迫性和易损性两种属性的影响,各种算法的结果均与上述结论基本保持一致,证明了算法的正确性。     

电子装备故障诊断自适应策略研究

电子装备中采用的大多数故障诊断系统不能适应多种应用条件的变化,即不具备自适应性。针对这种情况,系统研究并提出了故障诊断自适应策略,该自适应策略由状态空间和策略空间构成,状态空间用来描述环境状态,策略空间用来描述采用的策略。对于状态空间中的某一具体的环境状态,在策略空间存在唯一的策略与之对应。在某一电子装备应用的实验结果表明,所提出的故障诊断自适应策略是比较有效的。     

基于模糊神经网络模式分类的数据挖掘算法

提出了一种基于模糊神经网络模式分类的数据挖掘算法--把模糊理论和神经网络结合起来,构造及训练模糊神经网络.给出了基于模糊神经网络的学习算法,通过仿真验证了该算法的正确性.     

数据仓库在商品交易中的应用

着重讨论了数据仓库技术在商品交易中的应用,详细介绍了商品交易系统中数据仓库的设计和建立.并且进一步讨论了如何建立基于数据仓库的商品交易决策支持模型.     

数据挖掘技术在固定型交通检测器配置优化中的应用

结合固定型交通检测器空间配置的四条原则和配置密度优化步骤，提出固定型交通检测器配置优化的数据挖掘方法。设计6种高速公路出口匝道的固定型交通检测器配置密度方案作为实例研究对像，运用数据挖掘技术的时间序列指数平滑方法、ARIMA方法和神经网络方法分别建立高速公路出口匝道小时交通量Winters预测模型，ARIMA预测模型及神经网络预测模型。采用网络搜索技术确定Winters模型参数，设计一种比传统ARIMA模型参数估计方法更精确的算法程序估计ARIMA模型参数，采用三项误差指标评价模型预测效果，根据预测结果及高速公路事件管理交通参数精度要求确定可行方案及最佳方案，研究结果表明：在保证满足ITS对交通参数精度要求的同时，通过数据挖掘技术降低了交通流信息采集固定型检测器的配置密度及成本，为固定型交通检测器配置密度的优化提供了一种简单可行的新方法。     

数据挖掘技术在行车调整中的应用研究

在对行车调整问题进行分析的基础上,结合数据挖掘技术,采用决策树的方法,以寻找连带晚点时间总和最小的调整策略为目标,对以往积累的与运行图相关的数据资源进行分析重构,寻找各故障模式下较优的行车调整策略,并对数据挖掘模型的运行机制进行了论述。该模型在实验室中得到了应用,并取得了良好的效果。     

对Apriori算法的进一步改进

介绍了关联规则挖掘的情况,并在分析关联规则的数据挖掘算法的基础上,针对Aprion算法和Apriori-1算法进行深入研究,提出了apriori-2算法,新算法在计算候选大项集支持度所涉及的记录数目将小于事务数据库中原始的记录数目,提高了原算法的效率,具有一定的实用性.     

用数据挖掘和本体实现空间信息系统语义互操作

介绍了一种利用数据挖掘和本体实现信息系统互操作的新方法．该方法通过基于本体的逻辑推理实现概念语义在不同空间信息系统之间的转换，利用数据挖掘技术从候选集合中确定转换集合并将操作的结果返回给用户，从而完成空间信息系统的互操作，提高了空间信息系统互操作的鲁棒性和伸缩性．     

水上交通事故模式的研究

文中提出采用数据仓库技术搭建水上交通事故(事件)管理、分析信息平台，利用数据挖掘技术自动描述、寻找事故数据背后有价值的的模式和知识．实例给出1995～2000年期间长江水域的船舶事故(事件)历史数据库的构建，通过重特大恶性碰撞事故案例的数据挖掘，量化提取事故特征，并利用广义线性模型对船舶碰桥事故建立概率预测模型，为科学组织管理长江水上交通提供理论依据．     

神经网络方法在数据挖掘中的应用

通过分析当前一些数据挖掘方法的局限性，介绍一种基于关系数据库的数据挖掘方法——神经网络方法，通过对数据库中数据样本的学习，自动发现隐含的大量知识．文中给出了神经网络方法的学习模型和算法，并通过举例来说明此方法．在本文最后，也提出了神经网络方法在数据挖掘中存在的一些问题．