数据挖掘研究进展

数据挖掘是一门多学科交叉融合而形成的新兴学科。本文从数据挖掘的提出,概念出发,归纳了数据挖掘研究中的关键问题,指出了数据挖掘目前研究的主要进展,数据挖掘技术发展等问题,在此基础上对数据挖掘研究前景进行了展望。     

机车乘务员的职业倦怠与社会支持的相关研究

目的了解机车乘务员职业倦怠的现状,探讨其对策研究。方法采用工作倦怠量表MB I-GS和社会支持评定问卷对郑州机务段569名机车乘务员的职业倦怠进行了比较研究。结果不同工龄的乘务员在情绪衰竭和玩事不恭方面有显著差异;机车乘务员的职业倦怠和社会支持存在显著的负相关。结论乘务员的职业倦怠程度较高,组织管理者和个体应从工作压力、社会支持、组织管理模式等方面进行有效干预和调节,减轻职业倦怠。     

基于序列互相关特性和SVM的入侵检测研究

通过刻画特权进程的系统调用来进行入侵检测已被广泛研究，采用的大多是人工智能方法，如支持向量机、隐马尔可夫模型和神经网络等。针对这种基于人工智能的入侵检测系统，本文提出应用序列互相关特性选择训练数据的方法。序列的互相关特性是刻画序列之间的相互关系的重要手段，使用具有一定特性的序列来训练人工智能模型，可以提高入侵检测的效率。在本文中，使用了支持向量机（SVM）来评价序列的互相关特性在模型训练中的作用。实验仿真说明，这种方法可以有效的提高入侵检测率。     

基于LS-SVM的水火弯板机械手逆运动学求解

对水火弯板机械手的运动学进行分析,实现了正逆向运动学的仿真。主要讨论应用LS-SVM方法对逆运动学进行求解,并与传统LMBP方法得到的结果进行对比。仿真结果表明,此方法能够很好实现水火弯板机械手对加热轨迹的跟踪。     

远程学习支持服务系统探讨

本文结合现代远程教育工程的实施和发展，从适应自主学习教育理念出发，对远程学习支持服务系统的特征要素进行了探讨。     

盾构砂浆优化设计的支持向量机方法

目前盾构砂浆的配比一般采用正交试验的方法，正交试验的缺点是需要做大量的实验才能得出配比，这会浪费大量的时间和费用。近年来，与计算机科学密切相关的数值优化方法中的支持向量机以及人工智能领域的遗传算法在各方面得到了广泛的应用。为了克服传统方法的缺点，以盾构砂浆试验配合比得出的数据作为训练样本，应用支持向量机和遗传算法对盾构砂浆的配合比进行了优化．计算和试验验证的结果表明本方法具有一定的使用价值。     

基于SVM的轮胎胎面生产过程专家故障诊断

支持向量机(Support vector machine SVM)是在统计学习理论研究小样本情况下机器学习规律的新理论基础上发展起来的。本文提出了基于支持向量机算法的专家系统模型,分析了其可行性;将支持向量机嵌入专家系统,故障诊断系统充分发挥了支持向量机和专家系统两者的优势,结合轮胎生产线的实际故障情况,提高了该系统的综合诊断性能。     

支持向量机在公路软基沉降预测中的应用

针对公路软土地基沉降发生的过程多变量、强耦合、强干扰、大滞后的复杂特性,提出利用支持向量机(Support Vector Machine,SVM)对公路软基进行沉降预测建模,使用加载过程中的沉降观测数据作为训练样本集,建立可依据现场测量数据对软基沉降量随时间发展的过程进行动态预报的分析方式.仿真试验和实践结果表明,该模型能够更准确地反映实际沉降过程,且满足精确性和适用性的要求.     

大秦等两家铁路上市公司的分析比较

<正>2006年8月1日,大秦铁路股份有限公司成功首发A股,成为我国以铁路运输业为主业的第一家国有铁路上市企业,随后广深铁路股份有限公司回归A股上市。通过上市,两家公司成功募得资金支持了其对其他铁路运输资产的收购,获得不同发展。     

基于灰色支持向量机的大型集装箱船上层建筑舱室的噪声预测

以A集装箱船上层建筑舱室噪声实测值为训练样本,利用灰色预测中"累加生成"的优点对训练样本进行处理,使其更具规律性.选用ERBF核函数,建立集装箱船上层建筑舱室噪声的灰色支持向量机预测模型,应用此模型对B集装箱船上层建筑舱室的噪声进行了预测.最后,将此模型推广到了散装货船的舱室噪声预测中.预测结果表明,将灰色理论与支持向量机相结合,能更好地提高船舶上层建筑舱室噪声的预测精度.