基于逐级均值聚类算法的短期负荷预测研究

在原有短期负荷预测方法的基础上,考虑气候、季节、气温和节假日等因素,结合数据挖掘中聚类分析原理,通过逐级均值聚类算法提高特殊日的预测精度,形成一套可行的预测模型。实例分析证明,该方法收敛速度较快,预测误差较小,能够在工程中应用。     

利用社会网络分析法和聚类法研究心血管疾病知识结构的比较

应用社会网络分析法对高被引心血管疾病论文进行文献计量学研究，并与目前应用较 多的聚类法进行对比，分析了两者之间的异同及特点。

     

模糊聚类技术在甘蔗种植户信息分析中的应用

利用数据挖掘中的模糊聚类分析方法,获取具有不同种植行为特征的甘蔗种植户群组。这有助于制糖企业对各群组作深入分析及制定相应的关怀策略。     

智能制造和大数据挖掘在农业机械设计中的应用

随着制造信息的爆炸性增长及处理信息工作量的猛增,要求制造系统表现出更大的智能化,除了需要专业人才和专门知识外,还需要智能制造系统具有大数据挖掘和分析处理能力,从而使系统具有感知分析、推理、决策、控制等功能。为此,在农机数字化设计平台上引入了智能制造系统,并利用大数据挖掘技术对系统进行了优化,建立了经验数据库,在加工类似零部件时可以直接生成加工指令和工艺方案。实际应用表明:智能制造系统地引入有效缩短了加工工艺的设计周期,提高了设计效率,降低了设计制造成本。     

基于数据挖掘的决策树算法应用研究

数据挖掘是一种发现大量数据中潜在信息的数据分析方法和技术,已经成为关注的热点。决策树方法因其简单、直观、准确率高等特点,在数据挖掘及数据分析中得到了广泛的应用。本文使用数据挖掘的C4.5算法对UCI数据库中的蘑菇数据构建决策树模型,给出了蘑菇可食用或有毒的决策。     

C4.5数据挖掘算法的改进及其应用

简要介绍数据挖掘算法中的C4.5算法的基本思想,并在分析传统行业税负测算方法的基础上,结合税收行业领域的应用实际,对C4.5算法进行改进和应用.通过验证表明,改进后的算法运行结果可靠,运行效率提高.     

基于数据仓库技术的温室决策支持系统的研究

温室决策支持系统是采用数据仓库技术和数据挖掘技术构建的.该系统建立了数据仓库来存储各种数据,然后通过数据挖掘技术从数据仓库中获得新的农业知识,以丰富支持系统的知识库.在系统的实现过程中,采用了SQL Server分析服务,实现数据挖掘\数据仓库与应用程序的紧密耦合,从而大大提高了数据挖掘效率.经过在中国农业大学温室基地的试验应用,证明了该系统的实用性.     

基于GIS与SDM集成的农用地定级专家系统

提出以地理信息系统(GIS)、空间数据挖掘(SDM)和专家系统(ES)集成技术为支持的智能农用地定级专家信息系统的设计思想,并详细分析了该系统的功能结构和工作流程,采用VC6.0嵌入GIS控件(MO2.0)实现了基于知识的农用地定级专家信息系统的开发。     

基于模式矩阵匹配的关联规则挖掘算法

本文利用模式矩阵对Apriori算法进行改进,提出一种基于模式矩阵匹配的新算法。它使扫描数据库的次数降为一次,同时小产生候选项目集而直接产生频繁项目集,并且存放辅助信息所需要的空间也少,从而使算法的时间复杂度和空间复杂度大大降低。试验结果表明算法正确高效。     

数据挖掘在农业领域中的应用研究

数据挖掘作为一项极具应用前景的技术,在处理农业领域积累的大量农业数据信息中起着非常重要作用.本文首先探讨了数据挖掘的一般过程和系统典型体系结构,然后总结了数据挖掘在农业领域各个方向的应用现状,最后提出了数据挖掘技术在农业领域应用中存在的问题,并说明未来的研究趋势和应用前景.