数据挖掘建模论文-郭晋飞

数据挖掘建模论文-郭晋飞

导读:本文包含了数据挖掘建模论文开题报告文献综述及选题提纲参考文献,主要关键词:RS,大数据,机床误差,测量

数据挖掘建模论文文献综述

郭晋飞[1](2019)在《基于大数据挖掘的机床加工精度建模的研究》一文中研究指出大数据、人工智能已经成为21世纪的技术发展趋势。制造高品质、高精度的合格产品,是制造业追求的目标。如何预测机床长期不停机使用状态下的精度水平,并且实时调整机床差补范围用以保持精度,是当前制造型企业面临的主要问题之一。通常,企业所采取的方式是在一段时间内,定期、重复的测量精度,在庞大的误差数据内分析精度变化范围以作保养时的检修依据。在本文中,基于RS理论的大数据挖掘原理,使用大数据处理的方法,采集并分析机床加工误差,分析其变化规律,为建立机床精度模型提供依据。(本文来源于《内燃机与配件》期刊2019年23期)

王功文,张寿庭,李瑞喜,杜杨松,庞振山[2](2019)在《矿集区地学大数据挖掘与3D/4D建模在深部资源预测与评价中的示范研究进展》一文中研究指出"数据(Data)-信息(Information)-知识(Knowledge)-理解(Understanding)-智慧(Wisdom)"(Marjoribanks,2010)是勘探工作者的追寻梦想。21世纪以来,随着地质高精度观测技术、地球化学微区原位可视化和同位素分析技术、地球物理深部探测技术、深部钻探、采选实时(Real Time Mining)、遥感高分辨率高光谱影像技术以及"超级计算机"(Supercomputer)与工业智能化的发展,地球科学进入了大数据时代和人工智能时代。欧洲One Geology计划于2018年开启了第二阶段的3D/4D建模与人工智能体系的(本文来源于《第九届全国成矿理论与找矿方法学术讨论会论文摘要集》期刊2019-12-13)

杨淼,董永权,胡玥[3](2019)在《基于学习者建模和数据挖掘的个性化学习路径推荐研究》一文中研究指出在线学习作为一种新型的学习方式,能够为学习者提供个性化的学习支持。有效推荐个性化学习路径是学习服务研究中的重点问题。文章结合大数据背景下个性化学习的特征,建立学习者模型,通过数据挖掘技术深入分析学习者的学习行为信息以及知识之间的关系,结合基于内容的推荐和协同过滤的推荐方式,设计个性化学习路径推荐的具体方案,为解决在线学习过程中学习者面临的"信息过载"和"知识迷航"问题提供参考和借鉴。(本文来源于《上海教育评估研究》期刊2019年05期)

余颖弘,李以农,梁艺潇,张紫微,廖光亮[4](2019)在《基于数据挖掘的电动汽车瞬态能耗模型建模》一文中研究指出针对无人驾驶电动汽车的经济速度规划可以有效地发掘其续驶潜力,而估计瞬时能耗是规划速度的基础。为建立高精度电动汽车能耗模型,利用循环工况仿真获取离散化样本,基于数据挖掘确定了模型结构,通过多元线性回归标定模型系数,建立了电动汽车瞬态能耗模型——EV-MFECM。另外,利用神经网络强非线性拟合特性,基于BP神经网络建立了一种新的电动汽车能耗模型。通过循环工况LA92验证,结果表明神经网络建模方案相较于EV-MFECM模型能耗估计平均误差减小了2.18%,更贴近实测能耗值,为经济车速规划研究奠定基础。(本文来源于《2019中国汽车工程学会年会论文集(2)》期刊2019-10-22)

李振华,李立学[5](2019)在《基于数据挖掘的校园物联网流量特性建模与分析》一文中研究指出为了对校园物联网流量进行高精度预测,提出数据挖掘的校园物联网流量预测模型。首先通过混沌分析算法对校园物联网流量历史样本进行处理,构建描述校园物联网流量变化特点的训练样本,然后采用粒子群算法优化支持向量机建立校园物联网流量预测模型,最后与其它模型进行了校园物联网流量预测的仿真测试。结果表明,提出的模型对校园物联网流量预测精度为95%以上,而对比模型的校园物联网流量预测精度均小于95%。因此它克服了当前校园物联网流量预测误差大的缺陷,是一种结果可靠、性能好的校园物联网流量建模工具。(本文来源于《微型电脑应用》期刊2019年09期)

程勇,梁吉祥[6](2019)在《基于数据挖掘的掌银客户流失预测建模方法研究》一文中研究指出随着金融体制改革不断推进,在金融脱媒化、利率市场化和竞争跨界化的多重压力下,商业银行保持核心竞争力的关键在于如何有效留住客户,防范客户流失。本文在对某商业银行分行掌银客户数据分析的基础上,综合考虑掌银客户流失的特点,探讨数据挖掘技术在掌银客户流失预测方面的应用方法。结果表明,神经网络模型在掌银客户流失预测二分类问题中具有比较准确稳定的分类效果。结合客户管理的特点,针对掌银客户流失与挽留问题,提出了将数据挖掘技术与客户管理相结(本文来源于《中国金融电脑》期刊2019年08期)

职晓晓[7](2019)在《数据挖掘技术的激光光斑中心建模研究》一文中研究指出针对当前激光光斑中心检测定位方法中,普遍存在着定位完成时间过长、检测准确度较低、定位费用消耗较高等问题。提出一种基于圆心拟合算法的激光光斑中心检测定位方法。通过对激光光斑进行分析,采用中值滤波对图像进行去噪处理,将处理后的图像采用自适应阈值法对其进行激光光斑中心分割及特征提取,利用Sobel算子对激光图像光斑中心进行检测,采用圆心拟合算法对中心进行定位。实验结果表明,本文方法定位完成时间短、检测准确度较高、定位费用消耗较低。(本文来源于《激光杂志》期刊2019年07期)

崔懿心[8](2019)在《基于机器学习算法的社交数据挖掘与用户偏好的建模》一文中研究指出本文提出了用户时事偏好评估模型。首先利用文本挖掘技术对微博数据进行预处理,再通过九种机器学习算法训练对比得到一个最优的时事类文本分类模型。研究结果显示,线性支持分类机为最优分类算法,基于分类结果的偏好评估模型可以结合传统学生评价指标,得到一个更具创新性的用户评价体系用于高校的学生评价工作中。(本文来源于《电子技术与软件工程》期刊2019年14期)

馨云[9](2019)在《数据挖掘与建模在钢铁领域的应用》一文中研究指出本文提出了一种灵活、稳健的框架,结合内部理论发展和技术解决方案,有效地挖掘了时间序列数据,并将此法应用到钢铁生产的相关工业问题中。特别是,该框架包含数据收集和预处理步骤,规范的MongoDB通用数据模型,基于shapel ets范式的特定且可说明的数据挖(本文来源于《世界金属导报》期刊2019-06-18)

邵萍萍[10](2019)在《基于数据挖掘的船舶入侵数据建模方法》一文中研究指出在船舶入侵数据建模过程中,入侵特征和入侵数据检测模型参数均对船舶入侵数据建模效果产生影响,而当前船舶入侵数据建模方法没有考虑入侵特征和入侵数据检测模型参数之间的联系,这样无法建立有效的船舶入侵数据检测模型。为了克服当前船舶入侵数据建模方法存在的缺陷,以改善船舶入侵数据建模的整体性能,提出基于数据挖掘的船舶入侵数据建模方法。首先分析当前国内外船舶入侵数据建模的研究现状,找到入侵特征和入侵数据检测模型参数之间的联系,然后引入数据挖掘方法对入侵特征和入侵数据检测模型参数之间联系进行建模,找到两者的最优组合,然后根据最优入侵特征和入侵数据检测模型参数建立入侵数据检测模型,并与其他入侵数据建模方法性能进行对比测试。测试结果表明:本文方法获得的入侵数据特征更优,入侵数据检测时间更短,根据最优参数获得更高正确率的入侵数据检测结果,是一种可信度高的入侵数据建模技术。(本文来源于《舰船科学技术》期刊2019年06期)

数据挖掘建模论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

"数据(Data)-信息(Information)-知识(Knowledge)-理解(Understanding)-智慧(Wisdom)"(Marjoribanks,2010)是勘探工作者的追寻梦想。21世纪以来,随着地质高精度观测技术、地球化学微区原位可视化和同位素分析技术、地球物理深部探测技术、深部钻探、采选实时(Real Time Mining)、遥感高分辨率高光谱影像技术以及"超级计算机"(Supercomputer)与工业智能化的发展,地球科学进入了大数据时代和人工智能时代。欧洲One Geology计划于2018年开启了第二阶段的3D/4D建模与人工智能体系的

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

数据挖掘建模论文参考文献

[1].郭晋飞.基于大数据挖掘的机床加工精度建模的研究[J].内燃机与配件.2019

[2].王功文,张寿庭,李瑞喜,杜杨松,庞振山.矿集区地学大数据挖掘与3D/4D建模在深部资源预测与评价中的示范研究进展[C].第九届全国成矿理论与找矿方法学术讨论会论文摘要集.2019

[3].杨淼,董永权,胡玥.基于学习者建模和数据挖掘的个性化学习路径推荐研究[J].上海教育评估研究.2019

[4].余颖弘,李以农,梁艺潇,张紫微,廖光亮.基于数据挖掘的电动汽车瞬态能耗模型建模[C].2019中国汽车工程学会年会论文集(2).2019

[5].李振华,李立学.基于数据挖掘的校园物联网流量特性建模与分析[J].微型电脑应用.2019

[6].程勇,梁吉祥.基于数据挖掘的掌银客户流失预测建模方法研究[J].中国金融电脑.2019

[7].职晓晓.数据挖掘技术的激光光斑中心建模研究[J].激光杂志.2019

[8].崔懿心.基于机器学习算法的社交数据挖掘与用户偏好的建模[J].电子技术与软件工程.2019

[9].馨云.数据挖掘与建模在钢铁领域的应用[N].世界金属导报.2019

[10].邵萍萍.基于数据挖掘的船舶入侵数据建模方法[J].舰船科学技术.2019

标签:;  ;  ;  ;  

数据挖掘建模论文-郭晋飞
下载Doc文档

猜你喜欢