关联规则挖掘在卷烟市场研究中的应用

应用基于Apriori算法的关联规则挖掘技术对一次卷烟市场调查得到的数据进行分析，找出其中的关联规则，作为正确决策的基础。     

Abundance analysis of the long period southern cepheid RZ Vel

The long period classical cepheid RZ Vel (HD 73502) is known to be a member of an OB association, Vel OB1 in Vela, and a high metallicity is ascribed to it by the photometric work of Eggen (1982). We have done an abundance analysis for this long period (P = 20.4 days) and hence young (age ≈ 1.80×10⁷ yr) classical cepheid using high resolution CCD spectra with good S/N ratio. We have used a detailed model atmosphere method to derive the abundances of the light elements C, O, A1, S and of many Fe-peak elements and a few s-process elements. Our present work indicates near solar abundance for most of the elements for RZ Vel and hence we do not confirm the high metallicity derived photometrically by Eggen (1982) for this star     

多模态地理大数据时空分析方法

多模态地理大数据时空分析旨在融合地理大数据的多模态信息发现有价值的时空分布规律、异常表现、关联模式与变化趋势,是全空间信息系统的核心研究内容,并有望成为推进地理学人地关系研究的重要突破口。为应对地理大数据时代的新机遇与挑战,本文围绕4类核心的时空分析方法（时空聚类分析、时空异常分析、时空关联分析与时空预测分析）,系统归纳了国内外研究现状,探讨了时空分析中多尺度建模、多视角协同、多特征认知与多特性表达的研究难点。进而,介绍了多模态地理大数据时空聚类、异常、关联与预测分析模型,更加全面、客观、精准地认知与理解时空大数据中潜在的地理知识,并且能够在气象环境监测、公共安全管理、城市设施规划等多个应用领域发挥关键作用。     

GM(1,1)幂模型的改进及其在沉降预测中的应用

GM(1,1)幂模型可用于趋于稳定或具有S型变化趋势的沉降预测,但其存在灰色建模的固有缺陷、非等间隔数据的不适用性和参数求解复杂性等不足之处。结合幂函数变换与无偏GM(1,1)模型和非等间隔无偏GM(1,1)模型,建立了无偏GM(1,1)幂模型和非等间隔无偏GM(1,1)幂模型。基于Matlab程序,以拟合结果的平均相对误差最小作为优化目标,提出参数的优化求解方法,同时提出采用Origin拟合函数SRichards2的替代方法。实例分析结果显示,两种方法拟合效果相当,均可用于沉降预测。结合两者的应用效果和建模特点,建议人工处理数据时采用Origin拟合函数SRichards2;对于有特殊优化目标的情况或自动化监测设计时,可采用无偏GM(1,1)幂模型或非等间隔无偏GM(1,1)幂模型。     

灰色-时序组合模型在地表变形预测中的应用

通过对某地铁监测点小波去噪后的数据建立灰色预测模型,分析了灰色预测的优缺点,针对灰色预测对波动性数据预测的不足,建立了灰色-时序组合模型。首先,利用灰色模型提取时间序列中的趋势项;然后,用时序模型对残差项进行建模分析,兼顾了数据的趋势性和波动性,弥补了灰色预测的不足,提高了预报精度。     

改进BP神经网络模型的地基变形预测

BP神经网络模型是一种经典的预测模型,被广泛应用于变形分析预测的各个领域。本文采用一定方法以进一步改进BP神经网络模型,并通过灰色Verhulst-BP模型分析软基处理地基的实例数据,结合Matlab语言,编程比较分析预测及实测的数据,得出结果证明改进灰色Verhulst-BP模型的分析预测精度较高,比较适合于建筑地基变形的预测分析。     

灰色自记忆模型的高层建筑物沉降分析

针对GM(1,1)模型对非线性数据的沉降趋势及其波动特征无法进行准确地预测,而灰色残差模型和灰色马尔科夫模型又无法解决这个问题,提出了灰色自记忆预测模型。该模型利用了自记忆原理考虑过去和现在对未来的影响的记忆性特点,克服了GM(1,1)模型对初值比较敏感、预测精度低等局限性,提高了对波动性数据的预测能力。通过实例验证表明了灰色自记忆模型的可靠性和可行性。     

辽宁省地震危险区的综合判别

本文采用三种定量的分析方法,根据辽宁省内的地震活动水平,活动断裂线密度、地壳厚度变化梯度、断裂线密度、布格重力异常变化梯度和地壳形变速率六个定量化评定因素,对辽宁省的地震危险区进行了判别。结果表明,这三种方法所评定的结果有较好的一致性,其结果可以在辽宁省震害预测等工作中加以应用。     

基于数据立方体的多最小支持度关联规则在犯罪分析中的应用

为了快速获取候选项集的支持度,避免频繁访问数据库而造成效率低下的问题,在MSapriori算法的基础上引入数据立方体,提出DC_MSapriori算法。该算法无需多次扫描事务数据库,减少了I/O操作,降低了搜索开销。实验基于福州市鼓楼区各大医院周边的案事件数据,快速挖掘出犯罪时空模式,验证了算法的有效性。