导读:本文包含了数据分类和预测论文开题报告文献综述及选题提纲参考文献,主要关键词:找矿预测,单分类,矿床学,支持向量机
数据分类和预测论文文献综述
王堃屹,周永章,王俊,刘心怡[1](2019)在《基于单分类支持向量机的矿床数据挖掘与找矿预测》一文中研究指出地质数据属于复杂类型的数据集合,具有多源、异构、时空性,相关性、非线性等特征(陈建平等,2017)。长期的地质调查与研究积累并形成了大量的地学数据,这些数据来源多样,性质复杂,以往矿床学家们利用采样小数据进行分析和预测的方法往往难以处理规模日益庞大的地学数据(周永章等,2017)。如何高效整合不同来源的地学数据,有效识别出致矿异常信息并将其用于找矿预测研究,是当前矿床学研究(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)
李媛媛,罗词建,王秋宁[2](2019)在《地震前驱波干扰数据的直观预测和分类》一文中研究指出本文所研究的是一种基于超低频的振动测量传感器系统,专门捕捉地震前驱波的记录装置。将此装置布设在陕西子午、甘肃兰州、四川成都、河南洛阳四个站点,选取了近一年的连续数据记录,对所记录的海量信号数据进行分析,单纯利用出现异常信号与地震发生之间的对应关系得到预测地震的准确率。(本文来源于《科学技术创新》期刊2019年27期)
王江,张月[3](2019)在《煤化工技术群组分类和趋势预测:来自专利数据的分析》一文中研究指出以国家知识产权局专利数据库为数据来源,采用专利文本挖掘、聚类分析和技术预测相结合的方法,结合R-stideo软件和Loglet Lab软件中的统计分析工具,针对煤化工技术进行技术群组分类及趋势预测研究。研究表明:煤化工技术可分成六大技术群组,即污水处理技术群组、煤气净化技术群组、煤气化技术群组、传统煤化工群组、污染物监测技术群组以及煤液化技术群组。传统煤化工技术专利申请量已进入下降期,表明传统煤化工技术进入衰退期,未来向更加清洁的新型煤化工方向发展;煤气净化技术、煤气化技术和煤液化技术等,经过发展进入稳定发展期,市场空间巨大;污水处理技术和污染物检测技术作为污染治理方面的技术处于快速发展阶段,污水处理技术正朝着更加高效、更加环保以及方法更加综合的方向发展,煤气净化技术正向着更加经济、环保、可靠和高效的方向发展。(本文来源于《技术经济》期刊2019年08期)
范谨麒[4](2019)在《多样本多维数据的智能分类预测模型及其应用》一文中研究指出多样本多维数据是指由大量的具有多维属性的样本组成的数据集。此类数据普遍存在于材料、医疗、航空航天、电力电子等领域,通过挖掘和分析这些数据,构建预测模型,可推演出上述领域中某个指定目标变量的可能性结果。然而,尽管近年来大数据分析与预测理论获得了较大发展,但因上述多样本多维数据具有模糊性、不确定性、耦合性和多维属性特性,直接采用现有的机器学习算法和统计分析方法,较难获得高预测精度。本课题的研究目的是提出多样本多维数据分析与智能预测理论与方法,并应用它解决牙周炎疗效的分类预测问题,也为其他领域的多样本多维数据挖掘与预测提供可借鉴的方法。本文的主要创新性工作包括:(1)在分析一维云的基础上,为了适应数据多维度的特性,分别提出了二维云模型和多维云模型构建方法,给出了二维和多维前件云产生云滴的算法过程和二维与多维单规则发生器的算法步骤,解决了多样本多维数据的模糊性和不确定性引发的预测精度低的问题。(2)在详细分析Xgboost、PCA和BP神经网络的优缺点的基础上,提出了Xgboost-PCA-BPNN组合预测算法,降低了多样本多维数据的耦合性和多维性对预测性能的影响,提升了预测准确度。(3)在分析北京某口腔医院牙周炎治疗过程4.5万例位点数据的基础上,分别将所提出的多维云模型和Xgboost-PCA-BPNN组合预测算法应用于牙周炎治疗效果预测,获得了较好的预测效果。测试结果表明,Xgboost-PCA-BPNN组合预测算法精度达82%,优于多维云模型和其他机器学习方法,如逻辑回归、Xgboost和Xgboost-逻辑回归组合算法。(本文来源于《冶金自动化研究设计院》期刊2019-06-01)
彭薇[5](2019)在《数据中,预测经济也看垃圾分类》一文中研究指出何愉的办公室桌上和电脑里,每天都堆着厚厚的统计报表。一年算下来,他和团队要做50多项调查,涉及10万个以上的样本,几乎每周一个主题。每天都在和调查数据打交道,这是国家统计局上海调查总队分析研究处处长何愉的日常工作。从预测宏观经济走势,到垃圾分类(本文来源于《解放日报》期刊2019-05-06)
李荣华,张燕,黄俊,黄程成,莫尽友[6](2019)在《基于数据挖掘的疾病分类预测模型的构建》一文中研究指出随着医院信息系统(HIS)在全国各大医院的推广和应用,会有大量和病人相关的临床数据每天在医院中记录,而这些真实的数据随着规模积累的增加,存在着对病人和医生来说潜在、有价值的信息作用也会越来越大。本文会根据医院信息系统(HIS),通过决策树算法,针对疾病诊断的影响因子进行预测分析,得出一个有效帮助诊断的分析模型,通过一段时间论证分析,该模型会在临床应用中有一定的指导作用。(本文来源于《电脑知识与技术》期刊2019年11期)
郑伟民,叶承晋,张曼颖,王蕾,孙可[7](2019)在《基于Softmax概率分类器的数据驱动空间负荷预测》一文中研究指出提出了一种数据驱动空间负荷预测方法。将网格化体系下的功能地块作为空间负荷预测的基本单元,并且通过多维指标体系进行属性描述。基于大量调研数据,通过数据挖掘方法对不同类型地块的空间负荷密度分布规律和负荷曲线典型形态进行提取。建立Softmax多元概率分类模型对未知地块的负荷水平类型进行匹配。自下而上对相邻地块负荷预测结果进行时域迭加,得到更大区域的预测信息,包括其负荷量和预测负荷曲线。算例仿真结果表明提出的空间负荷预测方法在预测精度上有一定提升。(本文来源于《电力系统自动化》期刊2019年09期)
刁海军,尹钊[8](2018)在《一种基于朴素贝叶斯分类算法的数据预测》一文中研究指出高职教师在教学过程中为了更好地完成教学任务,运用多种教学方法和教学模式。为了更好地实现科学教学,符合当前互联网与大数据高速发展的时代背景,雨课堂出现并逐步融入到高职教育的课堂中。本文从雨课堂的基本功能入手,提出教师在使用雨课堂进行教学过程中所面临的挑战以及应对的具体措施。旨在为使用雨课堂授课的教师带来一些意见和建议,让使用雨课堂进行教学的教师在享受便利的同时也能够看清挑战,进而提高自身教育教学能力、采取最合适有效的策略,创造出更加精彩的课堂。(本文来源于《电大理工》期刊2018年04期)
常强,赵伟,赵仰杰[9](2018)在《基于神经网络的数据分类预测与实现》一文中研究指出大数据的发展对于数据挖据既是挑战,更是机遇。数据挖掘具有解决数据内在结构和发现数据预测的作用,神经网络用来指示一类广泛的模型和算法,基于一些观测数据的集合生成隐藏的神经元。R语言是一个开源、跨平台的编程语言,现已成为数据分析领域标志性语言。本研究依托R平台,设计人工神经网络的建立步骤,构建R的神经网络实现、应用并且进行结果解读,运用神经网络实现数据的分类预测。(本文来源于《软件》期刊2018年12期)
史逸民,史达伟,郝玲,张银意,王鹏[10](2018)在《基于数据挖掘CART算法的区域夏季降水日数分类与预测模型研究》一文中研究指出夏季降水日数的准确预测,对于保障农业、运输业、电力等行业的有序进行具有重要现实意义.利用连云港市气象局提供的1951—2012年夏季降水数据对连云港地区的降水日数特征进行分析,难以直观地发现夏季降水日数随时间分布的规律.为进一步探索降水日数的发生规律,结合国家气候中心网站提供的多种气候因子数据,基于CART决策树算法构建了连云港地区夏季降水日数是否偏多与是否偏少的分类与预测模型.该模型可以发现在多种气候因子不同条件下,夏季降水日数是否偏多(偏少)的规律,模型的分类与预测都具有良好的效果.利用52 a的数据样本训练模型,模型的训练准确率为90. 38%(86. 54%),再用剩余10 a数据样本检验模型,测试准确率为80%(80%),并且得到规则集,方便气象业务人员使用以及决策服务人员参考.同时,为降水日数的预测提供了数据挖掘的新思路.(本文来源于《南京信息工程大学学报(自然科学版)》期刊2018年06期)
数据分类和预测论文开题报告
(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:
本文所研究的是一种基于超低频的振动测量传感器系统,专门捕捉地震前驱波的记录装置。将此装置布设在陕西子午、甘肃兰州、四川成都、河南洛阳四个站点,选取了近一年的连续数据记录,对所记录的海量信号数据进行分析,单纯利用出现异常信号与地震发生之间的对应关系得到预测地震的准确率。
(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。
数据分类和预测论文参考文献
[1].王堃屹,周永章,王俊,刘心怡.基于单分类支持向量机的矿床数据挖掘与找矿预测[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
[2].李媛媛,罗词建,王秋宁.地震前驱波干扰数据的直观预测和分类[J].科学技术创新.2019
[3].王江,张月.煤化工技术群组分类和趋势预测:来自专利数据的分析[J].技术经济.2019
[4].范谨麒.多样本多维数据的智能分类预测模型及其应用[D].冶金自动化研究设计院.2019
[5].彭薇.数据中,预测经济也看垃圾分类[N].解放日报.2019
[6].李荣华,张燕,黄俊,黄程成,莫尽友.基于数据挖掘的疾病分类预测模型的构建[J].电脑知识与技术.2019
[7].郑伟民,叶承晋,张曼颖,王蕾,孙可.基于Softmax概率分类器的数据驱动空间负荷预测[J].电力系统自动化.2019
[8].刁海军,尹钊.一种基于朴素贝叶斯分类算法的数据预测[J].电大理工.2018
[9].常强,赵伟,赵仰杰.基于神经网络的数据分类预测与实现[J].软件.2018
[10].史逸民,史达伟,郝玲,张银意,王鹏.基于数据挖掘CART算法的区域夏季降水日数分类与预测模型研究[J].南京信息工程大学学报(自然科学版).2018