铝合金活塞杆关键数据挖掘方法优化研究

发布时间：2018-03-31 07:24

  本文选题：数据挖掘　切入点：神经网络系统　出处：《世界有色金属》2016年23期

【摘要】：将数据挖掘技术和神经网络系统有机地运用到铝合金活塞杆,使铝合金活塞杆关键数据挖掘模型有了更广泛的应用,对于铝合金活塞杆的开发具有重大意义。本文提出一种新的数据挖掘方法,它是以改进的神经网络系统为基础,将其应用到铝合金活塞杆关键数据挖掘系统中,研究模型被构建通过三级倒立控制方法的运用,我们把遗传算法模型与神经网络系统有机地结合,使空间搜索能力得到大幅度提升。仿真实验表明,通过一些列的实验对比,新的铝合金活塞杆关键数据挖掘研究方法优势明显,操作精度高以及可控性良好是它的两大主要优点,这就解决了传统方法铝合金活塞杆关键数据挖掘精度低、流程复杂、可控性差的问题。
[Abstract]:The application of data mining technology and neural network system to aluminum alloy piston rod makes the key data mining model of aluminum alloy piston rod more widely used. This paper presents a new data mining method, which is based on the improved neural network system and applied to the key data mining system of aluminum alloy piston rod. The research model is constructed through the application of the three-level inverted control method, we combine the genetic algorithm model with the neural network system organically, so that the spatial search ability is greatly improved. The advantages of the new key data mining method for aluminum alloy piston rod are obvious, high operation precision and good controllability, which solve the problem of low precision and complex flow of key data mining in traditional aluminum alloy piston rod. The problem of poor controllability.
【作者单位】： 晋中学院信息技术与工程学院;
【分类号】：TG146.21;TP311.13

【相似文献】

相关期刊论文 前10条

1 陈修宽;董祥军;石芙芙;;Web数据挖掘综述[J];山东轻工业学院学报(自然科学版);2009年03期

2 黄会明;王红星;;SQL Server 2005在数据挖掘中的应用[J];煤炭技术;2011年06期

3 吴孝丽;周焱;;Microsoft SQL Server数据挖掘的高级研究[J];煤炭技术;2011年07期

4 糜元根;数据挖掘方法的评述[J];南京化工大学学报(自然科学版);2001年05期

5 李小平,焦李成;数据挖掘中信息颗粒及其构造[J];西安石油学院学报(自然科学版);2001年04期

6 秦忠宝,彭文利,何卫平,陈伟东;网络环境下数据挖掘若干问题的述评[J];西北轻工业学院学报;2002年02期

7 叶克江,陈广宇;数据挖掘的实现方法及其应用[J];郑州轻工业学院学报;2002年03期

8 高磊红,骆舒心,仇记清,雷和稳,段惠敏;一类复杂工业生产过程中的数据挖掘[J];河北化工;2003年06期

9 乔淑云;数据挖掘[J];江苏煤炭;2003年04期

10 谭立云,高学东,武森;数据挖掘方法与应用[J];华北科技学院学报;2004年02期

相关会议论文 前10条

1 史东辉;蔡庆生;张春阳;;一种新的数据挖掘多策略方法研究[A];第十七届全国数据库学术会议论文集（研究报告篇）[C];2000年

2 张弦;;数据挖掘在农业中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

3 魏顺平;;教育数据挖掘:现状与趋势[A];信息化、工业化融合与服务创新——第十三届计算机模拟与信息技术学术会议论文集[C];2011年

4 关清平;沉培辉;;概率网络在数据挖掘上的应用[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

5 丁瑾;;基于Web数据挖掘的综述[A];山西省科学技术情报学会学术年会论文集[C];2004年

6 聂茹;田森平;;Web数据挖掘及其在电子商务中的应用[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

7 李菊;王军;;数据挖掘在客户关系管理的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

8 肖阳;李启贤;;数据挖掘在中国钢铁行业中的应用[A];中国计量协会冶金分会2012年会暨能源计量与节能降耗经验交流会论文集[C];2012年

9 杨磊;王贵成;汪勇;张占胜;;SQL Server 2005在数据挖掘中的应用[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 谢中;邱玉辉;;面向商务网站有效性的数据挖掘方法[A];第十八届全国数据库学术会议论文集（技术报告篇）[C];2001年

相关重要报纸文章 前10条

1 本报记者褚宁;数据挖掘如“挖金”[N];解放日报;2002年

2 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年

3 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年

4 《网络世界》记者 王莹;数据挖掘保险业的新蓝海[N];网络世界;2012年

5 刘俊丽;基于地理化的网络数据挖掘与分析提升投资有效性[N];人民邮电;2014年

6 本报记者 连晓东;数据挖掘：金融信息化新热点[N];中国电子报;2002年

7 本报记者 凤小华 朱仁康;“数字挖掘软件”引领中国信息化新浪潮[N];中国电子报;2003年

8 本报记者　史延廷;“成功企业数据挖掘暨数量化管理论坛”在京举办[N];中国旅游报;2002年

9 朱小宁;数据挖掘：信息化战争的基础工程[N];解放军报;2005年

10 本报记者 王小平;从“大集中”走向数据挖掘[N];金融时报;2002年

相关博士学位论文 前10条

1 于自强;海量流数据挖掘相关问题研究[D];山东大学;2015年

2 张馨;全基因组SNP芯片应用于CNV和L0H分析的软件比对与数据挖掘[D];复旦大学;2011年

3 彭计红;基于数据挖掘的痴呆中医证的研究[D];南京中医药大学;2015年

4 李秋虹;基于MapReduce的大规模数据挖掘技术研究[D];复旦大学;2013年

5 邬文帅;基于多目标决策的数据挖掘方法评估与应用[D];电子科技大学;2015年

6 谢邦彦;整合数据挖掘与TRIZ理论的质量管理方法研究[D];首都经济贸易大学;2010年

7 何伟全;云南高校学生意外伤害因素关联规则挖掘及风险管控体系研究[D];昆明理工大学;2015年

8 段功豪;基于多结构数据挖掘的滑坡灾害预测模型研究[D];中国地质大学;2016年

9 白晓明;基于数据挖掘的复合材料宏—细观力学模型研究[D];哈尔滨工业大学;2016年

10 蓝永豪（LAM Wing Ho）;基于数据挖掘技术分析当代中医名家痤疮验方经验研究[D];南京中医药大学;2016年

相关硕士学位论文 前10条

1 林仁红;基于数据挖掘的机遇识别与评价研究[D];首都经济贸易大学;2007年

2 张彦俊;游戏运营中的数据挖掘[D];复旦大学;2011年

3 焦亚召;基于多核函数FCM算法在数据挖掘聚类中的应用研究[D];昆明理工大学;2015年

4 王杰锋;物联网能耗数据智能分析及其应用平台设计[D];江南大学;2015年

5 刘学建;数据挖掘在电子商务推荐系统中的应用研究[D];昆明理工大学;2015年

6 戴阳阳;基于数据挖掘的金融时间序列预测研究与应用[D];江南大学;2015年

7 石思优;基于主题模型的医疗数据挖掘研究[D];广东技术师范学院;2015年

8 陈丹;移动互联网信令挖掘实现智慧营销的设计与实现应用研究[D];华南理工大学;2015年

9 陈思;基于数据挖掘的大学生客户识别模型的研究[D];昆明理工大学;2015年

10 位长帅;基于客户数据挖掘的电信客户关系管理研究[D];西南交通大学;2015年

，

本文编号：1689746