王钦
- 作品数:21 被引量:31H指数:4
- 供职机构:济南大学更多>>
- 发文基金:国家高技术研究发展计划新世纪高等教育教学改革工程国家自然科学基金更多>>
- 相关领域:自动化与计算机技术文化科学化学工程更多>>
- 制造企业信息化过程中的标准化与网络化被引量:4
- 2006年
- 制造企业的信息化过程是信息技术与制造技术的结合,是用信息化带动工业化的重要有效技术。信息技术作为推动制造企业发展的一种重要手段,对提高企业自身竞争力,应对多变的市场需求有着深远的意义。因此企业信息化建设的规划及其与各种先进技术的整合日益成为众多学者关注的重点。与此同时,标准化作为提高管理水平,保证产品质量一种重要手段,可以通过标准化的管理,标准化的生产以及标准化服务,帮助企业成为以市场为中心、以用户为中心的现代化企业。本文提出了一种以标准化技术和网络化技术相结合来建立制造信息平台的方法,重点从信息体系标准化、开发过程标准化、应用服务网络化的角度,阐述了在该平台下实现以市场和服务需求为驱动,规范管理,质量保障,经济实用的企业网络化制造平台的通用实施架构。
- 昃向博刘魁王钦曲一兵王立新
- 关键词:信息化网络化架构
- 基于数据挖掘的智能答疑系统的研究与设计
- 随着各种教学网站的出现以及基于网络教学研究的不断深入,老师与学生的在线信息交流也日益丰富起来.在很多教学系统中,在线答疑已经成为师生交流的基本工具.然而伴随着学生提问频数的不断增加,教师对于大量问题进行一一回答的方式已经...
- 王钦
- 关键词:数据挖掘关联规则文本聚类智能答疑系统网络教学
- 文献传递
- 基于关联规则的文本聚类算法的研究被引量:5
- 2008年
- K-均值聚类算法是目前一种较好的文本分类算法,算法中的相似度计算通常基于词频统计,小文档或简单句子由于词频过小,使用该算法聚类效果较差。为此,提出了一种基于词语关联度的相似度计算算法,对简单文档集执行关联规则算法,得出基于关键词的关联规则,并根据这些规则求得词语关联度矩阵,然后由权重对文本进行文本特征向量表示,最后借助于关联度矩阵和文本特征向量,并按一定算法计算出句子相似度。实验证明该算法可得到较好的聚类结果,且其不仅利用词频统计的方法而且考虑了词语间的关系。
- 曲守宁王钦邹燕朱强
- 关键词:文本挖掘K-均值聚类关联规则
- 基于关联规则的窑尾分解炉工艺参数分析与优化被引量:2
- 2008年
- 本文针对目前水泥生产行业中存在的突出问题:如何在保证高产、高质的同时降低能耗。提出了利用数据挖掘技术解决这一问题的方法。选取对窑尾分解炉控制产生影响的多个因素中的五个重要工艺参数作为研究对象,应用聚类和关联规则算法对数据进行预处理并找出参数之间的关联,为优化窑尾分解炉工艺参数提供依据。
- 曲守宁刘照莲崔广强王钦
- 关键词:数据挖掘聚类关联规则
- 高校电子资源综合利用系统的研究被引量:1
- 2007年
- 本文通过对目前高校已经建设完成的各种网络资源的分析,提出了一套实用的信息整合方案。高校电子资源综合利用系统以信息集成技术和数据仓库、文本分类、关联规则等信息增值技术为基础,通过网络和相关的子系统,为学生学习提供有效的学习与研究辅助指导。
- 邹燕王钦朱强曲守宁
- 关键词:信息集成数据仓库文本分类关联规则
- 基于变异系数自动确认簇数量的聚类方法、系统及介质
- 本发明公开了基于变异系数自动确认簇数量的聚类方法、系统及介质,计算数据集中每个数据点的密度值,根据密度值计算密度指数,选择密度指数最大的数据点作为第一个聚类中心;计算每个数据点与当前已有聚类中心之间的最短距离,然后根据最...
- 刘腾腾曲守宁张坤杜韬王凯郭庆北朱连江王钦
- 文献传递
- 一种面向流程对象的工业过程建模预测方法
- 本发明公开了一种面向流程对象的工业过程建模预测方法,包括如下步骤:FNT模型建立,从流程对象已经生成的数据仓库中抽取工业流程对象原始数据集S,创建FNT模型的初始种群,种群个体数目根据需要定制,每个个体表示一个FNT模型...
- 王凯张坤杜韬郭庆北曲守宁张勇程新功朱连江王钦
- 文献传递
- 基于数据挖掘的智能答疑系统(英文)被引量:3
- 2007年
- 根据当今答疑系统的缺点,提出了一套基于数据挖掘算法的答疑设计方案,将改进的关联规则算法应用于文本聚类中,可以将数据库中问题更加准确地分类,因此可以将用户提出的问题快速定位,提高答疑速率.将聚类后的问题库应用关联规则,可以得到更加准确的关联表,用于提取论坛数据库中的最优答案,进而形成一个快速且准确的自动答疑系统.实验结果表明该方案具有智能性、自我更新性能、节约存储空间和提高答疑效率等优点.
- 曲守宁王钦邹燕刘魁朱强
- 关键词:答疑系统关联规则聚类数据仓库
- 一种面向流程对象数据的规则提取方法
- 本发明涉及一种面向流程对象数据的规则提取方法,包括如下步骤:步骤S1:确定流程对象数据的最佳聚簇数量;步骤S2:采用K-means算法对流程对象数据进行聚类,同时验证步骤S1中的最佳聚簇数量的合理性,如果步骤S1中的最佳...
- 曲守宁杜韬王凯张坤郭庆北张勇程新功朱连江王钦
- 一种基于密度和扩展网格的数据流聚类方法
- 本发明涉及一种基于密度和扩展网格的数据流聚类方法,利用Spark并行计算平台,对传统的数据流聚类算法进行了分析和改进,提出了基于密度和扩展网格的数据流聚类算法,改进了人工设置聚类参数的缺陷,可以得到任何形状的聚类,算法基...
- 杜韬华峥牟国栋曲守宁张坤朱连江王钦
- 文献传递