试论社会学与文化学的分野

尽管社会学和文化学有很多相似之处,但实际上是两门不同的学科.文化学以比较不同文化间的异同为目的,社会学则主要关注现代社会的基本特征;文化学以风俗为主要考察对象,社会学则重视对社会结构的研究;文化学趋向于整体研究,社会学则颇重视个体分析;社会学力争成为一门严格精密的科学,文化学则安于人文学科的地位,二者的分野是明显的.     

基于PCA聚类机场跑道利用率研究分析

机场跑道利用率低一直是制约机场运行效率的主要因素之一.为找出机场跑道利用率低的机场,首先运用数据挖掘的方式,结合国内外相关研究,找到一套适合机场跑道利用率的评价指标体系,利用主成分聚类分析方法,建立基于主成分聚类分析下机场跑道聚类结果;其次对聚类分析得到的相关图表加以说明,并揭示各大机场跑道利用状况的发展趋势并加以分析.结果表明:PCA聚类分析优于聚类分析,具有一定实用性.     

基于模式矩阵的液体火箭发动机试车台故障关联规则挖掘

为发现试车台状态变量与其工作状况的关联关系,本文对液体火箭发动机试车台历史测试数据进行关联规则挖掘,对试车台状态参数进行选择和编码,使用自适应阈值算法对测试数据进行离散化,引入模式矩阵用于计算事务数据库中的频繁项集,提出了基于模式矩阵的关联规则挖掘方法,并将该方法应用于对多组历史测试数据进行频繁项集挖掘,对挖掘结果的分析表明:与传统方法相比,本文方法效率高,计算量小,挖掘结果能正确反映试车台状态变量与其工作状况间的关联规则,为试车台的测试数据挖掘提供了一种有效方法.     

电子政务中的数据挖掘技术

探讨了网络数据挖掘技术及其在电子政务中的应用.     

基于飞行参数数据挖掘的军机健康评估技术

以新型战机为代表的现代武器装备的参数数据越来越庞大,提出了基于飞行参数数据挖掘的军机健康评估技术。首先构建了军机健康评估设计及应用的"V"型架构,将数据获取、数据分析、方法应用、挖掘建模、评估结果和决策应用等流程融入到数据层、业务层、应用层等功能层级中。然后,综合运用改进故障树分析、高斯混合模型、层次分析法等方法,构建了适用于军机健康评估的架构、方法及流程。最后,以某军机实际飞行数据进行了应用分析,证明了所提方法的有效性和可行性。     

雷达对抗侦察数据关联规律挖掘算法研究

目前,雷达对抗侦察数据的分析和总结主要依靠情报分析员的经验和知识,随着侦察数据与日剧增以及战时极大量数据的可能出现,人工分析侦察数据变得捉襟见肘。数据挖掘的渐渐兴起和挖掘算法的不断改进,使得这个问题的解决有了可能。根据雷达对抗侦察数据的特点和作战运用要求,运用数据挖掘方法,分析了雷达对抗侦察数据关联规律挖掘算法,并给出了基于权重的挖掘算法、强关联规律挖掘算法以及备用信号挖掘算法。     

基于QAR数据的关联规则挖掘算法能研究

介绍和分析了关联规则的概念和Apriori算法,针对Apriori算法需要多次扫描数据库而导致运算效率不高的缺点．设计并实现了基于事务标识列表的频繁项集的产生算法——TagList Apriori。对比实验证明,新方法可以有效减少数据库扫描次数,节省运算时间．提高算法的运算效率,提高OAR数据关联规则挖掘的效率。     

遥感影像中电磁特性数据挖掘

从数据挖掘和遥感信息提取的概念出发,提出了遥感影像中电磁特性数据挖掘的思想,从电子信息装备试验对电磁特性数据的需求和SAR影像数据处理的需求出发,重点完成了基于电磁特性的地物分类和面向对象的遥感影像电磁特性数据挖掘,其中面向对象的遥感影像电磁特性数据挖掘包含遥感影像准备与数据预处理、影像分割、对象的层次结构、规则建立、电磁特性数据获取、信息提取等六个部分,最后把理论方法进行了实践,为大批量获取遥感影像中的电磁特性数据提供了方法支持。     

基于Agent模型的机场网络延误预测

准确可靠的机场网络航班延误预测是科学认知空中交通运行态势,动态精准实施国家空域系统容流协同调配策略的重要依据。提出了基于Agent的机场网络延误模型,表征机场网络系统中各元素及子系统间的交互作用下的延误特征涌现。针对机场节点动态容量、预计起飞时间、最小飞行与周转时间等Agent模型中的关键参数,适应性选用了贝叶斯估计、模糊k近邻等数据挖掘方法建立参数模型,并采用2015—2017年全美历史航班和气象数据进行训练学习。为综合评价模型性能及泛化能力,选取全美2018年3个不同延误程度的典型日进行测试。实验结果表明,在全美34个核心机场组成的网络中,各节点在4小时预测区间内延误最大误差不过27.9 min,其中约80%的节点误差小于5 min,验证了所提延误预测模型在时空范围内的准确性和稳健性特征。另外,通过与其他模型对比,展示了本模型优良的延误预测性能。     

基于数据挖掘的飞行器气动布局设计知识提取

为了更深入地理解飞行器气动布局设计优化中多目标/多设计变量间的影响关系,提高优化模型的科学性及优化效率,对基于数据挖掘技术的飞行器气动布局隐含设计知识提取问题开展了探索研究。以高升阻比滑翔飞行器布局设计优化问题为例,基于当前比较有代表性的方差分析、等度量映射、决策树、自组织映射4类机器学习算法对气动布局优化设计中产生的中间数据进行了挖掘分析。对不同方法得到的升阻比、横/侧向稳定性及容积率4种目标性能间的权衡关系,目标性能与设计变量间的敏感性关系及产生较优布局外形的设计变量取值规则进行了综合对比分析,凝练形成了适用于该类飞行器的设计知识,同时对4种方法的特点及适用性进行了总结分析,给出了相关结论。