基于Apriori算法的试题库知识点间关联性挖掘方法

    公开(公告)号:CN107943946B

    公开(公告)日:2019-08-30

    申请号:CN201711190418.3

    申请日:2017-11-24

    Abstract: 本发明提供一种基于Apriori算法的试题库知识点间关联性挖掘方法,包括步骤S1:将智能题库系统日志表内的用户学习行为数据整理成关联规则模型所需要的数据结构,并导入关联规则模型;其中,用户做的全部知识点被记为一个事务,一道试题对应一个知识点,一个知识点称为一个项;步骤S2:在关联规则模型内寻找用户学习行为数据中最大的频繁项集Lk;步骤S3:根据最大频繁项集Lk产生关联规则;步骤S4:将导出的知识点间的关联规则按照从低年级至高年级的顺序进行排列。本发明通过Apriori算法找出用户知识点间的频繁项集,产生关联规则,运用这种关联规则对用户进行智能推荐,使用户对其薄弱的知识点达到逐步掌握的目的。

    基于Apriori算法的试题库知识点间关联性挖掘方法

    公开(公告)号:CN107943946A

    公开(公告)日:2018-04-20

    申请号:CN201711190418.3

    申请日:2017-11-24

    Abstract: 本发明提供一种基于Apriori算法的试题库知识点间关联性挖掘方法,包括步骤S1:将智能题库系统日志表内的用户学习行为数据整理成关联规则模型所需要的数据结构,并导入关联规则模型;其中,用户做的全部知识点被记为一个事务,一道试题对应一个知识点,一个知识点称为一个项;步骤S2:在关联规则模型内寻找用户学习行为数据中最大的频繁项集Lk;步骤S3:根据最大频繁项集Lk产生关联规则;步骤S4:将导出的知识点间的关联规则按照从低年级至高年级的顺序进行排列。本发明通过Apriori算法找出用户知识点间的频繁项集,产生关联规则,运用这种关联规则对用户进行智能推荐,使用户对其薄弱的知识点达到逐步掌握的目的。

    一种基于结构信息保持域适应网络的抽油机故障诊断方法

    公开(公告)号:CN114817856B

    公开(公告)日:2024-05-28

    申请号:CN202210397562.9

    申请日:2022-04-15

    Abstract: 本发明涉及石油工业技术领域,尤其涉及一种基于结构信息保持域适应网络的抽油机故障诊断方法,包括采集抽油机示功图数据,得到源域数据集和目标域数据集,使用特征生成器提取源域特征和目标域特征,在源域中使用源域特征和源域样本标签进行有监督训练更新特征生成器和分类器,使用无监督聚类算法对目标域特征进行聚类获得目标域伪标签,将源域特征和源域标签,以及目标域特征和目标域伪标签输入局部最大均值差异度量公式进行分布差异计算对特征生成器进行优化。本发明所提出的结构信息保持域适应网络能够用于抽油机的故障诊断,能够降低故障诊断模型训练对数据标注的过度要求,并能够提高故障诊断模型在不同应用场景的泛化性能。

    一种基于增强主成分分析新型贝叶斯框架的化工故障诊断方法

    公开(公告)号:CN112200104A

    公开(公告)日:2021-01-08

    申请号:CN202011105034.9

    申请日:2020-10-15

    Abstract: 本发明提供一种基于增强主成分分析新型贝叶斯框架的化工故障诊断方法,包括以下步骤,S1:TE过程数据采样;S2:计算监测变量的贡献度;S3:提取故障的关键特征变量;S4:训练与测试数据集划分;S5:蜻蜓算法寻找最优平滑参数;S6:构造增强朴素贝叶斯模型。本发明的有益效果是,本发明提出的eKPCA根据Hotelling统计量(T2)和平方预测误差(SPE)来计算每个被监测变量对T2和SPE的贡献,从而更加精确得到数据的关键特征;本发明利用蜻蜓算法(DA)来寻求增强朴素贝叶斯分类器的最优平滑参数,并通过将平滑参数引入到多元高斯核函数中,使得eK‑eNBM可以对整个属性使用最优的平滑参数,从而提高分类精度,为化工过程提供较高的故障诊断准确率。

    基于动态子空间高阶累积量分析的天然气净化过程异常监测方法

    公开(公告)号:CN108681653A

    公开(公告)日:2018-10-19

    申请号:CN201810566582.8

    申请日:2018-06-05

    CPC classification number: G06F17/5009 C10L3/10 G06F17/18

    Abstract: 本发明公开了一种基于动态子空间高阶累积量分析的天然气净化过程异常监测方法,该监测方法按如下步骤进行:(1)选取所监测的高含硫天然气净化脱硫生产过程中的工艺参数;(2)采集天然气净化过程中所述工艺参数的正常工况下数据;(3)对数据进行预处理;(4)构建基于动态子空间高阶累积量分析的模型,计算正常工况下的总体独立分量三阶累积量HS与总体残差三阶累积量HE,并用核密度估计获得其控制限;(5)在线获取高含硫天然气净化脱硫生产过程中所述工艺参数运行工况下数据,重新输入模型计算统计量,判断所得统计量是否超出控制限,若超限则发生异常工况,否则正常。本方法能够及时检测故障发生,有效降低漏报率和误报率。

    一种基于MiUKFNN算法的高含硫天然气脱硫工艺建模方法

    公开(公告)号:CN108509692A

    公开(公告)日:2018-09-07

    申请号:CN201810201222.8

    申请日:2018-03-12

    Abstract: 本发明公开了一种基于MiUKFNN算法的高含硫天然气脱硫工艺建模方法,包括:S1:选择影响脱硫效率的工艺参数和脱硫单元的性能指标;S2:采集预设时间的所述工艺参数和所述性能指标的数据,剔除误差样本后形成样本集;S3:对样本集进行归一化形成归一化样本集,并从中选取训练样本和测试样本;S4:基于训练样本构建神经网络模型和初始状态变量;S5:利用MiUKFNN算法估计最优状态变量;S6:将最优状态变量作为神经网络模型的连接权值和阈值,即获得权值阈值更新后的神经网络模型;S7:得到预测结果,将预测结果与所述测试样本中的实际输出进行比较,如小于预设误差精度,神经网络模型有效;否则重复上述步骤至比较结果小于预设误差精度。

Patent Agency Ranking