预测模式

电力负荷预测模式的数据挖掘研究

电力负荷预测模式的研究显示，数据挖掘技术已经成为评估电力企业管理现代化和科学化的重要标志。在过去的十年中，中国在电力负荷预测方面取得了显著进展。

数据挖掘 0 2024-08-14

基于动态轨迹模式挖掘的位置预测方法研究

针对海量用户轨迹数据，该研究提出了一种名为PRED的动态轨迹模式分析和位置预测方法。PRED方法首先利用改进的模式挖掘模型从轨迹数据中提取频繁模式（T-模式）。随后，该方法使用DPTUpdate算法构建名为DPT（dynamic pattern tree）的快捷数据结构，该结构蕴涵时空信息，用于存储和查询移动对象的T-模式。最后，PRED方法通过Prediction算法计算最佳匹配度，预测移动对象的轨迹位置。基于真实数据集的对比实验结果表明，PRED方法能够提供动态分析能力，其平均准确率达到72%，平均覆盖率达到92.1%，相较于现有方法，预测效果显著提升。

数据挖掘 4 2024-05-26

基于自组织模式识别的经济预测方法研究

基于自组织模式识别的经济预测方法研究 将自组织数据挖掘方法与经济预测原则相结合，提出了一种全新的自组织模式识别方法。该方法创新性地采用了数据分组处理和自动合成技术，能够有效地识别多个相似模式，为经济预测提供了更为便捷和高效的途径。通过实际案例分析，验证了该方法在经济预测中的有效性和实用性。此外，针对样本数据不足的问题，提出了增加同类经济对象样本数据的解决方案，进一步提高了预测的准确性和可靠性。

数据挖掘 4 2024-05-25

基于模式识别技术的煤与瓦斯突出危险性概率预测

通过对活动构造、最大主应力、瓦斯压力和瓦斯含量等关键因素进行统计分析，建立了煤与瓦斯突出预测的模式识别准则和模型。利用模式识别方法，实现了煤层突出危险性的分单元概率预测，并据此划分出突出危险区、威胁区和安全区。这种方法有效克服了单一指标预测结果的不确定性，实现了多指标定量化预测，从而提高了预测结果的可靠性。

统计分析 4 2024-05-12

Oracle逻辑备份模式解析表模式、用户模式与全数据库模式

逻辑备份又分为三种模式： 表模式（T）：这种模式可以卸出当前用户数据库模式下的表，甚至是所有的表。具有特权的用户可以根据所指定的数据库模式来（限制表）卸出他们所包含的表。缺省情况下，卸出的为当前用户下的所有表。 用户模式（U）：这种模式可以卸出当前用户数据库模式下的所有实体（表、数据和索引）。 全数据库模式（F）：只有具有EXP_FULL_DATABASE角色的用户才可能以这种模式卸出。以此模式卸出的用户，除SYS模式下的内容外，数据库中所有实体都可以卸出。

Oracle 0 2024-11-06

Oracle归档模式向归档模式转换

将数据库从归档模式转换为归档模式的过程称为归档模式向归档模式转换。

Oracle 2 2024-05-31

模型预测结果

应用线性回归模型后，连接训练数据、测试数据和输出端口。运行后，即可获得热燃油的预测结果。 下一步，加载计算器操作符，对热燃油进行求平均值和求和，运行后得到统计汇总的结果。

算法与数据结构 2 2024-05-26

数据库外模式与模式映射详解

当模式发生变化时，通过外模式/模式定义语句可以调整外模式/模式映射定义，从而保持外模式的稳定性。这种方式确保了数据与程序逻辑的独立性，是数据库设计中的重要策略。

SQLServer 2 2024-08-01

MapReduce 设计模式

这份关于 MapReduce 设计模式的 azw3 格式资源来自于网络。

Hadoop 5 2024-05-12

Scala 设计模式

Scala 设计模式，包含 Scala 语言基础知识。

spark 1 2024-05-15