电力生产过程中实时数据处理和应用的滞后不仅造成巨大的资源浪费，而且严重制约着电力生产过程数字化管理水平的提高。.在实时数据中学习和挖掘有关机组特性知识，既能够满足机组性能分析、运行优化和故障诊断的迫切需要，还能够浓缩信息。因此，本研究不仅具有明显的经济和社会效益，也是实现现代化管理的必由之路。.本研究选择凝汽器这一多输入、多输出、非线性和大惯性并具有特殊参量（排汽焓）的典型热力设备为研究对象，以知识样本的自主产生和自适应维护作为突破口，将数字信号处理技术、多元数理统计方法、运筹学优化方法、人工智能方法、蒸汽动力设备特性机理研究的成果交叉运用于动力设备特性知识的挖掘和学习，得到前期研究的有力支持。.研究成果不仅有助于解决汽轮机设备性能分析（低压缸效率）、运行优化（循环水优化调度）和故障诊断（真空系统故障诊断），还可以方便地推广应用于其他热力设备的知识发现和挖掘，具有便于移植应用等特点。 2100433B

大数据时代应用机器学习方法解决数据挖掘问题的实用指南。

洞察隐匿于大数据中的结构模式，有效指导数据挖掘实践和商业应用。

weka系统的主要开发者将丰富的研发、商业应用和教学实践的经验和技术融会贯通。

广泛覆盖在数据挖掘实践中采用的算法和机器学习技术，着眼于解决实际问题

避免过分要求理论基础和数学知识，重点在于告诉读者“如何去做”，同时包括许多算法、代码以及具体实例的实现。

将所有的概念都建立在具体实例的基础之上，促使读者首先考虑使用简单的技术。如果简单的技术不足以解决问题，再考虑提升到更为复杂的高级技术。

新版增加了大量近年来最新涌现的数据挖掘算法和诸如Web数据挖掘等新领域的介绍，所介绍的weka系统增加了50%的算法及大量新内容。

本书是机器学习和数据挖掘领域的经典畅销教材，被众多国外名校选为教材。书中详细介绍用于数据挖掘领域的机器学习技术和工具以及实践方法，并且提供了一个公开的数据挖掘工作平台Weka。本书主要内容包括：数据输入/输出、知识表示、数据挖掘技术（决策树、关联规则、基于实例的学习、线性模型、聚类、多实例学习等）以及在实践中的运用。本版对上一版内容进行了全面更新，以反映自第2版出版以来数据挖掘领域的技术变革和新方法，包括数据转换、集成学习、大规模数据集、多实例学习等，以及新版的Weka机器学习软件。本书逻辑严谨、内容翔实、极富实践性，适合作为高等院校本科生或研究生的教材，也可供相关技术人员参考。

主要研究大规模图像数据的自动标注算法，具体研究内容有：研究具有更好表示和区分能力的图像特征提取算法，其重点是研究特征选取和特征变换；研究用于高层语义特征提取的机器学习方法，其重点是研究半监督学习和大规模数据学习问题；研究图像标记的语义相关性挖掘问题，以进一步提高自动标记的性能，基本思路是利用先验信息、WordNet等知识库和标记在图像同现等统计信息。基于上述算法研究成果，我们将针对日常生活中常见的实体语义对象，从互联网上下载相应的图像，通过学习训练建立起较大规模的视觉语义特征模型库，用于实现图像的自动语义标注；我们还计划研究开发大规模图像数据的自动标注原型演示系统，用于网上大规模图像的搜索和过滤。