对称群子集的正规闭包的生成算法及程序

根据正规闭包的意义及置换的运算特征,设计出对称群子集的正规闭包的生成算法,并且用C语言编写出相应的计算机程序.     

一种面向结构化数据源的语义标注和挖掘方法

面对海量数据,结构化数据源作为一种新的知识表示和发布形式,可以提供更加精确和易于理解的语义.为了进一步发现和获取结构化数据源中的潜在知识,提出了一种新的语义标注和推理方法,用来挖掘隐含语义.具体而言,鉴于RDF已成为描述结构化数据源的主要工具,本文首先分析了RDF三元组中二元关系的语义属性,在此基础上设定了一系列语义标注和推理规则,并给出了一种通用的面向结构化数据源的语义增强型扩展方案.最后通过测试,验证了这种语义标注和挖掘方法的有效性.     

一种网络访问控制语义相容性推理规则自动生成技术

针对网络访问控制语义相容性本体推理规则编写繁琐、效率低且易出错的缺陷,提出了基于Lex&Yacc的访问控制语义相容性本体推理规则自动生成技术。分析了推理规则生成的相关技术,构建了推理规则生成算法,进行了算法的复杂度实验。实验结果表明,该算法能生成满足本体推理需要的推理规则,效率及正确性高。     

一种基于机器学习的推理系统的设计与应用

通用推理和验证系统利用正则匹配算法并引入机器学习算法,实现了智能化形式推理和验证平台,为构建智能系统提供了基本推理模型.将该系统应用于特定领域是重要的应用目标.通过扩充领域推理规则,该平台能够自动检查复杂的应用领域推理过程的完善性和正确性,为特定领域的推理提供了重要的自动检查手段.     

基于ID3算法的决策树研究与应用

在ID3算法的基础上,提出了一个在决策树各级节点上,以信息增益作为节点属性选择的标准,对每个非叶节点进行了测试类聚,并将例子集分成不同子集,实现了决策树创建和相应规则的生成新算法.实验结果表明该实现方法是正确和高效的.     

基于特定关系模式下函数依赖集的闭包的研究

通过实例研究,定义了一个特定的关系模式,并称它为传递依赖关系模式．在传递依赖关系模式下,得出了计算函数依赖集的闭包中函数依赖的个数的公式,并依照具体实例设计了计算函数依赖集的闭包中所有函数依赖的算法,在此算法中,设计了多种计算属性集所有子集的算法．     

概念格的一种并行构造算法

提出了概念格一种并行构造算法,将子概念格的节点按照内涵的升序排列,并定义了节点级的概念.在构造过程中,利用节点的级,不但可以减少比较判断的次数,不会生成多余节点,提高了概念格的构造效率,并且可以自上而下生成合并之后的概念格.     

基于闭包的最短路径改进算法及应用

介绍了传递闭包的Warshall算法,从矩阵自乘的角度给出了传递闭包Warshall算法的一种证明新思路,针对最短路径的求解问题,给出了一个基于闭包的改进算法,并对算法思想进行了分析,先利用列定向的传递闭包,再利用矩阵自乘求出最短路径矩阵,最后结合无向图连通分支问题,讨论了Warshall算法的应用.     

基于传递闭包的First集合的求解算法

介绍了求解First集合的传统算法和求解传递闭包的Warshall算法.针对Warshall算法进行改进,减少了整个运算过程的赋值环节.并把改进后的Warshall算法应用到First集合的求解算法中.与传统的First集合的求解算法相比,降低了时间复杂度,提高了运算效率.     

关联规则的并行挖掘算法

关联规则是数据挖掘的重要研究内容之一,而传统的串行算法已不能满足数据库空前发展的需求.本文提出了关联规则的并行挖掘算法,探讨了相关的数据结构,并对算法进行了定性分析.     

Adapting property path for polynomial-time evaluation and reasoning on semantic web

Property path is the latest navigational extension of the standard query language SPARQL 1.1 for the Semantic Web.However,in the existing SPARQL query systems which support property path,the query efficiency is very low and does not support reasoning.This paper proposes a new existential semantics which has polynomial-time evaluation complexity and an equivalent relationship with the current semantics,and transforms the property path expressions to the extended nested regular expressions based on the existential semantics and proves the semantic equivalence after the transformation considering the RDFS semantics.The property path query engine is achieved by implementing the nested regular expressions algorithm and the transformation rules from the property path expressions to the nested regular expressions,which maintains the syntax simplicity of property path and the goal-oriented polynomial-time reasoning to avoid computing the RDF graph closure.The experiment results not only show the characteristics of query engine based on the existential semantics in efficiency and reasoning,but also further validate the equivalence between the results based on current semantics and those based on the existential semantics for property path after the removal of duplicate values.     

基于并行FP-growth算法挖掘网上关联交易规则

发现关联规则是数据挖掘技术的重要任务之一。之前提出的绝大多数算法需要多次遍历数据库才能产生频繁项集,造成巨大的CPU和内存开销。根据网上交易数据海量的特点,提出了一种基于频繁模式增长(FP-growth)的并行算法。该算法可以在不产生候选集的基础上并行的挖掘海量数据。试验证明该算法可以缓解了项目数量巨大而内存不足的矛盾,减少了算法的执行时间。利用该算法对网上交易进行关联规则挖掘,发现了有价值的决策支持信息。     

基于扩展集合操作的关联规则生成算法研究

关联规则的挖掘分为两步，首先找出满足最小支持度要求的频繁项目集，然后根据频繁项目集生成满足最小置信度要求的关联规则集．目前对关联规则挖掘的研究主要集中在频繁项集的生成上，然而，作为整个关联规则挖掘的一部分，由频繁项集生成关联规则的算法也有待进一步研究和改进．本文首先对传统的集合操作进行了扩展，然后在扩展集合操作的基础上，提出了由已挖掘出的最大频繁项集生成关联规则的算法ARD-ES，并对算法的复杂度作了理论和实验上的分析．实验表明，ARD-ES算法随着事务数据库容量的增大，时间占用的攀升基本上是线性的，空间占用在某一定值上下波动．     

融合Apriori优化算法与Relim算法的抑郁症用药规律挖掘

为明确中医治疗抑郁症用药规律,融合Apriori优化算法与Relim算法,采用数据挖掘技术进行分析。针对传统Apriori算法频繁扫描数据库从而生成大量候选项集的缺点,改变其原有剪枝方式以减少扫描次数。将改进后的Apriori算法与无需产生候选项集的Relim算法就中医治疗抑郁症的方剂数据进行关联规则分析,并绘制两个算法时间效率图。结果发现,两种算法在挖掘药物频繁项集与关联规则的结果基本相同,通过分析发现,中医常以疏肝、理气、补肾、滋阴等药物为主治疗抑郁症。改进后的Apriori算法可降低数据库扫描次数,较传统Apriori算法运行效率有所提高,Relim算法在空间利用率和时间执行率上均略优于改进后的Apriori算法。两种算法挖掘结果体现出中医治疗抑郁症注重疏肝理气、补肾滋阴、调理气血等特点。基于关联规则的方法可作为中医用药规律分析的重要工具。     

基于项分组的频繁项集生成算法

关联规则挖掘用于发现大量数据中项集之间有趣的关联或相关联系，在关联规则挖掘过程中，频繁项集的产生是最重要的步骤。本文提出一种新的频繁项集生成算法，基于项分组的思想，利用矩阵来存储各项的频率信息．只需扫描数据库一次。由于对项进行了分组，充分利用了各个事务的重复信息，因此在项数很多时算法效率仍然较高，实践证明，这是一个高效的频繁项集生成算法。     

数据挖掘技术综述

在对数据仓库与数据挖掘的概念及数据挖掘的功用与分类进行介绍的基础上,阐述了串行关联规则算法和并行关联算法的目标与内容,详细分析了Apriori算法、神经网络、遗传算法等数据挖掘算法。     

Apriori算法的改进及其在试卷分析系统中的应用

Apriori算法是一种挖掘布尔型关联规则的典型算法。该算法在生成频繁项集时会有频繁的数据库扫描操作,并且在由低维频繁项集连接生成高维候选项集时,如果频繁项集维数过大,笛卡尔积后就会产生大量的候选项集,从而影响算法的效率。针对上述2个方面对Apriori算法进行改进,并将改进后的算法应用在试卷分析系统中。经过系统测试,改进后的算法具有较高的效率和较强的稳定性。     

试析语义蕴涵的基本特征

以逻辑语义学为视角,通过与语义预设、释义和实质蕴涵等的比较辨析,可重新厘清语义蕴涵的概念并概括它的基本特征,即:整体单向推出性、不可取消性、单一地转化为语用预设性、非保“真”性、传递性和显豁性。语义蕴涵理论脱胎于实质蕴涵理论,本质上是对实质蕴涵理论的应用。