构造哈夫曼树算法的实现

树型结构是数据结构中最为重要的一种类型,在计算机科学中的应用很广.哈夫曼树又称最优二叉树,是带权路径长度最小的二叉树,可以用来构造最优编码,用于信息传输、数据压缩等方面,是一种应用广泛的二叉树.本文介绍了采用静态三叉链表存储哈夫曼树的构造算法思想与实现,并对算法做了必要的分析.     

数据挖掘关联规则Apriori算法的优化

关联规则挖掘研究是数据挖掘研究的一项重要的内容.Apriori算法是挖掘关联规则的经典算法,但存在一些不足之处.本文在Apriori算法基础上,提出了基于链表数据结构的关联规则改进算法.由于该算法只需对交易数据库进行一次检索,故能大量减少所需的I/O次数,提高了系统的性能.     

基于PrefixSpan思想的增量时序模式挖掘算法

基于PrefixSpan思想的序列模式增量挖掘算法,对更新数据库的频繁模式分三类进行挖掘,利用了原频繁模式基的信息,对局部新增数据进行挖掘,只在候选集的处理中对更新数据库扫描一次。实验表明,该方法与直接用PrefixSpan算法对更新数据库挖掘相比,性能上有较大的提高。     

闭合序列模式的删减更新算法

目前,已经有很多针对数据挖掘更新算法的研究,但大部分的更新算法都只是考虑事务数据库增量更新的情况.实际上,事务数据库数据还存在数据删减的更新问题,为了解决这类问题,提出了一种基于闭合序列模式的更新算法DeCloSpan,该算法对已有的挖掘结果直接进行删减更新,避免了重复挖掘.     

一种新的二叉链表的打印算法

二叉链表有一个致命的缺点,即不容易显示到屏幕上。对传统的二叉树遍历算法进行改进,解决了二叉链表的输出问题,使数据结构中树的逻辑结构显示得以实现。并进而揭示出树的输出结果与逻辑结构间的几何关系。     

计算机科学中链表的使用

链表是计算机专业教学中的一项“缝隙知识”,容易成为学生学习专业基础课程的一个难点,要学好这个难点,首先要了解并熟悉链表的基本操作。同时,链表也是计算机科学中很有价值的一项知识,其应用范围很广,可用于描述数据结构中堆栈、队列、串、树等结构及算法,也可用于描述操作系统中的进程排列等内容。虽然它和数组都是存储结构,但具有许多数组所不具备的优点。如:离散且动态的空间分配以及复杂的数据结构的构造等。     

一种改进的关联规则挖掘方法

从大量事务记录中发现有意义的关联规则，可以帮助做出许多商务决策，如分类设计、交叉购物，从而提高销售额度和利润．一种基于链表族数据结构的关联规则挖掘的改进方法，性能明显优于Apriori算法．由于该方法只需访问数据库一次，时于挖掘海量数据其性能尤为明显．     

基于FP-Growth算法构造批量增量的FP-tree

提出了一种利用FP树表示增量数据库,然后进行增量挖掘的方法,即IA_FP-Growth算法.算法重构和合并两个小的时间上连续的FP树,以获得由FP-Growth算法生成的FP树.与其他从数据库读取事务的顺序增量算法不同,IA_FP-Growth算法使用原FP-tree作为预处理数据库来获取项目集,因此其花费较少的时间来构建新的增量FP-tree项目.实验结果表明,随着数据库大小的增加,IA_FP-Growth的运行时间的增加要少得多,而且与其他算法比较也是最少的.     

多数据流的频繁模式挖掘算法研究

提出一种多数据流频繁模式挖掘算法Multiple Data Stream Mining(MDSM).MDSM算法用Multiple Frequent Pattern Tree(MFP-Tree)结构来存储多数据流中的频繁项集和潜在的频繁项集,并通过增量更新的方式高效地挖掘多数据流中的协同频繁模式和比较频繁模式.通过理论分析和实验证明其可行性.     

双向链表的难点探析

链表是数据结构中最重要的存储结构,由于双向链表与单链表相类似,许多教科书均一笔带过,更增加了其学习难度;通过对双向链表的难点和易错点的归纳,结合单、双链表插入结点操作的内在规律,并利用指针修改顺序示意图的直观展示,详细分析了破解双向链表难点的技巧与方法.     

基于PCA的决策树优化算法

为了改善传统ID3算法在分类属性选择上存在多值偏向性的不足,提出基于PCA的决策树优化算法。在普通基于PCA 的决策树改进算法中,存在数据经降维处理后代表性不强的问题,导致算法需经过多次数据运行后,准确率才能小幅提升。在ID3算法基础上,在分类前两次提取属性特征值,并计算了需要分类的数据量,也即对原始数据进行最重要的属性选择。在子树建立之后,再进行数据的降维合并选择。采用UCI数据库中的3个数据集对改进算法进行验证,结果表明改进算法的平均准确率达到94.6%,相比传统ID3算法与普通PCA决策树优化算法分别提升了1.6%和0.6%。因此,基于PCA的决策树算法能在一定程度上提升结果准确率,具备一定的应用价值。     

CTW无损压缩算法在管道无损检测中的应用

超声和漏磁无损检测方法是目前输油管道常用的安全检测方法,然而其检测数据庞大,必须对数据进行压缩。介绍了一种基于CTW(context tree weight)的无损压缩算法,该算法采用了新的更低冗余度的概率估算法,具有速度快和抗差错能力强等特点,将该算法应用于输油管道超声和漏磁方法无损检测实验数据的无损压缩,得到了较高的压缩率,与LZW(lempel ziv welch)无损压缩算法相比获得了更高的压缩率。     

基于粗糙集正域的医疗决策表约简算法

医学数据通常属性较多,这在很大程度上限制了信息系统对医疗数据的挖掘效率。通过分析粗糙集正域的相关思想,结合医学领域数据的特点,提出一种基于粗糙集正域的医疗决策表约简算法,并将其应用在医学诊断中。通过实例验证了该算法在医疗决策表约简中的正确性和有效性,具有一定的实用价值。     

一种新的排序学习算法

为了克服排序学习算法不能处理包括名词性特征的复杂数据类型的局限性,设计一种新的排序学习算法.在决策树学习算法中,采用新的等级不纯度定义,修改决策树的分裂规则,得到具有直观解释的排序算法,并给出了相关理论基础.实验结果表明:排序树的平均等级损失明显优于感知机类算法和序回归类算法,且具有较快的收敛速度.基于决策树的排序学习算法,可以处理名词性数据和选择相关的特征.     

改进决策树算法在水环境质量评价中的应用

根据淮河某流域连续三年来的水质监测数据,结合用户兴趣度和MID3算法对ID3决策树算法进行改进,并将改进的决策树算法运用于水质评价,建立了淮河某流域水质量评价模型,实现了对水环境质量的评估和决策支持。实验结果表明,改进算法所建立的决策树精确度高、树型结构简单,生成的规则简便、准确,更加符合实际情况,对水环境质量可以作出更为客观、合理的评价,具有一定的实用价值。     

决策树ID3算法分析及改进

决策树通过对获取的样本数据属性使用信息论知识原理进行解析和归纳,最终形成类似于流程图的树型结构形式。ID3算法是典型采用贪心算法的归纳学习算法,其使用递归方式采用贪心算法来生成决策树。与其他分类技术算法比较,ID3算法有着自己的优势,但在实际应用中,采用决策树ID3算法进行分类时,需要先对数据进行一些处理或改进。     

基于不确定数据决策树分类算法的软件外包评价模型

经典决策树算法不能处理树构建和分类过程中的不确定数据,针对这一局限,提出基于概率分布的方法,把决策树分类技术扩展到含有不确定数据的环境中。然后,针对软件外包评价中普遍存在着不确定数据,应用决策树分类方法,对软件外包公司进行客观评价。实验表明,本文提出的基于不确定数据的决策树分类算法能够实现对软件外包评价的定量研究。     

Blocking optimized SIMD tree search on modern processors

Tree search is a widely used fundamental algorithm. Modern processors provide tremendous computing power by integrating multiple cores, each with a vector processing unit. This paper reviews some studies on exploiting single instruction multiple date (SIMD) capacity of processors to improve the performance of tree search, and proposes several improvement methods on reported SIMD tree search algorithms. Based on blocking tree structure, blocking for memory alignment and dynamic blocking prefetch are proposed to optimize the overhead of memory access. Furthermore, as a way of non-linear loop unrolling, the search branch unwinding shows that the number of branches can exceed the data width of SIMD instructions in the SIMD search algorithm. The experiments suggest that blocking optimized SIMD tree search algorithm can achieve 1.6 times response speed faster than the un-optimized algorithm.     

基于改进哈夫曼编码的数据压缩方法研究

作为一种无损压缩编码方法,哈夫曼编码在数据压缩中具有重要的应用。经典的哈夫曼编码是在构造哈夫曼的基础上自下而上进行的,通过分析哈夫曼算法的思想,给出了一种改进的哈夫曼数据压缩算法。该算法利用队列结构,从哈夫曼的根节点出发,向叶子节点进行编码,在编码过程中仅将哈夫曼树的每个叶子节点进行一次扫描便可以得到各个叶子节点的哈夫曼编码。实验表明,改进算法不仅压缩率高于以往算法,而且保证了最终生成的压缩文件的安全性。     

分类决策树在交通事故成因分析中的应用

交通事故的形成常涉及多种因素,如驾驶人本身、车辆、环境等.以数据挖掘技术中的ID3分类决策树算法对交通事故数据进行分析和研究,得出蕴含在数据中的有益模式,决策树构造结果显示,分类决策树应用于交通事故成因分析中具有可行性与有效性.