基于Apriori的改进算法

关联规则的提取是数据挖掘中的重要研究内容,对关联规则提取中的Apriori算法进行了分析与研究,针对该算法的运算效率不高,对该算法进行了改进,提出了Apriori改进算法.Apriori改进算法采用二进制数据垂直表示方法,只用扫描事务数据库一次得到一阶大项集的二进制数据垂直表示.K阶候选项集的操作只要基于这个一阶大项集,而不需重复扫描数据库,从而提高了挖掘算法的效率.     

关联规则改进算法及应用

本文在Apriori算法基础上,提出了基于树型数据结构的关联规则改进算法。该算法只需对数据库进行一次检索,故能大量减少所需的I/O次数,提高系统运行效率。结合人力资源管理的实践,给出了改进算法在员工绩效评价中的应用实例。     

斜视聚束模式下的DCS算法

聚束SAR回波的多普勒带宽通常大于方位向采样率. 为避免方位频谱混叠,首先进行方位deramp消除频谱混叠,然后利用CS算法进行精确聚焦.在距离压缩前增加了距离频率3次和4次相位补偿,通过分析仿真结果发现该算法不仅能在大斜视下取得良好的聚焦图像,而且还能消除原DCS算法存在的距离压缩信号左右旁瓣不对称现象.基于斜视聚束模型,给出了一种改进的DCS算法的详细推导过程. 仿真结果表明,该算法可用于大斜视聚束SAR成像处理.     

改进的连通区域标记算法在人脸五官识别定位技术的应用

人脸的五官特征识别是人脸识别的关键技术,本文在原有连通区域标记算法基础上提出了一种改进算法,从而来实现对人脸目标器官的提取。该算法在一次人脸图像扫描中就可以完成所有连通区域的标记,避免了大多数改进算法都必须处理的重复标记的问题,从而提高了标记效率;同时,该算法不受所标记的图形形状的影响。仿真实验表明,该改进算法具有较高效率和较强的鲁棒性。     

基于改进跟随蜂搜索过程的ABC算法

研究了一种求解作业车间调度问题的改进人工蜂群算法.在分析了蜂群算法在车间调度问题应用现状的基础上,指出了蜂群算法的优势和不足.针对蜂群算法在邻域搜索能力上的不足,利用模拟退火算法改进跟随蜂的邻域搜索过程,提高了算法搜索范围和收敛性.采用车间调度标准算例,通过仿真实验与其它算法进行比较,验证了算法的有效性和优越性.     

一种区间可变的改进直方图均衡化算法研究

提出了一种区间可变的改进直方图均衡化算法,给出了相应的理论公式与计算处理步骤.实验结果表明,改进算法消除了传统算法处理图像带来的高亮、不自然、高亮细节丢失等现象,同时还表明了改进算法比传统算法具有很大的灵活性.     

改进的基于网格存储资源分配算法研究

主要研究了网络资源分配问题.资源分配是存储网格研究领域中的一个重要问题.本文在局域存储网格资源分配问题借鉴伙伴算法的基础上提出了一种改进的算法.改进的算法在满足用户需求的前提下,有效地提高了存储网格资源的利用率,减小了碎片的概率.     

改进的蚁群算法在物流配送路径问题中的应用

物流配送路径优化是近年来物流领域的重点研究问题.本文针对传统Dijkstra算法在处理结点数较多的应用时存在计算时间和存储空间较大的问题,提出了一种基于改进的蚁群算法的物流配送路径优化算法,构建了物流配送的优化模型,阐述了改进的蚁群算法在物流配送路径优化中的实现.实验结果表明,本算法在物流配送路径优化中是行之有效的.     

改进的分类算法在高职学生就业分析中的应用

面对日益严峻的高校就业问题,本文采用决策树ID3算法进行分析,并在此过程中提出了用信息增益度优化算法,最后用我系第一届学生的就业数据对原算法及改进算法进行了实验比较.结果表明,改进后的算法在高职学生就业分析中是有效的、可行的.     

遗传算法与蚂蚁算法的融合在神经网络中的研究

为了克服和改进传统BP算法的不足,发挥神经网络、遗传算法和蚂蚁算法各自的优势,本文提出了一种遗传算法和蚂蚁算法的融合在神经网络中二次训练的方法,并将融合算法应用于神经网络的权值训练中,采用遗传算法生成信息素分布,同时利用蚂蚁算法求精确解,并用神经网络二次训练得到最终结果,优势互补,获得了一种优化性能与时间性能共赢的有效算法。     

日像仪干涉阵结构优化的加速压力算法

提出的加速压力算法是对Boone压力算法在解的质量和收敛速度两方面的改进,通过一次移动天线阵,可以完全消除阵元数目个uv采样点处的残差,使得每次迭代的uv分布修正量最大,从而不仅达到减小计算量的目的,而且使优化结果更加逼近理想模型.通过ALMA阵结构的优化与原有算法做了对比,验证了算法的有效性和高效性.最后,给出了中国国家天文台正在建设的日像仪干涉阵结构的仿真结果     

一种模糊关联规则挖掘算法的设计

设计了一种模糊关联规则挖掘算法——F-Apriori算法.在设计了支持度和置信度计算方法的基础上,该算法采用改进的Apriorl算法挖掘数值属性的关联规则.实验结果表明,算法在规则生成方面显示了良好的性能.     

基于改进C-W节约算法的成品油二次配送优化研究

成品油二次配送是成品油销售的重要环节,配送中心要实现最经济、最快速的多客户需求响应,就需要对路线、车辆、载重、时间窗等要素进行合理优化。文章针对成品油配送的特点,构造了具有载重、时间窗、访问机制等约束条件限制的调度优化模型,运用AK算法思想对传统C-W节约算法进行了改进,算例验证表明了改进算法的优越性。最后,对空车驰返问题进行了绕点折返优化,使模型得以更加完善。进一步的算例验证结果显示改进模型在成品油二次配送优化中效果极好。     

蚁群爬山法的并行化改进

介绍了蚁群爬山法(ACH)的基本原理和方法,分析了该算法存在的不足之处,提出了针对这种算法的并行化改进方案,从整体性能和局部性能上都进行了良好的并行改进处理.改进后的算法有较强的并行化能力,实现了很好的负载平衡,并且在很大程度上减少了计算量和网络通信量,提高了算法的效率,可广泛应用于对海量数据的挖掘和处理.     

一种改进蚂蚁算法在TSP问题中的应用

蚂蚁算法是一种模仿蚂蚁群体行为的智能化算法.正反馈机制是蚂蚁算法的特点,它使得蚂蚁算法能够较快收敛到问题的最优解,但同时也是蚂蚁算法的缺陷,它使得蚂蚁算法容易陷入局部最优解.ACS和MMAS是两种典型的改进蚂蚁算法,通过引入伪随机概率选择规则和信息素最大、最小限制规则来加快蚂蚁算法收敛速度同时避免陷入局部最优解.目前,针对启发信息的影响进行改进的蚂蚁算法还没有.提出一种基于方向启发信息的改进蚂蚁算法,为蚂蚁算法的改进研究提供了新的思路.     

TSP问题的蚁群算法模型及仿真研究

蚁群算法是一种新型高效的启发式优化算法,在解决优化组合问题特别是TSP求解问题上具有很高效率.本文在分析了蚁群算法的基本原理和工作机制的基础上,从信息素的更新改进实现对节点重复率的控制,并通过仿真实验实现相关参数的最优选择.实验证明,改进算法可以有效地减少蚂蚁行走的盲目性,提高了蚁群算法在迭代过程中更新TSP最优解的能力.     

基于一次判断双字符比较的模式匹配算法

针对模式匹配中的单模式匹配算法,分析了其中性能较高的QS算法及其改进算法BMH2C算法的,结合QS算法和BMH2C算法,提出了一种改进的QS算法—基于一次判断双字符比较的模式匹配算法(SJDC算法),增大了匹配失败时的右移量,提高了匹配速度。本文最后对此算法利用不同的模式串进行了实验仿真,仿真结果表明,此算法有效地减少了模式串移动的次数,提高了模式匹配性能。     

基于Alopex改进的粒子群优化算法

粒子群算法是一种进化计算技术,但容易陷入局部极小点.提出了一种利用Alopex算法改进的粒子群优化算法,改进的粒子群优化算法改善了粒子群优化算法摆脱局部极小点的能力,对典型函数的测试表明:改进算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题.     

下一代无线局域网中LDPC译码算法研究

详细分析了下一代无线局域网IEEE802.11ac中LCPC码的编码过程.研究了BP译码算法、Log-BP算法与MS译码算法,同时研究了改进的MS算法.搭建IEEE802.11ac系统MATLAB测试链路,经过蒙特卡洛仿真进行误码率统计,从性能和复杂度方面进行权衡,改进的MS算法更适合ASIC实现.     

WLAN网络容量的研究

介绍了一些改进网络容量的算法,详细论述了使用TRP(tetherless relay points)来提高WLAN在特殊环境下的吞吐量的方法,并对算法作出改进.