基于矩阵方法优化Apriori算法

通过分析、研究该算法的基本思想,提出了算法的一些改进,并利用矩阵方法和数据库建立联系,更直观、更有效地提高关联规则的效率.     

分布式水循环模型的参数优化算法比较及应用

分布式水文模型的优势在于还原水文过程的时空变异性,可以很好地模拟和反映各种水文要素和下垫面因素的时空分布不均匀性。由此也导致模型参数过多,在子流域过多的情况下,人工调节参数繁琐复杂,应用优化算法实现参数自动调节成为首选。本文选取石羊河流域九条岭站1988-2005年实测径流资料,分别应用SCE-UA算法、遗传算法(GA)和粒子群算法(PSO)对分布式水循环模型(时变增益模型)进行参数率定,对比3种算法的收敛速度、所需迭代次数和算法稳定性。结果表明:通过SCE-UA、GA和PSO的优化,模型水平衡系数都控制在0.0左右,而相关系数和效率系数分别能达到0.90和0.84以上,模拟精度较好。但粒子群算法的全局搜索能力和收敛速度优于SCE-UA和遗传算法,所需迭代次数最少,初值敏感性小,更适合时变增益模型的参数寻优,有很高的扩展性和改进潜力。     

关联规则中Apriori算法的研究与优化

在研究和剖析关联Apriori算法的基础上,针对Apriori算法中的瓶颈,提出了一种优化算法,从算法的计数、连接和减枝等方面进行优化,快速搜索频繁项集,从而提升算法效率.     

基于动态置信度优化Apriori算法的旅游市场决策模型

针对标准Apriori算法在旅游市场数据规则挖掘的应用中还存在运算时间长、规则挖掘效果不好等问题。本文提出了一种基于动态置信和事务数据库优化的数据挖掘模型,首先采用贝叶斯算法对数据项进行预估,得到动态的置信度,然后采用m-estimate加以优化,从而让该分类能够更为精确地做出其适当的分类,最后用矩阵的形式来代替事务数据库,并通过这一方法来提高算法的运行效率。另外针对这一模型进行了仿真实验,结果发现,本文设计的经过改进的Apriori算法在挖掘市场数据的时候具有更好的性能。     

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.     

分布式电源的配电网规划与优化运行

目前在我国积极开展清洁能源的基础上,我国分布式电源规划的规模逐渐进行扩大,并且城市发展的过程中已经是越来越多的分布式电源被接入到其中,为城市的配电系统发展带来一定的影响。在对配网进行建设中需要对其分布式电源的接入情况作出合理的分析,只有保证规划的有效性,才可以对配网系统的安全性进行提升,加强配网运行时的可靠性。所以本文主要分析的就是如何提高分布式电源的配电网规划以及优化运行,进而提出以下内容,希望能够为同行业工作人员提供相应的参考价值。     

一种改进的Apriori算法

关联规则挖掘是数据挖掘研究领域中的一个重要任务,旨在挖掘事务数据库中有趣的关联。Apriori算法是关联规则挖掘中的经典算法。然而Apriori算法存在着产生候选项目集效率低和频繁扫描数据等缺点。提出了一种新的Apriori的改进算法,该算法在生成k(k>1)项频繁集时,不需要重新扫描数据库,只是在生成1项频集时,才需要扫描事务数据库,有效地减少了对事务数据库的读操作,在时间复杂度上较经典的Apriori算法有更加优越的性能。     

分布式电源的配电网规划与优化运行研究

分布式电源(DG)主要指的是没有与集中输电系统相连的低电压等级独立电源,其电能产生形式包含了利用风能、利用太阳能等。本文首先对分布式电源配网规划的影响进行分析,然后提出一种双层规划的方法,进而对含分布式电源配电网的优化运行作出研究。     

多状态下分布式能源运行在线监测方法研究

传统的分布式能源运行在线监测方法对于高维非线性数据,存在判别数据能力较差,采集时容易出现数据混淆现象.为此,设计多状态下分布式能源运行在线监测方法.利用Labview提供的选项卡控件采集分布式能源运行数据,通过构造的最优分类面分类处理运行数据样本,确定合适的核函数,使线性决策函数保持稳定,分类完成后,通过选项卡控制分布式能源运行参数监测界面完成监测.测试结果表明:对于高维非线性数据,与传统的监测方法相比,该监测方法不同的数据区域之间没有出现交集,未发生数据混淆现象,数据判别能力较强,适合应用在分布式能源运行在线监测中.     

供应链销售管理PSO算法的分布式优化

针对传统粒子群算法在供应链销售管理的应用中表现出收敛性不佳的问题,本文提出了一种基于分布式优化粒子群算法的供应链销售管理模型,首先将免疫算法中繁殖策略与基本粒子群算法相结合,保持种群的多样性,然后引入变异操作并结合神经网络中的Sigmoid型函数对粒子群算法的特征子集进行了优化,最后采用最优化学习策略在算法陷入局部最优时跳出来。仿真试验结果表明,本文提出基于分布式优化粒子群算法的供应链销售管理模型,在收敛性能上远远优于标准粒子群算法。     

城市轨道交通站点设置优化模型

根据城市人口空间分布模型，分别建立了一维和二维情况下城市轨道交通网络的站点间距设置优化模型，讨论了该模型的解法，并给出了相关结论。     

分布式查询优化算法及对SDD-1算法的改进

针对分布式数据库系统的查询优化，讲述三个典型的算法：INGRES算法、System R*算法、SDD-1算法，并进行对比、优化、总结。最后对SDD-1算法进行改进。INGRES算法是应用于分布的INGRES系统中，而分布的INGRES是美国加州大学伯克利分校研制的INGRES的分布式后继；System R*算法是IBM圣约瑟研究实验室研制的System R的分布式后继，它主要应用于所研究的这个系统中；SDD-1算法采用半连接程序处理连接操作，无连接与分片，以现有的Datacomputer数据库管理系统为基础。     

基于多源动态交通信息的城市区域交通状态判别模型

随着城市化进程的加快,以拥堵、事故、环境污染为代表的城市交通问题日益突出,城市交通管理愈发困难。先进的交通控制系统和交通诱导系统是缓解上述问题的有效途径,其宏观策略的制定需要大区域交通状态数据作为支持,目前交通状态判别算法均针对微观路口或路段,不能简单移植于区域交通状态的判别。本文从区域交通状态判别的信息需求分析出发,确定用于状态判别的基础交通参数种类,给出基于多源动态交通信息的路段平均车速及路口排队长度参数获取方法,最后建立基于聚类分析的区域交通运行状态判断模型,仿真验证模型的有效性。     

电厂AVC自动电压控制系统运行状态优化

通过分析宁夏马莲台电厂AVC自动电压控制系统的运行情况,找出影响AVC调节合格率的因素有设备通讯问题、系统配置问题等。进而分析各因素的根本原因,并通过优化系统配置、改善硬件性能及解决外部连接等方法优化了AVC系统的运行状态,提高了AVC系统的调节合格率。     

浅析变电运行设备的状态检修流程优化

开展变电设备状态检修工作的核心是确定设备的状态,状态的确定又必须建立在夯实的基础信息基础之上。     

城市给水管网优化运行模型的探讨

随着经济的不断发展,城市化速度逐渐加快,而对城市相关的设施的建设也越来越重要,而别是城市的给水设施的完善。那么我们就对关于城市给谁的水管网的优化问题进行探讨,并对他的模型进行分析。这一模型的建立,主要是为了,为配水的体统提供供水汞、水池等的运行的策略。现在我国很多城市中,还没有建设调节的水池,都只是采用水泵供水的形式。为了改变这种现状我们要提出相应的办法来解决,那么本文就对这个问题进行简单的介绍。     

基于关联规则的Apriori挖掘算法改进

关联规则挖掘是-种主要的也是用途最广的数掘挖掘方法.本文首先对关联规则挖掘及其经典Apriori算法作了介绍,然后针对Apriori算法的缺陷,提出了一种改进的关联规则挖掘算法,充分地证明了改进算法的性能优势.     

数据挖掘中一种改进的Apriori算法

关联规则挖掘是数据挖掘领域中的一个非常重要的研究内容,其主要目标就是发现数据库中一组对象之间某种关联。频繁项集挖掘是关联规则挖掘的关键步骤,它在很大程度上决定了关联规则挖掘的效率。介绍了Apriori算法及其算法改进。该改进算法对剪枝步进行了优化,提高了连接效率,并且不断减小数据库的规模,去掉无效事务,减少了每次扫描数据库所花费的时间,提高了算法效率。经过试验论证,性能比原有算法提高,具有一定的实用性。     

基于Apriori算法的高校教学评价数据挖掘

高校在教学和管理中积累了大量的数据,本文把数据挖掘技术中的关联规则挖掘算法Apriori应用于教学评价中,通过对这些数据分析,找到高校教师的教学效果与教师的年龄、职称、学历等相关.     

基于Apriori算法的Weka数据挖掘应用

Weka工作平台拥有一个进行数据挖掘任务的图形用户界面和可视工具。文中针对具体实例,就Apriori算法使用weka加以详细阐述。