Web挖掘的关联规则优化算法

对Apriori算法进行优化,提出了一种Z_Apriori算法。该算法在首次产生频繁项集时,扫描数据库并通过二进制编码串记录每个项目在事务里是否出现过,在每次进行计算迭代过程中无需再对数据库进行扫描,避免了对数据库的重复扫描,在系统性能和效率上较经典的Apriori算法有一定的改善。     

改进的关联规则算法及其应用

根据数据挖掘中关联规则的性质以及高校成绩管理数据库的自身特点,在经典关联规则算法Apriori算法的基础上提出了一种改进的算法A 算法,并利用该算法对学生成绩管理数据库进行了关联规则挖掘,得到了隐含在数据库中的有用信息。     

改进的关联规则增量式更新算法

发现频繁项集是数据挖掘应用中的关键问题,发现过程的高花费要求对增量数据挖掘算法进行深入研究.考虑保持最小支持度不变,一个事务数据集d动态的添加到事务数据库D中时,利用基于矩阵的MFUP(Matrix_Fast_Update)算法生成事务数据库D U d中的频繁项集.     

改进的关联规则算法及其应用

根据数据挖掘中关联规则的性质以及高校成绩管理数据库的自身特点，在经典关联规则算法Apriori算法的基础上提出了一种改进的算法——A＋＋算法，并利用该算法对学生成绩管理数据库进行了关联规则挖掘，得到了隐含在数据库中的有用信息．     

一种改进型DRNN神经网络自学习PID控制

本文针对多变量耦合系统,采用DRNN神经网络对PID控制器参数进行自学习,提出了将学习因子在学习过程中进行动态调整,与传统DRNN神经网络自学习PID控制整定结果进行比较,使用matlab进行仿真,仿真结果表明,学习因子动态调整后的参数结果在超调量、调节时间、稳态性能上明显优于传统DRNN算法。     

计算机算法教学动态演示系统设计与实现

计算机算法是学习计算机语言的基础。计算机算法教学动态演示系统,将视频、图片、声音和文字等媒体合为一体综合利用,将算法过程用多媒体技术进行动态演示,把抽象的理论知识形象化,静态教学转变成动态教学。系统的使用,提高了学生学习算法的兴趣,加深了对算法的理解。     

基于改进堆叠独立子空间分析模型的行为识别

视觉特征提取与特征表达方法在图像分类及识别中十分重要,从特征学习和特征表达角度出发,提出一种基于改进堆叠独立子空间分析模型提取特征的行为识别算法。首先采用两层独立子空间神经网络构建堆叠网络,在特征学习过程中融入正则化约束项,并结合时空卷积算法,获取视频时空层次化不变性特征基元;然后以堆叠卷积网络两层特征基元的非线性映射获取一种规则网格划分下的视频块状局部特征描述符;最后结合时空金字塔匹配模型构建时空层次特征,采用一对多支持向量机分类方法对视频中的动作进行分类。在KTH视频数据库中进行实验。结果表明,该算法学习到的特征基元可对视频构建低维高效的特征描述符,与现有多种行为识别算法进行对比,改进行为识别算法有效性进一步提高。     

知识可视化与学习进度可视化在LMS中的技术实现

网络课程的快速发展已经为学习者提供了充足的学习资源,如果允许一线教师在LMS中动态地创建知识地图并利用知识地图管理、组织学习资源,并及时地向学习者反馈其学习进度,无疑对更好地呈现知识体系、避免知识迷航、促进有意义建构具有重要意义.该研究探索了利用LMS绘制知识地图的一般算法,为一线教师在线组织学习资源提供支持,并根据学习者对知识点的掌握情况,对知识地图中的知识点加注标记,为学习者及时地了解自己的学习进度提供帮助.为保证算法的有效性,作者在自己的LMS中对算法进行了验证,并根据应用情况做了进一步优化,提高了算法的并发处理能力.研究证实,集成于LMS中的知识地图和进度可视化算法,对于提高LMS的效用和提升学习者的学习效率,都具有一定的价值.     

动态系统中粒子群优化算法综述

粒子群算法是一种群智能随机优化算法,通过粒子间的合作与竞争,寻找优化问题极值,目前被广泛应用于动态优化问题的求解中。对动态系统中粒子群优化算法进行研究,介绍了粒子群算法基本原理、动态系统分类,以及两种动态优化问题的具体表达形式,并阐述了粒子群算法在动态系统中的3种优化方法及其应用。     

一种改进的关联规则Apriori挖掘算法

针对Apriori算法多次扫描事务数据库且产生庞大的候选集性能瓶颈,本文提出了Apriori算法的优化算法。该算法利用频繁项集产生时需要自身连接的特征,在连接前对频繁项集依据支持度由小到大进行排序,从而优化连接策略,并将其运用到描述事务数据库的布尔矩阵中。经实验证明,该算法随着事务数据库规模的扩大,较Apriori算法有明显的优越性。     

论机器学习

机器学习是一门人工智能的科学,同时也是实现人工智能的一个重要途径。相应地,机器学习的研究目的有两个：一是用于提高机器人的性能;二是从数据库中发现新的知识。机器学习的研究队伍可以分为两个科学共同体：一个群体用于分类算法的改进;另一个群体主要进行从事计算学习理论的分析。     

论机器学习

机器学习是一门人工智能的科学,同时也是实现人工智能的一个重要途径。相应地,机器学习的研究目的有两个:一是用于提高机器人的性能;二是从数据库中发现新的知识。机器学习的研究队伍可以分为两个科学共同体:一个群体用于分类算法的改进;另一个群体主要进行从事计算学习理论的分析。     

The impact of three‐dimensional computational modeling on student understanding of astronomy concepts: a qualitative analysis

In this study, we explore an alternate mode for teaching and learning the dynamic, three‐dimensional (3D) relationships that are central to understanding astronomical concepts. To this end, we implemented an innovative undergraduate course in which we used inexpensive computer modeling tools. As the second of a two‐paper series, this report focuses on the qualitative differences of students' understandings of both spatial and declarative knowledge domains as reflected by their two distinct learning environments — a traditional astronomy classroom and an experimental astronomy course grounded in problem‐solving and modeling with dynamic, 3D, computational modeling software. We found that students who constructed 3D computational models tended to have a more scientifically sophisticated understanding of dynamic spatial relationships, whereas students in the traditional class developed more accurate understandings of the properties and general facts and figures regarding celestial bodies.     

The Application of Multiobjective Evolutionary Algorithms to an Educational Computational Model of Science Information Processing: a Computational Experiment in Science Education

Conflicting explanations and unrelated information in science classrooms increase cognitive load and decrease efficiency in learning. This reduced efficiency ultimately limits one’s ability to solve reasoning problems in the science. In reasoning, it is the ability of students to sift through and identify critical pieces of information that is of paramount importance in science and learning. Unfortunately, the ability to accomplish the identification of critical ideas is not one that develops without practice and assistance form teachers or tutors in the classroom. The purpose of this paper is to examine how the application of an evolutionary algorithm works within a cognitive computational model to solve problems in the science classroom and simulate human reasoning for research purposes. The research question is: does the combination of optimization algorithms and cognitive computational algorithms successfully mimic biological teaching and learning systems in the science classroom? Within this computational study, the author outlines and simulates the effects of teaching and learning on the ability of a “virtual” student to solve a science task. Using the STAC-M computational model the author completes a computational experiment that examines the role of cognitive retraining on student learning. The author also discusses the important limitations of this powerful new tool.     

具有动态学习能力的分层进化粒子群优化算法

针对粒子群算法(PSO)在优化高维多极值问题时容易陷入局部极值的问题,结合分层进化与动态学习策略,提出一种具有动态学习能力的分层进化粒子群优化算法(DHEPSO).该算法首先根据粒子适应度值将粒子划分为不同层级,对不同层级粒子采取不同的进化策略,避免迭代后期种群多样性快速消失;然后根据粒子所属层级的不同动态调整粒子学习...     

国外 K-12 阶段计算思维培养路径发展综述

回顾国外 K-12 阶段计算思维教学相关实证研究,并在此基础上探讨计算思维教育研究前景。采用关键词检索对网络数据库进行系统检索,共收录 34 篇 SSCL 期刊实证类论文。研究考察因素包括参与者年级或年龄、样本组、教学策略、教学工具、编程语言、研究内容。研究结果表明,相关研究内容可归为 4 个主题：采用某个软件或课程培养学生计算思维、以提升吸引力为主的可视化少儿编程课程、开发量表或工具评价计算思维、从变量角度分析计算思维技能组成部分。     

Value reduction algorithm in rough sets based on association rules support

Aiming at value reduction, a sort of RSVR algorithm was presented based on support in association rules via Apriori algorithm. A more effective reduction table can be obtained by deleting those rules with less support according to least support—minsup. The reduction feasibility of this algorithm was achieved by reducing the given decision table. Testing by UCI machine learning database and comparing this algorithm with least value reduction algorithm indicate the validity of RSVR algorithm.     

An extended discrete particle swarm optimization algorithm for the dynamic facility layout problem

We extended an improved version of the discrete particle swarm optimization （DPSO） algorithm proposed by Liao et al.（2007） to solve the dynamic facility layout problem （DFLP）. A computational study was performed with the existing heuristic algorithms, including the dynamic programming （DP）, genetic algorithm （GA）, simulated annealing （SA）, hybrid ant system （HAS）, hybrid simulated annealing （SA-EG）, hybrid genetic algorithms （NLGA and CONGA）. The proposed DPSO algorithm, SA, HAS, GA, DP, SA-EG, NLGA, and CONGA obtained the best solutions for 33, 24, 20, 10, 12, 20, 5, and 2 of the 48 problems from （Balakrishnan and Cheng, 2000）, respectively. These results show that the DPSO is very effective in dealing with the DFLP. The extended DPSO also has very good computational efficiency when the problem size increases.     

基于深度学习的手势识别研究

目前一些相对成熟的手势识别算法,如基于模板匹配的方法、基于人工神经网络的方法以及基于隐马尔科夫模型的方法,都存在计算复杂的劣势,而基于深度学习的手势识别具有一定优势。通过深度学习提取多层网络简化的高价值易用特征,通过向量等表示,简化算法以实现良好的识别效果。通过摄像头采集室内复杂背景下的手势图像,在计算能力、存储能力强大的PC平台通过深度学习处理图像,提取特征,然后进行分类识别,能提高识别准确率。通过改进硬件或算法还可提高识别效率及安全性。     

BP算法的并行实现与设计

为了提高BP算法的学习效率,减少学习时间,采用共写共读(CRCw)规则实现BP算法的并行计算,并对现有的BP算法进行改进,修改动态因子,选择合适的隐藏层个数和修改输出误差函数.经过时间复杂度的分析可以在时间复杂度为O(N),花费为O(N~2)内完成BP计算.