一种利用逻辑"与"运算挖掘频繁项集的算法

在挖掘关联规则的过程中,关键步骤是产生频繁项集。文中利用逻辑与运算并建立频繁项集支持矩阵,提出一种有效的频繁项集挖掘算法—LA。算法利用逻辑与运算挖掘频繁项集,不产生候选项集,且只需扫描数据库一次,所以此算法是非常有效的。     

一种利用逻辑“与”运算挖掘频繁项集的算法

在挖掘关联规则的过程中，关键步骤是产生频繁项集。文中利用逻辑与运算并建立频繁项集支持矩阵，提出一种有效的频繁项集挖掘算法-LA。算法利用逻辑与运算挖掘频繁项集，不产生候选项集，且只需扫描数据库一次，所以此算法是非常有效的。     

基于单次扫描无构造调节的频繁模式挖掘算法

研究频繁项集模式挖掘优化问题。传统的挖掘算法常产生大规模的候选项集,并且反复扫描数据库,导致频繁项集挖掘时间过长,空间效率太低。为了改进频繁项集挖掘时时间与空间效率低的问题,提出一种高效频繁项集挖掘算法CPT-Mine。此算法利用编码模式树存储事务数据库中的频繁项集信息,构建FP数组,加快产生频繁项集,引入CPT-Mine算法,快速地挖掘数据库中所包含的频繁项集,无需递归构造条件模式树,只需两次扫描数据库即可生成所有频繁项集。最后的实验证明了该算法能缩短挖掘时间3～10 s,空间效率提高43%。     

一种基于NFP-tree的频繁项集挖掘算法

针对频繁项集挖掘时间与空间效率低的问题,提出一种基于New FP-tree的高效频繁项集挖掘算法。此算法利用New FP-tree结构存储事务数据库中的频繁项集信息,无需递归构造条件模式树,仅需两次扫描数据库即可生成所有频繁项集。最后的实验证明了该算法的有效性。     

改进的Apriori算法在云计算挖掘下的研究

云计算下的数据挖掘一直都是研究的重点,本文以基本的Apriori算法为基础,提出了构建适合云计算下的数据集分解方式,减少扫描数据库次数和减少频繁项集自连接比较次数的三个策略,并从挖掘频繁1项集,2项集和多项集进行描述。仿真实验中将本文算法与基本Apriori算法、改进的Apriori算法进行比较,取得了比较好的效果。     

基于贝叶斯粗糙集的大数据频繁项挖掘技术

对大数据的频繁项集挖掘是关联规则挖掘的关键步骤,通过有效的频繁项挖掘提高大数据量数据库的访问效率。传统方法中对大数据的频繁项集挖掘采用FP-Growth的粗糙集挖掘算法,扩展性和容错性不好。提出一种基于贝叶斯粗糙集的大数据频繁项挖掘技术,引入后缀项表的概念,通过后缀项表的构建,保留频繁项集的完整信息。构建FP-Tree,生成闭频繁项集,计算样本的密度,并抽取高密度区域的点集作为聚类中心集合,进行后缀项表的构造,按支持度分成若干集合,对各约简集内的属性集合进行融合,用变精度粗糙集的贝叶斯粗糙进行数据挖掘算法改进,仿真结果表明,算法不受可变参数的影响,鲁棒性较高,数据挖掘的准确度较高,运行时间较短。算法将在人工智能和数据挖掘领域具有更广的应用前景。     

基于哈希表的关联规则挖掘算法研究

经过分析关联规则中Apriori算法存在的不足,为减少对事务数据库的扫描次数,缩减产生频繁项集的时间,列出两种基于哈希表的计算项集支持计数的方法以及利用哈希表来进行项集的地址定位的方法,使得生成频繁项集的效率有所提高。     

频繁项集挖掘算法研究

在数据库中挖掘频繁项集是数据挖掘领域的最基本、最重要的问题。自从Agrawal的开创性工作以来,有关研究从未停止过。然而由于其内在的计算复杂性,这一问题并未完全解决。通过描述频繁项集挖掘的特点,并根据解空间的分类对已有各种频繁项集、闭频繁项集、最大闭频项集和不生成频繁项集的挖掘算法进行了分析和比较。     

基于试验任务相关的并行化关联挖掘研究

通过分析关联挖掘和传统Apriori算法的特征,设计并实现一种基于任务相关和布尔矩阵的并行化Apriori关联挖掘算法。该算法通过分而治之的分布式并行计算承载平台Map Reduce进行计算,只需扫描一次数据库,将事务数据库转化为布尔矩阵,仅对任务相关的项集进行连接合并与向量内积运算,提升了Apriori算法的关联挖掘效率。     

基于FP-forest的并行频繁项集挖掘算法

在研究传统挖掘频繁项集并行算法的基础上,提出一种以FP-forest为基础的高效能并行挖掘算法FPPMA(FP-forest based high-effect Parallel Mining Algorithm)。此算法中,各运算节点只需要和核心节点之间传递少量信息,而无需和其他运算节点通信,减少了通信费用。此外,运算节点不需要同步和交换数据就可独立挖掘出全局频繁项集。     

基于知识地图和蚁群算法的知识识别模型研究

知识在其属性空间内是存在联系的,知识地图作为可视化表达工具,是具有属性空间知识的理想载体,它是知识空间形象思维的再现。在杂乱无章的知识群中,企业如果能够准确、高效地对知识加以识别,将会给企业带来相当大的隐性收益。这些收益虽然不能直接体现在企业的财务报表上,但是它们确实是影响企业组织规模和运营模式的内在因素。本文以知识地图和蚁群算法为研究工具,建立了企业的知识管理体系中知识识别的模型,通过实证中相关数据的采集绘制出企业相关技术实现的知识地图,并通过蚁群算法在地图中找到了一条较为合理的知识识别路径。     

蚁群算法在路径规划中的应用研究

首先,在叙述蚁群算法存在的问题后,提出了本文中的基于方向夹角的蚁群算法。然后,本文用西安市交通道路网络数据对基于方向夹角的蚁群算法进行了实验。结果表明,本文中改进的蚁群算法具有寻优能力强,收敛速度快,参数设置稳定的优点。     

一种基于遗传算法的作曲方法

本文介绍了一种基于遗传算法,以乐段为单位的作曲方法。该方法能生成具有相对完整乐思的音乐片段,并引入了音乐的风格化特征,能按照用户的情感因素产生用户所需的音乐片断。     

求实对称三对角矩阵特征值的递归算法

许多对称矩阵特征值问题最后归结为解实对称三对角矩阵特征值问题。在文章中为区间分半法(二分法)求实对称三对角矩阵特征值设计了一个递归算法。用一个递归函数可以求出所有特征值,且能求重特征值。     

基于交互式遗传算法的网站信息分类体系交互设计

本文在介绍交互式遗传算法的基础上,提出了基于交互式遗传算法网站信息分类体系交互设计的基本思路;并采用JSP实现了MVC模式下网站信息分类体系交互设计程序。     

基于多目标进化算法的运输问题求解方法

在多目标进化算法中,用擂台赛法则构造非支配集具有较高的效率,而小生境共享技术可以提高种群的多样性。将基于擂台赛法则和小生境技术的多目标进化算法应用于多目标运输问题,数值实验表明：基于擂台赛法则和小生境技术的多目标进化算法能够很好地解决此类问题。     

Ad Hoc网络分簇算法的改进

在Ad hoc网络层次式组播路由协议中,分簇算法对于协议的性能有着至关重要的作用,首先详细分析了WCA算法,然后针对其不足提出了改进的EWCA算法,最后利用网络仿真软件NS对EWCA算法进行了仿真实验与分析。     

算法与数据结构实验教学探讨

算法与数据结构是计算机专业的一门核心基础课,实验教学是算法与数据结构课程的重要教学环节。结合教学实践,从实验内容和教学过程方面阐述了实践教学改革路径,归纳了学生编程实验中常犯的错误,提出了相应对策。     

基于遗传算法的关联规则挖掘方法

基于对数据挖掘,特别是关联规则挖掘的研究,提出了一种改进型遗传算法的关联规则提取算法,并从编码方法、适应度函数的构造和遗传算子的设计方面进行讨论分析。通过对早熟问题的分析并改进自适应算子,提高了算法的效率,使算法在相对稳定的动态种群规模中寻找优质解。     

最小二乘法线损率预测技术研究

为了提高预测精度,提出了一种改进的最小二乘法线损预测技术。算法首次将核偏最小二乘回归算法应用于线损率预测。实验表明,提出的方法能够较好地克服变量相关性和非线性因素对预测模型的不利影响。