一种改进的决策规则生成算法

将神经网络集成与C4.5Rule方法相结合,提出了一种改进的决策规则生成算法.该算法以神经网络集成作为C4.5Rule学习的前端,利用其产生用于C4.5Rule学习的数据集,在此基础上进行决策规则的生成.在UCI机器学习数据库上的实验结果表明,该算法可以产生泛化能力较强的决策规则.     

基于粗集理论的数据挖掘的研究

提出一种新的基于粗集理论的数据挖掘算法。该算法利用粗集理论对数据进行分析,推出可能的规则。通过实例具体说明了该方法的实现步骤。     

基于频繁模式树的正负项目集挖掘

传统的基于支持度—置信度框架的关联规则挖掘方法可能会产生大量不相关的、甚至是误导的关联规则,同时也不能区分正负关联规则。在充分考虑用户感兴趣模式的基础上,采用一阶谓词逻辑作为用户感兴趣的背景知识表示技术,提出了一种基于背景知识的包含正负项目集的频繁模式树,给出了针对正负项目集的约束频繁模式树的构造算法NCFP-Construct,从而提高了关联规则挖掘的效率和针对性,实验结果显示该方法是有效的。     

基于粗集理论的一种规则提取方法

介绍了粗集理论的基本概念,通过对现有基于粗集的最小规则提取算法的分析,发现其缺陷,提出了一种改进的基于粗糙集的规则提取方法,并用UCI数据库中的9个标准数据集从规则集的规则数目、规则集的平均规则长度、规则集的平均规则支持、规则集的预测精度等4个指标对改进的算法进行了测试和对比分析,实验表明了该算法的有效性.     

面向开放式信息抽取系统的知识推理验证

开放式信息抽取系统是从Web等非结构化文本中挖掘知识的主要途径,但其抽取结果往往存在大量噪声,对知识发现以及知识库构建产生较大影响。提出一种基于概率软逻辑模型的知识推理验证方法,该方法首先使用一阶逻辑语言对知识抽取结果进行转化和推理,并且在推理过程中引入本体规则进行约束,在此基础上,建立推理规则的自动学习机制,解除传统规则推理对于实体解析规则的依赖,进而实现对知识的自动推理和验证。经实验对比验证,该方法具有更优的算法性能,实现了规则的自动学习,提高了知识推理效率,对验证知识的语义规范性和正确性有积极作用。     

基于粗集理论的一种相容决策表的学习算法

基于粗集理论,针对相容系统规则,提出一种新的相容系统决策表归纳学习算法,并通过实际例子说明该算法的有效性和可信度,与以往的相容决策表的归纳学习算法相比较,这种算法比较简单,而且能够全面地获取规则且没有冗余。给出了具有较高可信度的规则挖掘过程。     

基于分辨矩阵的含负属性项关联规则挖掘

Apriori算法存在候选集、频繁集产生效率低,丢失有趣强关联规则等问题,提出一种基于分辨矩阵可以采掘含负属性项强关联规则的改进算法,最后给出一个实际例子实现该算法.     

基于改进遗传算法的网络入侵检测

为了获得完备的入侵检测规则,使用一种改进遗传算法来生成规则,该算法使用排挤和梯度运算来获取局部和全局最优解,详细分析了利用该算法生成入侵规则的具体实现过程,对染色体编码,适应度函数以及遗传算子进行了设计和实现;在网络数据集KDDCup99上通过实验证明了此算法的有效性。     

基于改进变精度贝叶斯粗糙集的感性知识获取

变精度贝叶斯粗糙集方法是感性知识获取中处理用户群个性化感性差异的一种柔性方法,针对其在感性规则提取阶段可能产生的组合爆炸问题,提出了一种基于顺序覆盖策略的改进算法.该算法以感性决策类的近似区域作为输入,以选取覆盖能力最大的合取项为贪心搜索策略实现规则特化.在此基础上,通过迭代学习逐步完成对近似区域的覆盖和决策规则集的提取.最后,通过基础实例和烤面包机外观设计实例验证了改进方法的有效性.     

基于粒子群优化算法的模式分类规则获取

提出了基于粒子群优化的规则提取算法．该算法将规则编码为粒子,通过粒子群优化算法的速度-位移搜索模型以及粒子保存的记忆信息指导生成模式分类规则集．算法用于Iris数据集模式分类规则的提取．与其他规则提取方法比较,该算法在提高分类规则正确率的同时减少了计算费用．     

基于遗传算法的BP网络全局收敛的混合智能学习算法

给出了一种将 BP算法和遗传算法有机结合的全局收敛的混合计算智能学习算法。此算法结合了 BP算法和遗传算法的长处 ,既有较快的收敛性 ,又具备良好的全局收敛特性。计算机仿真结果表明 ,该混合算法显著优于遗传算法和 BP算法     

华容道、开窗等经典智力问题的求解算法研究

本文在前人对华容道、孔明棋、九宫拼图问题求解算法研究的基础上,针对这些经典智力问题的特点,利用广度优先和深度优先搜索思路设计算法,并对算法进行搜索减枝优化,设计出了一个相对优化的算法。对于开窗问题,本文通过对该问题规则的分析,设计出了一种效率较高的求解算法。通过使用C#语言编写程序实现算法以及软件的求解功能,经测试与运行证实了本文求解算法的正确性和有效性,并给出了算法的核心C#代码。     

基于时序的股票预测算法研究

提出了一种基于时序的股票预测算法。该算法基于时序,对股票在连续时间段内发生变化的数值进行研究,并利用该算法得到的结果进行预测。结果表明,这种方法对于事物的单属性预测是具有实际意义的。     

一种基于概率的快速聚类算法

在聚类算法和特征向量维数确定的模式样本集中,各样本的每一维表示一个对应特征;鉴于此在基于层次算法的基础上,提出了一种基于概率的快速聚类算法;该算法先对各个特征进行分类,然后按照概率准则,每个向量先自成一类,将其对应概率最大的特征向量合并,减少类别数,直至达到要求为止;用UCI中的Iris和Wine数据集对该算法进行仿真实验,实验数据表明：用该算法进行聚类,能获得较好的聚类结果,说明算法具有一定的有效性.     

一种改进算法在提取微弱特征信号中的应用

虽然小波变换具有优良的时频局部化特性,但Mallat算法存在频率折叠,使得在提取信号的某些重要的微弱特征时显得无能为力,为了弥补不足,本文提出了一种改进算法,克服了Mallat算法中频率折叠,成功地将改进算法运用到信号微弱特征的提取中,最后通过仿真实验,论证了该方法的可行性和有效性.     

物流配送路径优化模型及其混合遗传求解算法

针对物流配送路径的特点,建立了配送路径优化问题的数学模型,并结合爬山算法和遗传算法提出新的混合遗传算法,仿真结果表明该算法可在一定程度上克服爬山算法全局搜优的不足和遗传算法局部搜优的局限,从而得到更符合实际的解。     

一种错位排列的生成算法

文章对错位排列的生成算法进行研究，解决了对于给定了一个错位排列以后，可以按算法自动生成下一个错位排列．并给出了相应的数值实验结果，证实了该算法的有效性．     

带状非线性方程组的一种换元解法

本文对带状非线性方程组提出一种新的直接换元修正解法,得到了该算法的超线性收敛性结果及收敛阶估计,并且给出该算法与Newton法和直接弦修正算法的数值比较。     

关联规则的哈希修剪算法研究

关联规则是数据挖掘的一个基本方法,本文首先介绍传统的Apriori算法的过程,分析它在处理大数据集时存在的问题.提出关联规则的一种改进算法,称为哈希修剪算法.然后比较改进的算法与传统的Apriori算法在算法时间复杂度、性能上的差异.通过实验得出,哈希修剪算法在数据挖掘中能够更加有效的处理数据.     

一个改进的粗糙集属性约简算法

利用单属性的逼近精度 ,在Jelonek属性约简算法的基础上 ,得到一个改进的属性约简算法 .实例计算结果表明 ,在获得同样的属性约简的情况下 ,该算法与Jelonek算法相比 ,计算量较少 ,提高了计算速度 .