用Visual Foxpro实现Apriori算法的研究

采掘关联规则是数据采掘领域的一个重要问题,探讨了Apriori算法,基于该算法,提出了1种用Visual Foxpro求频繁项目集的方法,并编写了求频繁项目集的程序。     

基于转换集模型实现地理数据再利用

针对地理数据利用现状中存在的问题,通过对不同地理数据库数据存储、管理、制图方法的研究后,采用MapStore平台,阐述了转换集模型的原理,并提出了相应的数据制图改化原则与数据再利用的技术方案。通过该模型在云南省数据改化实践中的应用,证明该模型有效提高了地理数据的利用效率,加快了地图的生产速度,与传统的地图更新制图相比更具有优越性,对促进测绘地形图数据高效利用与共享有着重要意义。     

Apriori挖掘算法的优化研究

本文分析了数据挖掘的经典Apriori算法存在的缺陷:处理规模巨大的候选项目集时需要消耗大量的时间;对候选项目集进行模式匹配时需要多次重复扫描事物数据库,降低算法的速度和效率。针对这些缺陷本文对经典的算法和优化策略进行了剖析,提出一种新的发现频繁项目序列集的算法DISS-DM。本算法是在算法ISS-DM的基础上加以改进,采用了数据分割法将数据库分成多个分片,对每个分片进行一次扫描找出局部频繁项集,对整个数据库扫描发现全局频繁项集。本算法只需要扫描数据库两次,就能发现全局频繁项集,能减少内存需求,有利于大型数据库的数据分割优化。     

关于卷积神经网络损失函数的改进算法

经典的卷积神经网络模型损失函数在设计时只考虑输出与标签之间的比较,没有涉及到图片之间的差异.为了提高卷积神经网络模型提取特征的差异,提出了基于Triplet network模型约束的卷积神经网络模型,这种方法提高了卷积神经网络提取有效特征的能力,减少数据集数量对于模型的影响.在MNIST数据集和cifar-10数据集上进行实验,提出的新模型在这2个数据集上比经典的卷积神经网络模型识别效果更好.     

关联规则增量式更新算法的研究

关联规则是数据挖掘中的重要研究内容之一,国内现有的关联规则算法大多是研究挖掘数据库不变的限定条件下,发现挖掘数据的各属性间的所有关联型知识.而事实上大多数挖掘数据会随时间的变化不断变化.针对数据库中追加数据时,如何有效地更新关联规则的问题,提出了一种新算法———IUAMAR算法.该算法可以有效地利用知识数据库中保留的最小非高频繁项目集产生新的候选项目集,避免了候选项目集的数量太庞大的问题.     

基于GMM-LSTM的车辆切入意图识别研究

【目的】为了能准确识别出他车的切入意图，同时解决由爆发性增长的无标签行车数据所引起的识别模型落地难的问题。【方法】本研究提出一种双层无监督的车辆切入意图识别模型，该模型由聚类模块及意图识别模块组成。聚类模块采用高斯混合模型对基于NGSIM构造的无标签数据集进行聚类分析，并挖掘其内在的数据关系，从而获取切入时不同驾驶行为对应的特征标签。意图识别模块用于识别车辆切入意图，该模块是基于LSTM搭建的。该模块先结合聚类模块来获取特征标签及无标签数据集，构造新的有标签训练集及测试集，然后将其输入到神经网络中进行训练与测试。【结果】该模型在基于真实路况的NGSIM数据集上表现较好，对驾驶意图的识别准确率达到97%，精度较高。【结论】该模型在无标签数据上具有较好的识别能力。     

基于数据缩减和存储过程的ID3算法改进设计

ID3算法在分类数据挖掘中应用广泛,但其在对大规模训练样本集进行挖掘时,占用主存空间较大,且执行效率不高.运用属性约简和分组计数方法对训练样本集进行数据缩减,得到数据规模较小的新训练样本集,然后再运用ID3算法对新训练样本集进行分类挖掘.整个执行过程全部使用现代数据库技术和存储过程编程加以实现.实验表明,通过改进设计提高了ID3算法的执行效率,增强了算法的扩展性.     

CGSS数据质量评估的改进模型

在现有文献的基础上,改进了质量评估体系中数据完整性和数据平衡性的量化方式,修正了各数据集综合质量得分结果,更新了文献计量分析中对文献的检索时间.以更优的方法对CGSS数据质量进行评估,试图在微观数据库数据质量研究方面做一些有益的尝试.     

基于深度学习的竹笛吹奏技巧自动分类

提出了一种针对竹笛技巧分类的数据集Breath和两个用于竹笛技巧分类的神经网络参考模型Breath1d和Breath2d，并针对此数据集的不同分类任务给出了最佳方法。将Breath数据集划分成子集，以多层感知机为性能评价基准方法，先用Breath1d和Breath2d模型对子集进行训练和预测，再用长短期记忆网络模型进行辅助测试，最后得出了最适合子任务的分类参考模型。对全数据集进行分类时，将Breath2d与Breath1d模型进行融合，并采用数据增强方法使全集分类准确率达到0.913。与传统音频分类任务相比，该工作扩展了音乐分类的研究领域，对民族音乐现代化发展有着良好的推动作用。     

基于跨领域迁移的AM-AdpGRU金融文本分类

针对当前基于深度学习的金融文本分类模型严重依赖于标记数据的问题，提出了一种基于跨领域迁移的AM-AdpGRU金融文本分类模型，通过学习相关领域数据的分类准则将其迁移到目标领域数据。AM-AdpGRU模型首先利用深度网络自适应来克服源领域和目标域之间数据分布差异导致的迁移损失，使得即使数据分布发生变化时模型也无需重构；然后利用注意力机制建立了目标域对源领域的特征选择机制，使得模型对源领域的注意力可以集中在与目标域相似性更高的部分。在公开的跨域情感评论Amazon数据集和SemEval-2017的Microblog金融数据集上进行了实验，将AM-AdpGRU模型与其他方法进行比较，结果表明AM-AdpGRU模型的分类平均准确性相对于其他模型有了显着提升。     

基于粗糙集与支持向量机的Web文本分类

Web文本分类是Web数据挖掘的一个重要研究方向,它是在通过经验数据训练得到的分类体系下,根据网页的文本内容自动判别网页类别的过程,本文提出一种综合粗糙集与支持向量机的Web文本分类模型,利用粗糙集的属性约简方法,减少支持向量机训练数据的维数,提高Web文本分类的性能与效率．     

基于粗集的连续属性离散化方法

由于经典的粗糙集理论不能处理原始数据资料中，含有连续属性的数据，需要对这些数据进行连续属性离散化才能用于知识获取，因此数据预处理是粗糙集理论应用中非常重要的一环，其结果将直接影响到粗糙集理论应用的效率，准确度．所以有关基于粗集理论的数据挖掘中数据预处理的方法研究具有非常重要的意义。本文对目前主要的离散化算法进行分析和评价，以中值序列分割点集为基础，提出了一种连续、离散混合离散化改进算法，保证划分后决策表一致性，获得合理的划分点．     

基于相似关系的变精度粗糙集的数据约简

基于最大相似类的变精度粗糙集模型．此模型把变精度粗糙集的基础由等价关系拓展到条件更弱的相似关系,更好地利用数据间的相关信息,扩大了粗糙集理论的应用范围．讨论了相似变精度粗糙集的性质与属性约简,举例说明了相似的变精度粗糙集在大学生体质检测数据约简中的应用．     

区域经济发展水平评价中的权重挖掘及实证分析

应用粗糙集(RoughSet)理论研究了评价和预测问题中各因素的合理赋权问题,给出一种无需专家赋权和调查统计,仅仅从原始的统计数据中挖掘出各评价因素的权重的方法;并依据中国科学院可持续发展研究组所提供的评价指标体系和有关数据,对中国区域经济发展水平评价问题进行了权重挖掘,发现了各评价因素对总体水平评价的不同贡献;按照所得权重给出了新的评价结果,并根据所得权重及海南省经济发展水平现状进行了实证分析.     

代价敏感粗糙集研究综述

本文对代价敏感粗糙集（cost-sensitive rough set,CS-RS）理论的内容及发展状况进行了回顾,对其研究方向和发展趋势进行了分析和展望．首先介绍了代价敏感学习产生的缘由、数据挖掘过程中常见代价的分类及代价敏感粗糙集的基本概念;其次从数据模型、计算模型、问题及算法四个层次上对当前的研究状况进行了总结,建立了代价敏感粗糙集理论体系示意图;最后指出测试代价敏感粗糙集的发展趋势和需要重点关注的问题．     

不完备信息系统可变粗糙集模型与性质

不完备信息系统粗糙集拓展模型是近几年来粗糙集理论研究的重要内容.该文以基于相容关系、非对称相似关系及限制容差关系的粗糙集模型为特例,提出了基于一般二元关系的可变粗糙集模型,它是基于各种具体的二元关系(如相容关系、非对称相似关系、限制容差关系、量化容差关系等)粗糙集模型的推广,也是不完备信息系统变精度粗糙集模型的一般情形.文中还进一步研究了不完备信息系统可变粗糙集模型的性质.     

基于相似关系的不完备模糊决策信息系统知识约简

在不完备信息系统和模糊决策信息系统及其粗糙集模型的基础上,提出了不完备模糊决策信息系统的概念,并基于相似关系及其粗糙集模型,给出了不完备模糊决策信息系统的粗糙集模型.该模型是不完备信息系统,完备模糊决策信息系统和经典决策信息系统粗糙集模型的推广.还给出了该系统的知识约简及其算法.     

时态数据采掘中的时态型与时间粒度研究

研究了时态型与时间粒度的有关理论,提出了时态型、时间粒度、粗时间粒度、基时态型、基时间粒度和基准时间等概念,并研究了它们在刻画绝对时间的关系,最后给出一个一类简单频繁事件式发现的例子,对于研究时态数据采掘具有重要意义。     

半群中变精度的粗糙理想

基于半群中的粗糙左理想,粗糙右理想,粗糙双侧理想与粗糙双理想的概念,本文讨论了半群在变精度的粗糙集模型下,各种粗理想相应的性质,并且讨论了半群中两个理想之积的一些性质,进一步丰富了半群中的粗糙集理论.