基于事务数据库的关联规则采掘算法研究

采掘关联规则是知识发现领域的一个重要问题,文中对采掘关联规则问题进行了简单的回顾,分析了传统的关联规则Apriori算法的优缺点,设计了一种基于事务数据库的快速采掘算法TB－MA。实例证明,与Apriori算法相比,TB－MA算法削减了数据库遍历次数,提高了采掘效率,是十分有效的采掘算法。     

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.     

关联规则挖掘的常用算法及其比较分析

关联规则挖掘是数据挖掘的一个重要方面。本文介绍了在大型事务数据库中采掘关联规则的常用算法,并对它们的性能进行了比较和分析。     

Apriori_Q:关联规则的有效求解

通过对Apriori算法的分析，提出了一种关联规则挖掘的改进算法Apriori_Q。该改进算法减少了模式匹配和对数据库访问的次数，理论分析与实验结果表明，Apriori_Q提高了关联规则生成的效率，因而更具有实用价值。     

关联规则挖掘算法研究

本文论述了关联规则的基本概念、分类、基于频繁项集思想的关联规则挖掘算法——Apriofi算法，以及在基础上对Apfiofi算法的各种改进算法。然后对基于非频繁项集的各种关联规则挖掘算法，多维多层次挖掘算法思想进行了讨论。最后指出了关联规则挖掘的未来研究方向。     

关联规则挖掘算法及其在冷轧生产中的应用

针对Apriori算法在实际应用中无法发现关联规则变化趋势的问题,该文根据增量挖掘算法的优点对Apriori算法进行了改进。改进的Apriori算法能够在原算法的基础上,通过关联规则统计量的变化确定强规则与候选规则之间的转换,从而进一步发现关联规则的变化趋势,提高了依靠Apriori算法得到的关联规则对决策分析支持的可靠性。将改进算法应用于冷轧生产过程预测中,试验结果表明,改进算法相对于传统的Apriori算法对产量预测的精度提高了30%。     

基于关联规则相关性分析的Web个性化推荐研究

通过分析关联规则在Web个性化推荐中存在的问题，对Web个性化推荐的关联规则相关性分析算法进行 改进，并进行了详细的论证和仿真实验。实验结果表明改进的算法能实现更低支持度的推荐，能提高推荐的准确 率和速度。     

多个拟周期对象关联规则的抗干扰采掘技术

多个拟周期对象之间的关联规则在灾害预测中有广泛的应用前景，作者探讨了这类规则的抗干扰采掘技术。并以安宁河断裂带的地震前兆数据与地震目录数据为测试数据，采掘出地震前兆与地震震级之间的关联规则，从中发现了一些对地震预测研究有启发意义的结果。     

数据挖掘中关联规则挖掘算法的探讨与研究

对数据挖掘中的关联规则挖掘算法进行了研究、探讨和比较。在分析关联规则最具代表性两类算法的基础上,提出了一种挖掘算法的改进思想,并对关联规则进行了展望。     

基于SQL的Apriori改进算法

Apfiofi算法是一种最有影响的挖掘关联规则的算法，由于其算法仅用支持度、可信度来衡量关联规则，容易生成一些错误规则，所以，引入了提升度这一概念，提出一种基于SQL的Apfiofi改进算法。     

LLR-BP算法的简化译码算法研究

研究了基于Gallager方案的LLR-BP算法及其简化的译码算法,应用Matlab仿真比较了基于Gallager方案的LLR-BP算法及其三种简化译码算法的性能,仿真结果表明:基于Gallager方案的LLR-BP算法与归一化BP算法和偏置BP算法的误码率性能相差不多,当信噪比大于2dB时,归一化BP算法和偏置BP算法比基于Gallager方案的LLR-BP算法的误码率性能稍好,最小和算法误码率性能相对最差。     

基于圆域上多项式逼近的图像重建算法

以Marr算法为基础, 给出了圆域D上图像重建的一种 基于二元多项式逼近的加速算法. 加速后算法的计算量为O(Nlg N), 当N较大时, 新算法的运行时间远小于原算法的运行时间. 同时, 与传统图像重建算法〖CD2〗滤波反投影算法（FBP）相比, 基于多项式逼近加速算法重建的图像质量优于前者. 仿真实验验证了此算法的有效性.     

双臂机器人协调运动在线控制的算法实现

以牛顿－欧拉算法为基础,建立了适合于双臂机器人实时控制的在线控制算法,该算法包括3个部分,一是在线运动学正向逆推算法,二是在在线载荷优化算法,三是在线逆动力学反向递推算法,不仅给出相应运动学及动力学递推计算公式,而且以载荷的最小范数为目标函数,实现载荷的优化分配,使在线控制算法更具有应用价值。最后通过算例验证算法的可行性。     

基于全局最优的生产全过程分布式预测控制

改进了基于纳什最优的分布式预测控制算法，提出了一种基于全局最优的分布式预测控制．在优化求解时考虑了各子过程间的协调．结合线性系统的动态矩阵控制(DMC)分析了算法的迭代收敛性，并与基于纳什优化的分布式预测控制算法进行了比较．仿真结果表明．算法迭代收敛于全局最优解，而不是纳什优化解。     

片上网络路由算法的性能研究

在Turn Model模型的基础上,分析基于2DMesh结构的路由算法的性能.通过片上网络（NoC）模拟仿真实验平台NIRGAM,仿真路由算法在片上网络的延时性能.通过对路由算法影响功耗的综合分析,提出XY-YX路由算法是延时和低功耗性能表现都良好的NoC路由算法.     

基于认知诊断的自适应学习材料智能推送算法研究

将认知诊断和自适应学习相结合,利用认知诊断方法先诊断学习者对知识的掌握情况,然后依据遗传算法和多岛遗传算法为每个学习者智能化提供合适的学习材料,提出了基于认知诊断框架下的自适应学习材料智能推送算法.通过Monte Carlo模拟实验考察了新算法的科学性及其效果,研究结果表明:(i)基于认知诊断框架下的自适应学习材料智能推送算法具有较理想的效果;(ii)遗传算法和多岛遗传算法选取的学习材料具有低惩罚函数值和高学习材料匹配的正确率;(iii)遗传算法和多岛遗传算法选取的材料比随机算法更加适合学习者.     

RSA公钥体制中快速大整数乘法的实现

在密码算法中经常会遇到大整数的乘法，本文在Karatsuba-Ofman算法的基础上提出了一种快速乘法和平方算法，即Minima、Minmma算法，使得乘法和平方的运行速度大大提高。     

一种混合遗传禁忌搜索的模糊聚类算法

传统基于目标函数法的模糊聚类算法是一种迭代的"爬山"算法,容易陷入局部最优解.提出了基于遗传算法与禁忌搜索结合的模糊聚类算法,综合运用遗传算法的多出发点和禁忌搜索的记忆性来改善聚类的效果,并通过迭代的遗传禁忌搜索算法产生最优聚类中心,实验中分别通过人工数据和标准数据测试验证了该算法的有效性.     

基于自适应比特分配的SAR复图像频域压缩算法

研究合成孔径雷达(SAR)复图像数据的虚实部压缩算法,针对SAR复图像数据的统计特性,提出一种自适应比特分配的改进算法。首先在频域对SAR复图像数据进行自适应加权预处理,然后由香农率失真定理结合拉格朗日乘子法,推导了基于方差的块自适应虚实部最优比特分配公式,给出了整个压缩算法的流程图。根据流程图进行了多次压缩实验,并分析了算法的压缩性能。最后将改进算法与传统算法进行比较,验证了改进算法具有更优的幅度保持和相位保持的特点。     

基于改进 FastICA 的冲击波工频干扰消除算法

在火炮冲击波信号测试领域中, 为解决陷波算法消除工频干扰损失有效信号成分的问题, 提出了一种改 进的 FastICA 算法消除工频干扰。 采用五阶收敛的牛顿迭代形式改进基于负熵的 FastICA 算法, 使其不仅具备 负熵算法的高精准度, 而且收敛速度快, 迭代次数少。 仿真结果表明, 该算法的相似系数和信噪比达到 0. 999 99和 45 dB, 较传统陷波算法的 0. 996 和 21 dB 有明显的优势。 相比于基于负熵的 FastICA 算法, 改进算 法与其精准度相同, 但迭代次数减少了 26. 7%; 与收敛速度较快的峭度算法相比, 改进算法迭代次数更少, 收 敛速度更快, 稳定性更高。 该算法具备精准度高、 收敛速度快和迭代次数少等优势, 因此适用于实时处理冲击 波的测试场合。