基于Can树的关联规则增量更新算法改进

如何从动态数据中挖掘关联规则是目前知识发现中的一个研究热点。Can树是基于CATS树改进后提出的解决关联规则增量挖掘的一种有效算法,它要求事务中的每个项按照某种特定顺序进行排序后再构建Can树,其顺序一般采用字典序、字母序等。然而,Can树所使用的排序方法有可能使得Can树的规模过大,从而使得算法效率较低。针对该问题,在现有Can树挖掘算法的基础上,使用数据量排序替代现有排序方法,提出了一种基于数据量排序的Can树,并基于新的Can树对原有Can树的建树和挖掘方法进行优化。该方法可以有效减小Can树的规模,实现频繁项集挖掘在空间效率和时间效率上的优化。实验结果表明,该方法在空间效率和时间效率上好于现有的Can树算法,同时具有较好的稳定性。     

改进的IEEE 802.15.4组网协议算法

分析了IEEE 802.15.4网络初始化的流程,并提出了一种改进的协议算法.通过设置协调器进行处理,有效地减少协议的冗余信令,避免了不必要的冲突,减少了节点加入网络的延迟.最后通过仿真对原协议和改进算法进行比较,得出节点加入过程的原语数减少了31 %,加入时间减少了84 %.当多个节点在较短时间内都进行加入操作时,改进算法的优势更加显著.这种改进算法能在家庭网络中得到很好的应用.     

概率频繁模式挖掘之U-apriori算法研究

不确定性数据的频繁项集挖掘的算法—U-apriori算法采用逐层迭代搜索方法,使用候选项集来找频繁项集.分析了U-apriori算法的流程和实现过程,并通过实验对比得出U-apriori算法花费较少时间和空间的优点,最后针对该算法的缺点提出了改进思路.结果表明:U-apriori算法是最佳概率频繁模式挖掘方法之一.     

基于含噪音日志的流程挖掘阈值优化设置

针对处理日志中噪音数据的启发式流程挖掘算法中阈值设置的不确定性,提出了基于试验设计的阈值优化设置方法.以阈值作为变量,挖掘得到的流程模型与实际日志的符合度作为响应量,通过试验设计分析方法优化阈值的配置,并将该算法应用于医院某病种诊疗流程的挖掘.结果表明,通过该阈值设置方法能挖掘出正确合理的流程模型.     

基于PrefixSpan的快速交互序列模式挖掘算法

为了克服序列模式挖掘过程中重复运行挖掘算法而产生的时空消耗,提出了一个快速、简单而有效序列模式的交互式算法FISPM,利用前次挖掘得到的序列构造序列模式数据库用来存储挖掘出来的所有序列, 通过缩减本次挖掘所要构造投影数据库的频繁项的数量来减少构造投影数据库所需的时间以及投影数据库的大小,从而减少时间和空间消耗,提高挖掘效率.通过设置全局最小支持度来减少算法迭代次数. 实验结果证明在交互挖掘过程中FISPM效率优于PrefixSpan.     

用于并行调试环境的改进的物理时钟算法

为满足并行调试需要,时钟模型必须既能保证事件之间的逻辑顺序,又能为性能调试提供时间戳。现有的基于事件的物理时钟同步算法在时间戳上可能存在较大误差,为了降低误差,对现有算法进行改进。改进的算法依次对时钟偏移误差最大的局部时钟进行调整,调整的依据是两个节点之间消息的发送和接收具有对等性,调整的时候考虑了该进程和其它所有进程之间的通信传输。模拟结果表明:该算法以较小的时间代价,减少了90%左右的误差。该算法可以解决并行调试环境中的时钟同步问题。     

基于最长前缀频繁子路径树的Web日志挖掘算法

现有的Web日志频繁访问路径挖掘算法往往不能在追求时间效率的同时准确挖掘出符合用户浏览顺序的频繁路径.提出了有效挖掘Web日志中频繁访问路径的算法,将事务数据库转换为Web访问路径树,根据支持度进行剪枝构造最长前缀频繁子路径树,然后进行频繁路径挖掘,实验证实了此方法的有效性,并分析了支持度设置对频繁路径生成的影响.     

基于改进蚁群算法的炼铁原料混匀过程调度优化

通过将炼铁原料混匀过程转化为一种带有顺序相关准备时间、有限中间存储和组装过程的流水车间问题,建立了以最小完成时间为目标的离散调度模型,并针对炼铁原料混匀过程提出了一种改进蚁群算法.该算法通过为单个蚂蚁设置禁忌定时器,将中间存储的状态变化用于修正蚁群路径选择的可行集,减少了调度过程中阻塞造成的时间浪费,构造出质量更好的可行解.数值仿真实验表明,该算法比遗传算法和一般蚁群算法具有更高的计算效率和更好的求解效果.     

挖掘机器人图像匹配算法研究

对当前应用于挖掘机器人视觉系统上的图像匹配算法进行分析,提出了SIFT图像匹配算法.对SIFT特征描述子进行改进,即通过非线性映射函数将原有的SIFT特征描述子映射到更高维的特征空间F上去,然后在空间F上对其数据进行降维处理.实验表明:改进后的SIFT图像匹配算法缩短了图像匹配时间,获得了更高的匹配精度;将该算法应用于挖掘机器人目标识别与定位中,其通用性与鲁棒性更强,能够满足挖掘机器人视觉系统精确性与实时性的要求.     

求解VRPBTW的变邻域搜索算法

以电子商务环境下物流配送为背景,建立了带有时间窗和回程载货约束的车辆路径问题优化模型,设计了改进的变邻域搜索求解算法.该算法采用改进的Braysy顺序插入法生成问题初始解,再根据变邻域搜索算法机制应用4种不同搜索范围的局域搜索算子对初始解进行改进.通过对多个算例的求解实验,并与采用一般流程的变邻域搜索算法进行比较,结果表明所提出的变邻域搜索算法的求解效果明显优于采用一般流程的变邻域搜索算法,是求解该类问题的有效算法.     

基于距离的关联规则挖掘算法研究

提出了基于距离的关联规则算法的几点改进:在聚类部分,改用CADD算法对全部属性聚类,使得聚类结果更好,并且减少了规则的判定条件;在关联度参数D0的设置问题上,提出了用投影簇半径值作为其参考值的思想,以减少设置的盲目性.实验结果表明,改进的算法能更有效地挖掘基于距离的关联规则.     

基于波粒二相机实现大数因子分解

利用波粒二相机,根据原始的分解算法、量子Shor算法以及经典计算机中的费马算法和莱曼算法,提出了能够进行大数因子分解的几种算法.通过对原始分解算法的改进,使得用原始大数因子分解的问题由N次变为1次完成.通过对费马算法和莱曼算法改进,减少了大数质因子分解过程的计算复杂度.与量子计算机相比,波粒二相机使得在经典上需要指数步完成的算法,在多项式时间内就可以解决,减少了计算复杂度.     

基于FP-tree最大频繁模式超集挖掘算法

数据挖掘应用中的最大频繁项集挖掘算法大多存在候选项目集冗余问题,造成时间和空间的浪费.针对此问题,通过构造条件FP-tree,对不符合要求的项目进行剪除并对MFIT算法进行改进,提出一种基于FP-tree的最大频繁模式超集挖掘算法.此算法无需产生大量的候选集,同时减少数据集扫描次数,降低数据库遍历时间,提高算法效率.实验证明,此算法在降低候选项目集冗余度的同时有效减少了算法运行时间.     

非负矩阵分解的快速收敛算法

为提高非负矩阵分解的收敛速度,在Lee和Seung的倍乘更新算法及改进ILSMU—EUC算法的基础上,通过调整运算顺序,限制不必要的更新方法,提出加速IILSMU-EUC算法。IILSMU-EUC算法是从计算量和内部迭代分析中,对运算耗费量大的矩阵提出限制更新方法,即调整计算顺序,按步骤顺序执行,能够减少计算量及不必要的上百万次的更新。实验结果表明：与原倍乘更新MU算法、梯度映射算法和分层交替最小二乘算法比较,IILSMU-EUC算法误差小、快速收敛性强、提取特征明显,从而验证了改进算法的有效性、稳定性和高效性。     

插入排序算法优化

当今时代,云计算与大数据越来越被人们所重视.算法的时间复杂度作为评估算法性能的最重要的因素之一,亟需得到改善和提高.而排序算法的优劣直接影响算法的运行速度.为了减少大数据和云计算算法的排序时间,提高排序算法运行的效率,对插入排序算法进行了优化.分别从随机获取无序区元素、分组、增量和设立标志位等方面进行优化,有效降低了插入排序算法的时间复杂度.实验结果表明,改进后的排序算法在排序效率上得到了很大提高.     

模拟退火算法在贷款组合优化决策中的应用

针对贷数组合优化决策模型的求解问题，以模拟退火算法为基础，利用设置记忆器和在算法后链接一个局部搜索过程的方法，对原有算法进行了改进。该算法可在求解大规模组合优化问题的迭代过程中实现快速调整，以兼顾解的质量和运行时间，快速找到最优解，克服了原有算法的随机性。数值计算结果表明，该算法具有很强的适用性。     

一种基于点表面的尖锐特征绘制方法

针对抛雪球算法不能很好地处理尖锐特征这一问题,对已有的点边混合模型进行了改进,提出了一种通过射线法判断点与裁剪区域关系的裁剪算法,并给出了基于该算法的绘制策略.该算法能够处理多种复杂裁剪情况,包括复杂多边形及非闭合区域,减少了表面边界对表面点采样率的约束,有效避免了原有绘制方法中复杂的增加采样率的预处理过程,简化了整个绘制流程.通过对比不同模型的绘制速度,得出裁剪算法对绘制速度的影响主要取决于每个像素点的裁剪边数.     

基于关联规则挖掘算法的研究

关联规则挖掘是从大量的数据中挖掘出有价值描述数据项之间相互联系的有关知识.对于大型数据库来说,有算法的执行时间太长等问题.分析和探讨了Apriori算法,提出了基于Apriori算法的一种有效的关联规则挖掘算法,减少了数据库I/O操作时间,从而提高了效率.     

基于图的挖掘关联规则改进算法

关联知识挖掘算法中一种广为人知的算法就是Aprior算法,之后所有关联规则挖掘算法的基本思想都是基于频繁项目集发现算法的基础上进行了改进.为了提高关联规则挖掘效率,首先回顾了基于图的关联规则挖掘算法;然后,在此基础上进行了改进,把关联规则挖掘中寻找频繁项集的问题转换为图中寻找完全子图的问题,通过在图中查找完全子图来寻找频繁项集.提出了一种基于图的关联规则挖掘改进算法,并且对原算法和改进的算法从时间和空间的性能进行了比较分析,得出改进的算法是有效可行的.最后从实验结果得出结论GenerateItemsets算法比DGBFIG算法优.     

基于Hash结构的关联规则交互挖掘算法

关联规则挖掘是数据挖掘的主要技术之一,现有的关联规则挖掘算法均基于支持度-置信度框架,当用户调整阈值时存在多次遍历数据库和重复计算问题。该文针对支持度阈值变化时的关联规则维护问题,提出了关联规则交互挖掘算法HIUA,该算法改进了原始IUA算法的剪枝过程,并通过Hash结构提高算法运行效率。在UCI数据集及企业实际财务数据集中的实验结果表明:在支持度阈值发生变化的过程中HIUA算法进一步利用已有挖掘结果,有效提高了关联规则挖掘的效率。