基于规则的城市交通信号自组织控制

针对复杂的城市交通信号控制系统,基于车流与流体的相似性,将交通路网抽象成双向管网模型,并采用流体动力学理论对网络内车流进行描述.基于相邻路口之间车流信息的共享,通过对N-S方程的数学重构,建立了各路口车流基于相位的自组织控制规则.仿真实验结果表明:自组织控制规则不仅实现了交通网络中的车流量平衡,而且系统的控制性能得到了明显的提高.     

基于数据挖掘的金融时序频繁模式的快速发现

针对金融时间序列分析中注重快速作出趋势判断的特点,利用数据挖掘的思想和工具,提出一种金融时间序列模式快速发现算法.与传统的预测算法相比较,该算法对数据的分布和平稳性等方面的要求不高,不基于任何假设,能够非常快速地发现时间序列中的频繁模式,经过模式匹配后,可以用于金融时间序列的分析与预测.以实际汇率数据为例,证明了该算法的有效性.     

一种新的规则获取增量式算法

对新增样例给出了新的分类,针对此分类提出了新的规则获取的增量式学习算法DLR I,并就该算法与经典算法的复杂性进行了分析比较,得出增量学习算法较经典算法有较低的时间复杂性,可以有效地提高大型数据库的规则维护效率.     

XML键及推理规则

键是关系数据库和XML文档中重要的语义表达，是XML模式设计的基础。文章在XML树的定义和路径语言的概念的基础上，提出XML键的定义，给出XML键的一组完备推理规则集，最后提出了求解键集合最小覆盖的一般指导原则。     

空间数据挖掘技术

空间数据挖掘是数据挖掘的一个分支,在地理信息系统、遥感、导航、环境研究以及许多使用空间数据的领域中有着广泛的应用。阐述空间数据挖掘的定义、特点、体系结构与一般过程,介绍空间数据挖掘的方法和知识表达方法,指出空间数据挖掘的主要研究方向,提出开发空间数据挖掘系统的几点思考。     

基于模糊神经网络的车牌图像识别方法

提出了一种基于模糊神经网络的方法对汽车车牌字符进行识别.该方法首先基于Rough Sets.思想获取初始规则和训练集,基于图像识别目标确定网络结构,通过神经网络的学习算法对网络进行优化.然后根据图像识别的模糊特性,利用模糊神经网络对汽车车牌进行精确的识别.实验结果证明该算法比常规识别算法识别率更高.     

基于Linux的网络流量控制机制

提出了一种基于Linux的流量控制模型,此模型内嵌于Linux内核,利用队列算法分类不同QoS需求的网络流量,可满足不同服务水平的QoS需求.经过多次实验证实,采用流量控制模型后的网络性能明显优于传统网络模型,而且对于后继的网络需求也能充分适应.     

基于项目集的关联规则数据挖掘

为了发现项目集中所有的频繁模式,根据关联规则定义及属性,利用Apriori算法实现关联规则的挖掘,挖掘出新的关联规则。可产生清晰有用的结果;通过项目集的关联规则挖掘研究结果既可以广泛应用于各个领域,也可以检验行业内长期形成的知识模式,同时能够发现隐藏的新规律,成为完成数据挖掘任务的一个重要手段。     

基于频繁模式树的约束最大频繁项目集挖掘算法研究

目前绝大多数频繁项目集(或最大频繁项目集)挖掘算法并没有考虑相关领域知识,其结果会产生许多无关的模式.因此,发现约束频繁(或约束最大频繁)项目集是多种数据挖掘应用中的关键问题,然而,这方面的研究工作却很少.为此该文提出了一种快速的基于频繁模式树(FP-tree:一种扩展前缀树结构)的约束最大频繁项目集挖掘及其更新算法.实验结果表明该算法是快速有效的.     

数据挖掘技术在网络入侵检测中的应用

基于通用入侵检测轮廓,建立了一个基于数据挖掘技术的异常检测模型,采用关联规则、序列规则对数据进行挖掘,用判定树分类技术对获得的规则进行分类.实验表明,本模型具有较好的效益.