关联规则挖掘在医保稽查中的应用研究

关联规则挖掘是从事务数据库中发现大量数据中项集之间存在的有意义的隐藏关系。本文探讨了关联规则挖掘如何应用于医保稽查工作,并论述了对Apriori算法进行的具有针对性的改进。     

基于随机序未决赔款准备金分布函数的界值

在应用随机序的定义和性质的基础上,结合未决赔款准备金分布情况和排队模型的分析方法,研究未决赔款准备金分布函数的界值。根据保单组合的损失的发生和报告与赔付的随机过程在不同的序关系下的分析,得到针对未来某一时间段内的OCR类赔付责任,保险公司需计提的未决赔款准备金分布函数的上界和下界。给出了计算实例,并与以往使用的未决赔款准备金的计提方法进行了比较。     

Scott的一个猜想及相关问题

本文得到Scott关于指数不定方程的一个猜想的相关结果．     

广义变分不等式的优质泛函

引入了广义变分不等式的几类优质泛函,利用这些优质泛函,在很弱的条件下建立了广义变分不等式解集合的误差界.方法和结果是新的,且推广和改进了这一领域内一些已知结果.     

基于高阶项目集的频繁项目集发现算法

为了提高关联规则数据挖掘的效率,在研究Apriori算法原理和相关文献的基础上,提出了一种基于高阶项目集的频繁项目集发现算法.本算法不同于逐层迭代的搜索方式,而是采用从求解所有的高阶频繁m-项目集入手的方式,来发现隐藏在事务数据库中的频繁项目集.本算法避免了大量的候选项目集的产生,并且对数据库仅需进行有限次数的扫描,从而体现了算法的高效性.     

给定独立数的无符号拉普拉斯谱半径的下界

设图G为简单连通图,图G的独立数α=α(G)指的是图中顶点独立集最大基数,本文确定了给定独立数α=n-2,n-3条件下一类n阶连通图的无符号拉普拉斯谱半径的下界。     

关联规则挖掘的Apriori算法综述

关联规则挖掘是数据挖掘研究领域中的一个重要任务,旨在挖掘事务数据库中有意义的关联。随着大量数据不停的收集和存储,从数据库中挖掘关联规则显得越来越有必要性,关联规则挖掘的Apriori算法是数据库挖掘的最经典算法并得到广泛应用,在介绍关联规则挖掘和Apriori算法的基础上,发现Apriori算法存在着产生候选项目集效率低和频繁扫描数据等缺点。综述了Apriori算法的主要优化方法,并指出了Apriori算法在实际中的应用领域,提出了未来Apriori算法的研究方向和应用发展趋势。     

一种动态的时延约束费用优化多播路由算法

对动态环境下满足时延约束且费用最优的多播路由算法进行了研究.改进了一种触发重组算法,该算法根据一个区域内的节点加入或退出次数来确定对多播树的损害程度,若达到所给定平衡因子的值则触发重组.仿真表明,该算法具有较好的性能,能满足某些特殊的场合的要求.     

关于Schottky定理的显式上界

对于在单位圆盘D={z||z|1}中不取值0与1的正则函数f(z),给出了当|f(0)|=t1,|f(z)|的显式上界;结合王维平,高建福的结果,完整地确定了|f(z)|的显式上界。即:若f(z)∈S(t),则当t≤1,k∈[1,+∞)时|f(z)|≤ηk(t)≤[(2+2)2]k-k1.tk1.(1+t)k-1k;当t1,k≥3时|f(z)|≤ηk(t)≤16k-1.t1k.(1+t)k-k1,其中k=11-+||zz||,t=|f(0)|。     

一类抽象锥不等式局部误差界的几个等价条件

研究Banach空间中有约束的抽象锥不等式,利用集合的法锥、切锥以及算子的Gateaux导数,给出其可行解集的局部误差界成立的几个等价条件．