基于相关系数的正、负关联规则挖掘算法

负关联规则描述的是项目之间的互斥关系，它与传统的正关联规则有着同样重要的作用。然而，大多规则挖掘算法只能挖掘正规则而忽略了负规则的挖掘。本文利用统计学中相关系数的理论，提出一个能同时挖掘正、负关联规则的算法，实验表明该算法是有效的。     

基于克隆选择的粗糙集属性约简方法

基于免疫克隆选择的原理，提出了一种新的粗糙集属性约简方法，将属性集合的分类近似质量作为进化目标，利用免疫反应的分布性特点通过局部并行搜索实现全局优化，并采用抗体更新和亲和力抑制手段来维持群体的多样性，保证了各抗体局部优化解的稳定性，从而获得了多个优化约简集合，通过机械故障诊断数据的实例应用，表明该方法可以获得多个符合分类质量要求的属性约简集合，因此满足了设备故障诊断的特征优化选择要求。     

多维频繁项集计算方法及应用

对多维关联规则中混合维关联规则数据挖掘技术进行了探索，实现了基于多维频繁项集进行多维关联规则数据挖掘的一种实用高效的方法，文中基于多维的频繁项集的挖掘算法主要分为2个步骤，并在高校学生信息系统中给予具体运用．     

一种基于二进制可辨矩阵的属性约简算法

基于可辨矩阵的属性约简算法都是从信息系统中直接求得约简，提出了分两步求得约简，降低了算法的时间复杂度为O(mn^2)，第一步计算出近似约简，第二步去掉其中的冗余属性。改变了过去人们认为基于可辨矩阵的特征选择算法的时间复杂度不低于O(m^2n^2)的观点(其中m为数据集中特征／属性的个数，n为数据集中样本的个数)。最后给出了实验结果.     

基于可辨识矩阵的动态属性约简算法

可辨识矩阵是粗集理论中可以标识决策属性和条件属性之间关系的矩阵。根据数据库的动态建立特性，提出了一种基于粗集理论中的可辨识矩阵的动态属性约简算法，利用数据的动态性和可辨识矩阵的特性对己有的属性约简进行修正，并通过实例证明了这种算法的有效性，该算法极大地节省了计算量，提高了算法的执行效率。     

一种基于关联规则的数据挖掘算法实现与应用

对Apriori算法加以改进,提出了一种更高效的关联规则挖掘算法,在扫描数据库的同时把支持每个项目的事务都标记出来,采用一种新的方法来计算候选项目集的支持度.该算法只需对源数据库进行一次扫描,就可以找出所有的频繁集,具有很高的效率.     

FP-growth算法的一种优化实现

研究工作者已经提出了许多对事务数据库中频繁模式、关联规则的挖掘算法.早期算法有Apriori算法,然而该算法利用候选项集找频繁项集,而候选项集的产生往往是非常耗时的.JianweiHan等人提出了一种改进的算法,FP-growth算法.该算法不产生候选项集,效率比Apriori算法提高了近一个数量级.在描述FP-growth算法的基础上,具体讨论了如何优化数据结构,有效的实现该算法.     

银杏叶总黄酮的提取和表征

<正>银杏提取物主要含黄酮和内脂,其有效成份主要为山奈酚、槲皮素和异鼠李素等,银杏叶总黄酮按其分子母核结构可分为四类:黄酮醇及其甙、黄酮及其甙、黄烷醇和双黄酮类.国内外对银杏有效成份的提取精制研究工作十分重视,主要运用的提取方法有溶剂提取、超声提取、微波提取和超临界萃取法等,后三种方法由于设备耗资大、操作复杂,     

一类不确定性决策问题的变权分析方法

以灰色系统理论和模糊数学为基础,探讨了多属性决策问题中所包含的不确定性可以用灰色模糊数表示的情况,提出了基于灰色模糊信息的多属性决策的概念.利用分析方法和技巧,融合变权和熵权误差分析法,构建了灰色模糊多属性决策问题的算法,直接由灰色模糊决策矩阵确定变权的基础权重和上确界,使算法在理论上更加严谨可靠,为不确定型多属性决策方法研究提供了一条新思路.给出的算例说明了算法的可行性.     

基于Delphi环境下组件制作的研究

在Delphi环境下,研究了组件制作的方法。从Delphi组件现有的可视组件库(VCL)和交叉平台组件库(CLX)的特性出发,讨论了组件制作的几个步骤,并且对每个步骤进行说明和列举相关代码示例。