临床数据中挖掘关联规则算法的选用

对典型的挖掘关联规则的Apfiori算法和FP-growth算法进行比较分析．然后，结合临床数据的特点，建议在临床数据关联规则挖掘中采用FP-growth算法。     

一种基于自组织特征映射网络的聚类方法

针对传统聚类算法不能有效地处理大数据集和高维数据集的问题,提出了一种基于自组织特征映射网络的聚类方法。该方法能将任意维输入模式在输出层映射成一维或二维离散图形,并保持其拓扑结构不变,而且无需监督,能自动对输入模式进行聚类。给出了应用该方法的具体步骤和加速自组织过程的若干改进方法,通过仿真实验证明该算法的有效性。     

本科课程体系优化设计方法研究

分析了现有本科课程体系设计的现状,提出了一种本科课程体系优化方法.该方法根据专业特点由专家组利用鱼骨图确定专业课程类别、各类课程中所涉及的知识点,进而确定该专业的初步课程体系.在此基础上,充分收集各类人员对该初步课程体系的看法,将其构成决策表,利用粗糙集理论对所得决策表进行约简,得到一系列规则.再由专家组根据本专业师资、实验等条件选取一些规则构成该专业的课程体系,进而形成该专业教学计划,所得到的教学计划更为实用、有效,同时所得的这些规则也为学生选课优化提供了理论指导.     

主动数据库的规则终止性分析

提出一种基于进化图的规则终止性静态分析的方法，全面考虑了触发图、活化图和惰化图。这种基于进化图的分析方法比传统基于图的分析方法分析更为精确，之后提出了规则终止性分析算法并证明了其正确性。     

基于FNN的岩体滑坡稳定性分析

将一种直接从样本数据中提取模糊规则的模糊神经网络(FNN)方法运用到经典的边坡稳定性分析中，仿真表明该方法比以往方法更具有效性．     

管理分类规则的广义决策树

为了将传统的决策树无法管理的、由各种分类算法所发现的大量的有意义的规则进行有效的存储、剪裁和使用 ,提出了广义决策树结构。它将传统决策树的结构进行扩展 ,能够以较少的存储代价管理所发现的所有分类规则 ,且易于表达规则之间的关系。提出了有效的优化策略。以此树为基础 ,将决策树分类算法与基于关联规则的分类算法进行了概括统一 ,并提出了相应的算法。实验结果证明 ,广义决策树克服了传统决策树的缺点 ,并且适宜于维护、剪裁以及快速搜索大量的分类规则     

多维多层次挖掘关联规则在商品房交易中的应用

讨论了一种在关系数据库中挖掘关联规则的方法．该方法利用关系数据库的特点．有机地组织概念层次树技术、关联规则挖掘技术进行多维多层次挖掘关联规则．挖掘满足要求的多维关联规则、多层次关联规则、交叉层次关联规则。     

Hilbert空间中函数和的次微分规则及应用

 给出了Hilbert空间中非光滑函数和次微分的“局部”和规则,讨论了这个和规则的应用.利用“局部和规则”,讨论并得到了一类较广的复合优化问题的最优必要条件.     

改进的模糊神经网络应用于投标报价

针对模糊神经网络规则膨胀导致的网络训练速度慢和泛化能力弱的缺陷,提出了一种改进的基于T-S模型的模糊神经网络的结构和算法。网络结构包括前件和后件网络二部分,本文在后件网络中增加了一个隐含层以提高计算能力,在前件网络中运用了有效模糊规则选取的方法以提高收敛速度。最后将提出的网络结构应用于建筑工程的投标报价中,仿真结果证明:该网络能达到更高的误差精度、更快的训练速度和更好的泛化能力。     

一种区间值聚类的数据挖掘方法

提出了一种区间值聚类的数据挖掘方法。该方法首先将数据库中的数据按照属性进行聚类,将它们划分为若干区间,对于同一区间中的数据赋予相同的编号,以此处理直至数据库的最后一个属性。在完成这种转换后即可使用关联规则的挖掘方法。该方法与传统的数据挖掘方法相比更加符合实际。大量的仿真数据集和真实数据集的实验结果表明该算法是有效的。