利用量化规则格分布获取关联规则

在形式概念分析中,规则挖掘是构造概念格的目的之一.分布式构格首先是构造部分格,然后合并部分格得到完整格从而加快构格的效率.提出了一种规则合并方法,先在部分格上得到部分规则,然后有部分规则直接合并得到最终规则.结果表明此算法在挖掘规则是快速有效的.     

基于流水光总线阵列的快速矩阵运算

基于流水光总线的可重构线性阵列系统（LARPBS）是一种建立在光总线上的并行高效计算模型，介绍LARPBS模型上的一些快速而又高效的矩阵运算并行算法，包括矩阵转置、矩阵连加、矩阵与向量和乘积、矩阵乘法、矩阵幂以及矩阵连乘等，除矩阵幂运算和矩阵的连乘运算在O（logN）时间完成之外，其余矩阵运算均可在O（1）时间完成，这与以往的其他同类并行算法相比，效率都提高了O（log N），而且速度达到了最优。     

可变种群规模的遗传算法

通过模拟人类进化过程中人口数量的增长规律，提出了一种可变种群规模的遗传算法（VPGA）。VPGA不需要改变现有遗传算法的算子，仅仅通过对现有算法框架的重构，从而获得比现有遗传算法更优的解，而花费的计算代价更小，我们的实验结果表明使用离散逻辑斯蒂模型来控制种群规模的VPGA能够比其他从截观算子上改进的遗传算法更加高效省时。     

基于正交试验设计的粒子群优化算法

针对粒子群优化(particle swarmopti mization,PSO)算法在进化初期收敛速度快但容易陷入局部最优、在进化后期收敛速度变慢且精度低的缺陷,为了提高粒子群算法的收敛速度和全局寻优能力,提出了基于正交试验设计的粒子群优化(orthogonal-experi mental-design-based PSO)算法.在基本粒子群算法的基础上,算法OE-PSO对当前搜索到的解进行局部寻优,利用正交试验设计对搜索空间的分布均匀性在可行解的领域选择有代表性的解进行测试.算法OE-PSO用搜索到的更好的解在下一次迭代中引导粒子进行搜索,从而获得更快的收敛速度和更精确的解,同时避免局部最优.实验结果表明,算法OE-PSO不但具有较快的收敛速度,而且能够有效提高解的精确性,增强算法的鲁棒性.     

一种基于MP-tree的频繁路径挖掘算法

针对应用射频识别(radio frequency identification,RFID)技术产生的海量数据,引入挖掘频繁路径的思想,提出挖掘频繁路径的算法MP(movement path)-mine.该算法通过构建MP-tree的形式,只须扫描数据库一次就可以挖掘出所有的频繁移动路径,便于快速向用户提供物品移动趋势方面的信息.理论分析和实验结果表明该算法性能非常有效.     

雷达信号半实物仿真中脉冲丢失概率的研究

为使雷达信号半实物仿真中产生的信号脉冲流接近实际情况,运用随机过程理论和概率统计方法分析了复杂电磁环境下的单通道脉冲丢失概率,得出了丢失概率与脉冲信号密度及通道占用时间的关系式。进而研究了通道配置与脉冲丢失概率的关系,得出了通道复用技术所带来的益处,为达到设计所需的雷达脉冲信号密度和丢失概率,取得了在某些频段上需要的通道数,这为实际半实物仿真提供了有力的理论基础。     

我国高等教育自学考试社会助学研究

高等教育自学考试是我们国家从国情出发建立的具有中国特色的国家教育考试制度。1988年国务院颁布的《高等教育自学考试暂行条例》中明确规定:高等教育自学考试(以下简称自学考试),是对自学者进行以学历考试为主的高等教育国家考试,是个人自学、社会助学和国家考试相结合的高等教育形式。     

高维层次聚集Cube并行创建与存储方法

提出一种将高维层次聚集Cube划分成若干个低维立方体M ini-Cube的并行创建与存储方法,利用并行处理技术来创建这些分割的分段共享M ini-Cube及其聚集Cuboids,实现高维层次聚集Cube的并行创建和增量更新维护,从而解决高维OLAP聚集海量数据的存储与查询问题.理论分析与实验结果都表明,相对于以往的Full Cube完全创建和Partial Cube部分创建等传统方法,基于分段M ini-Cube并行处理方法的性能有显著的提高.     

基于蚁群优化的电信通话圈划分算法

针对电信客户"亲友通话圈"定价决策的需要,提出一种基于有向图的蚁群聚类算法对电信客户进行聚类.该算法在构造客户通话有向图的基础上,利用蚂蚁在搜索过程中不断积累信息素,更新有向图,并通过划分强连通分量得到亲友通话圈.通过对真实数据集的测试,算法可以有效、快速地形成聚类,合理地划分亲友通话圈.算法可以针对若干不同的阈值产生不同的聚类结果,选取其中成本最小者,从而获得最大利润,有效解决了通话圈定价的问题.     

数据仓库中一种基于维层次编码的位图索引方法

为了减少OLAP中的多表连接,压缩维属性连接关键字,对查询数据进行有效地分组聚集操作,来提高OLAP查询速度.利用维属性具有层次特性对维成员进行编码,生成其维层次编码,来代替维表中原关键字,实现了维表关键字的压缩.通过编码长度较小的维层次编码及其层次前缀路径,对维层次编码进行前缀匹配操作,快速检索出与查询关键字相匹配的维层次编码,求得维层次属性的查询范围,从而大大减少和简化了事实表与维表之间的多表连接,减少了I/O开销,提高了OLAP查询效率.