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。     

信息系统风险评估的数学方法

给出了现代网络信息系统风险域及其风险点的形式化数学描述，建立了风险估计模型，对不同域中的风险关联性作了探讨，为网络信息系统的安全性评估提供了可行的数学方法。     

一个模糊关联规则挖掘系统的设计与实现

将模糊技术和概念分层应用到关联规则挖掘中，给出了多层次模糊关联规则挖掘系统的设计和实现的具体方案．并以Fnodmark2000数据库为基础，建立了客户信息主题数据库．建立起系统基本框架，实现了模糊关联规则挖掘算法，使用该算法成功挖掘出客户消费—特征之间的关联规则，并对得到的模糊关联规则作了分析。     

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。     

基于封闭项目关联规则集压缩方法

 关联规则挖掘能使我们发现数据库中大量项目与项目之间的相关关系,但是用传统关联规则生成方法所生成的规则一是数量庞大,二是其中包含许多具有相同意义的规则,这必然对用户理解和提取信息带来干扰.通过求封闭项目集大大消减了频繁项目集数量,再由封闭项目集构造一种新的存储机制——-近似格,基于近似格可以得到冗余度较小的关联规则,从而提供用户简洁紧凑又无信息丢失的关联规则集.     

浙江金华北山木本植物群落的DCA排序

调查了浙江金华北山38个样地的38种主要树种的生态重要值,应用除趋势对应分析方法(detrended correspondence analysis, DCA)对该地区的木本植物群落类型进行了定量分析.结果表明,浙江金华北山存在11个比较典型的群丛,它们分别为:黄山松(Pinus taiwanensis)群丛、马尾松(Pinus massoniana)群丛、锥栗(Castanea hennyi) 木荷(Schima superba)群丛、木荷 苦槠(Castanopsis derophylla)群丛、马尾松 木荷群丛、枫香(Liquidambar formosana) 马尾松群丛、枫香群丛、香樟(Cinnamomum camphora)群丛、马尾松 短柄抱(Quercus dlandulifera) 杜鹃(Phodedendron sinsii) 木荷群丛、木荷 马尾松群丛和马尾松 黄山松群丛.分析了11个群丛的成员组成及其与环境间的关系,计算了它们的物种多样性指数.     

分布式数据库约束性关联规则挖掘

针对分布式数据库和约束条件的特点,提出了2种在分布式环境下挖掘约束性关联规则的有效算法,即基于Apriori算法的DMAIC算法和基于频繁模式树的DAMICFP算法.此外,进行了实例验证和测试分析,指出了这2种算法各自的优缺点及适用条件.研究结果表明:DMAIC算法可靠性高,通信协议简单,适用于对通信性能要求不高的分布式数据库;DAMICFP算法执行效率高,通信性能好,适用于对通信性能要求较高的多项目分布式数据库;这2种算法均能有效地解决分布式挖掘约束性关联规则的问题.     

复杂性科学,整体规律与定性研究

研究复杂系统要探索整体规律。本文指出：为此，需要对定性研究予以适当重视。文中给出一个表达式（E）：S（∑i=1^n 1i）=E（n）。即自聚集、自组织，演化发展到新层次。此式用以描述复杂系统的结构形成及动态行为。还对其中“自聚集”的概念给以着重阐述。又分析了聚集的量对系统功能的影响，并给出表达式（C）：11＋12＋…＋1n〉en^2。然后，从生物、自然界、社会、工程等不同领域，解释可用（E）式概括的一些规律性现象；还从复杂系统的观点并借助（E）式讨论了对“从量变到质变”的进一步认识。最后，将复杂系统的自相似结构与分形自相似结构对比，指出一类复杂系统其结构的形成实质是由简单规则多次重复而来，即复杂寓于简单，且聚集、组织，再聚集、再组织……即（E）式多次重复，是形成一类复杂系统结构的基本规则。     

基于混合遗传的粗集理论在工期目标实现中的应用

提出了一种基于混合遗传算法的相对约简算法,把模拟退火融入到遗传算法中形成混合遗传算法,提高了遗传算法的优化效率,并用这种混合遗传算法寻求最小条件属性集及最小属性值约简.并把该算法引入到工程管理中,提出若干条决策规则,工程管理人员按照这种决策规则进行施工过程的管理,确保在预定时间内完成工程任务.如果对整个施工过程的每道工序都提出决策规则,就可以实现施工过程的智能化管理.