基于微粒群和子空间的离群数据挖掘算法研究

传统的离群数据挖掘方法大多数是利用全局的观点看待离群数据,很难发现低维子空间中的偏移数据.利用微粒群算法(PSO)具有简单,容易实现并且没有许多参数需要调整等优势,提出了一种基于PSO和子空间的离群数据挖掘算法(OM-PSO).该算法首先将子空间看作微粒,根据偏离数据所在子空间的稀疏系数,采用带有变异算子的PSO算法来搜索子空间,并将子空间中的数据看作为局部偏离数据,即离群数据;最后采用离散化的天体光谱数据作为数据集,实验结果验证了该算法的有效性.     

基于聚类的离群数据挖掘及应用

介绍了离群数据挖掘的基本概念,全面分析并总结了离群数据挖掘研究的历史与现状,以及离群数据挖掘的几类方法,并对一些典型方法进行了分析和评价,指出传统方法的优点和不足,展望了今后的研究工作。     

基于B/C/S模式的MIS系统构建及应用

对C/S模式和B/S模式的工作特点进行了分析,并根据MIS系统中用户对信息处理的实际要求,给出了基于B/C/S模式的信息管理系统的构建方法,该方法充分利用了C/S模式和B/S模式各自的优势。最后,通过实例展示了这一方法在学籍管理系统中的具体应用。     

基于离散小波的可控误差三维分层表面仿真

利用二维离散小波变换,研究了三维空间下分层表面的分解和重构方法,通过进行高频和低频成份的滤波,得到原始表面的近似表面仿真,所产生误差即为高频滤掉部分。在对细节表面进行前处理的基础上,得出表面分层后的误差范围,这使得近似表面的仿真误差变得可控,从而决定表面的分层细化是否继续进行。采用Daubechies小波对分层表面进行快速小波变换,给出了可控误差三维分层表面仿真算法,并对仿真结果进行了分析。