基于FP-tree和支持度数组的最大频繁项集挖掘算法

提出了一个基于频繁模式树即FP-tree和支持度数组相结合的最大频繁项集挖掘算法,首先建立FP-tree,同时建立支持度数组,然后在此基础上建立最大频繁项集树MAXFP-tree,MAXFP-tree中包含了所有最大频繁项集,缩小了搜索空间,提高了算法的效率。算法分析和实验表明,该算法对稠密型数据集和稀疏型数据集均适用,并且特别适于挖掘具有长频繁项集的数据集。     

一种基于新的条件信息量的属性约简算法

为了获得决策系统中更好的相对约简,讨论了属性约简与条件信息量的关系,提出了新的条件信息量,由此定义新的属性重要性。统一了一致决策表和不一致决策表属性约简方法,以新的属性重要性为启发信息,给出了计算新的条件信息量的高效算法。理论分析和实验结果表明,与现有的基于条件信息量的约简算法相比,该算法时间复杂度较低,同时约简后的属性数目更少。     

基于K-means聚类的电信企业客户分群决策

数据挖掘应用开发对电信企业的发展有重要意义,其中客户分群可以准确认识客户总体构成,使得服务和营销更具针对性。以常州市电信企业为例,采用K-means聚类分析技术,利用商业数据挖掘自动化软件KXEN给出了一个电信客户分群的解决方案。实践表明,该方案是有效的。     

企业资源规划应用型人才的培养与实训

通过对信息管理与信息系统专业ERP实践教学的现状分析,结合江苏技术师范学院信息管理与信息系统校级特色专业建设情况及社会人才需求的分析,从实践教学模式、师资队伍、考试考核等几个方面,探讨江苏技术师范学院如何进行ERP应用型人才的培养与实训。     

基于空间自相关的环境预测方法

为了研究环境系统模型中非线性因素的影响，提出了一种基于空间自相关神经网络的预测方法，在预测中考虑了空间属性对预测结果的影响。实验表明该方法优于BP神经网络预测方法。     

一种图形数据的存储和查询方案

提出了一种以图形、图段和图元为基本元素,通过无环有向图结构建立图形数据的存储模式,在关系型数据库上以嵌套关系存储图形数据的方法,讨论了该存储模式下图形数据查询的语言和算法,解决了图形存储必须依赖于大型工程数据库系统的问题,同时给出了一个模型系统Ｔｒｉｅｂａｓｅ的例子。     

一种基于用户聚类的协同过滤推荐算法

为解决传统协同过滤算法在生成推荐时的速度瓶颈问题,提出了一种基于用户聚类的协同过滤推荐算法。该算法将推荐过程分成了离线和在线两个部分。离线时,算法对基本用户数据进行预处理,并对基本用户聚类;在线时,算法利用已有的用户聚类寻找目标用户最近邻居,并产生推荐。实验表明,基于用户聚类的协同过滤推荐算法不仅加快了推荐生成速度,而且提高了推荐质量。     

有噪条件下基于正则化模型的本体学习算法

对原有的正则化本体模型加以改进,分别从再生核希尔伯特空间及线性空间Rm出发,得到有噪或半监督学习框架下的新正则化求解模型,将计算模型的注意力集中到假设空间的设置上.实验表明,新算法对特定的应用领域具有较高的效率.     

基于岗位能力的软件工程专业实践能力培养研究

为了满足社会对软件工程人才的需求,需要改革软件工程专业培养模式,进一步加强专业实践能力的培养。从软件人才市场的岗位出发,对软件工程人才的社会需求作了深入的调研分析,总结了各岗位的详细能力需求,并在此基础上提出基于岗位能力的软件工程专业实践教学计划,可为高校制定人才培养方案提供参考和借鉴。     

基于压缩差别矩阵的属性约简算法

影响基于差别矩阵的属性约简算法效率的主要因素有计算U/C等价类和差别矩阵的大小.为了解决差别矩阵大小影响属性约简算法计算效率,分析了基于差别矩阵的属性约简算法中差别矩阵定义的不足,重新定义了一种压缩差别矩阵,删除差别矩阵中大量的空元素和相同元素,从而进一步减少了差别矩阵元素的个数,并设计基于压缩差别矩阵的属性约简算法.对UCI及其他数据库进行仿真,实验结果表明该算法具有高效性.