基于元学习技术的分布式采掘关联规则研究

关联规则是数据采掘中的重要研究内容。本文利用元学习技术提出了在分布式交易数据库环境下,分布式采掘关联规则的一种方法和相应算法DMAR。该算法具有较高的采掘效率和较低的数据通信量。定义了衡量采掘算法效率的分布式因子g,并指出算法的采掘效率和数据通信量与g值的大小有关。最后通过实验验证了该算法的正确性和有效性。     

神经网络在引信智能信息处理中应用的研究

介绍了应用神经网络进行引信智能信息处理的探索性研究。采用BP算法建立了无监督特征提取的图象识别系统,包括三层网络自动联想机与两层网络信息提取器,实现了对输入图象的训练、记忆与分类。研究结果表明该方法技术可行,在一定程度上体现了信息处理的智能性。     

联机分析处理与关联规则挖掘的集成化模型研究

通过分析关联规则挖掘和联机分析处理(OLAP)的特点,提出了一种联机分析处理与关联规则挖掘的集成化模型,并给出了其代数结构描述;在此基础上,提出了一种基于OLAP的关联规则挖掘理论,从而为简化挖掘步骤,提高挖掘效率奠定了理论基础;使用超市的实际数据进行实验分析,验证了该模型及其挖掘理论的正确性和可行性.     

基于多小波的信号奇异性分析方法

多小波具有很强的信号处理能力，而信号的奇异性用于表征信号突变或是不规则变化性质，包含了信号的重要信息，研究多小波的信号奇异性分析方法有重要意义。基于此，分析多小波的信号处理能力和信号的奇异性特性。推导出多小波变换模极大值与信号奇异性之间相应的关系，并将其应用于图像处理。仿真实验结果表明，多小波变换能很好的刻画信号的奇异性特征。     

人工神经网络在目标图像识别中的应用

运用高阶神经网络的理论和模型，借助相似三角形的特征提取方法和高分辨率图像的粗编码方法，研究了目标的平面二值边缘图像的ＴＳＲＩ模式识别问题。     

图像识别神经网络处理系统

目的　研制用于二值图像实时识别的神经网络处理器; 方法　采用数字电路实现的图像识别神经网络系统有３ 大模块：边缘提取模块以二值图像序列作为输入,用平面建筑物原理和８ 邻域原理提取图像的边缘特征;特征提取模块在边缘特征的基础上提取具有不变性的角特性和组块特征;模式分类模块采用４ 层特征映射神经网络实现图像模式识别; 结果　通过对图像信号发生器送出的二值飞机图像识别说明,训练样本数越多系统识别率越高; 结论　该系统能够快速、正确地实时识别二值图像序列;