基于简单双矩阵的关联规则算法研究

针对关联规则挖掘中传统Apriori算法需要通过多次扫描数据库来发现频繁项集的问题,提出一种基于简单双矩阵的方法来实现频繁项集的发现．该方法仅需要扫描数据库一次,并充分利用项集的出现次数和是否出现逻辑值来获取频繁项集．实验表明,该方法比Apriori算法更高效．     

基于SNMP的以太网物理层拓扑自动发现算法

分析了已有的拓扑推断理论和算法,针对其不足,提出了一种新的物理层拓扑发现算法．对子网内拓扑发现中的哑设备以及VLAN环境中设备发现的问题进行了研究,使新算法在实际应用中更具通用性,能快速、准确、完整地发现局域网内设备间的连接关系．     

基于生成树的网格资源发现算法

利用点对点技术的覆盖网络,提出了一种基于生成树的网格资源发现算法,通过维护并匹配邻居节点的链接资源信息位图索引,能有效地解决传统网格集中式资源发现算法缺乏动态性、可伸缩性和不能扩展等问题．仿真实验数据表明,该算法在查找过程中涉及的节点数和边数都比传统算法有明显降低,整个系统的资源发现效率大大提高．     

网络管理系统中的自动拓扑发现算法

针对网络管理系统中的配置管理模块．提出一种基于ICMP和SNMP协议特性采用主动探测与被动监视的自动拓扑发现算法,分析了该算法涉及的协议理论和行为,并就算法的性能和效率作出评测,同时给出Windows95＆NT环境下实现该算法的关键思想及函数调用．     

基于听觉小波包自适应语音增强方法

建立了听觉模型的小波包，考察了传统小波分析的软硬阈值与Donoho提出的小波阈值之间的关系，提出了一种新的自适应动态阈值的计算方法．实验证明，该算法不仅较好地解决了音乐噪声的问题，而且其语音增强效果也比传统的算法具有更高的清晰度和可懂度．     

免疫优化在QoS组播路由中的应用

提出了一种时延约束的最小代价组播源路由免疫算法．该算法的主要思想是：利用自然免疫系统中抗体和抗原的交互关系来模拟QoS组播路由中可行解（满足QOS约束的解）和不可行解（不满足QoS约束的解）之问协同演化过程,避免了传统的处理约束的方法——罚函数方法的局限性．算法的实现借鉴了前人提出的高效的克隆选择算子,可有效地提高算法的搜索性能．仿真实验证明：算法性能要好于被测试的著名路由算法．     

利用FP-树构造多词Trigger对语言模型

在语音识别系统中，Trigger模型作为语言模型的一种．用于描述长距离词与词之间的关系，然而以往的Trigger语言模型多是针对单个词的模型．本借鉴数据挖掘中关联规则发现的Apriori算法，利用效率比较高的FP-树算法产生多词Trigger对，由此构造多词Trigger对语言模型．这种模型能够更多地利用历史数据．弥补了传统N元法语言模型描述距离小于N的缺点．     

内存数据库查询优化

基于一种广泛接受的内存数据库系统基本概念及内存数据库中的SB-树索引结构，提出了更方便关系代数操作的SB^*-树．在此基础上，提出了优化的关系代数操作的实现算法．根据这些算法和关系代数等价定理，给出了对关系代数查询树进行逻辑优化的规则，并证明了逻辑优化的正确性．最后给出了代价评估模型，实验表明提出的内存数据库查询优化算法相对于传统的优化算法具有更好的时间及空间性能．     

基于混合神经网络的图像分类矢量量化方法

介绍了一种基于自组织特征映射（SOFM）神经网络图像压缩的传统算法．通过对传统压缩算法的分析，提出了一种新的简单易行的分类矢量量化方法．新方法采用边缘检测，主元分析（PCA），自组织特征映射来设计码书，大大提高了图像的客观指标和主观视觉效果．实验表明，此方法效果明显优于传统的SOFM图像压缩算法．     

一种新颖的特征提取方法在文本分类器中的应用

自动文本分类中类别特征提取是文本分类中的关键,传统特征提取算法存在特征提取不够准确,进而导致分类精度不高．为解决此问题,本文提出了一种有效的特征提取方法一基于滑动窗口的特征提取方法,用来构成文本分类的模型,该方法能扩大特征的提取范围．实验表明,改进后的分类模型可以有效地提高文本的分类精度。     

中国虚拟人三维模型重建和可视化

中国虚拟人项目已公开发布了数例人体数据集．与美国及韩国虚拟人数据集相比,中国虚拟人数据集提供的解剖和生理信息更为详尽．为解决数据量大处理复杂的难题,研究和实现了基于PC机环境的超大数据集三维模型重建和可视化．为提高重建精度,提出了几种处理算法：各向异性扩散预处理、相关性配准处理和基于水平集的分割处理．利用多处理器和多线程技术,提出并研究了任务并行、管线并行和数据并行的新并行策略,以及一种修正的同步模板算法,可有效提高处理速度．     

面向主属性值的类标特征分析

为了提取一个类标区别于其他类标的本质特征,增强类标数据集的可解释性,提出了一种面向主属性值的类标特征分析方法.该方法首先建立了一种直观的面向主属性值的类标特征模型,然后设计了对应的类标特征抽取算法,最后给出了一种基于类标特征分析的分类算法.实验结果表明:所建立的类标特征模型能够直观、有效地描述类标数据集中各类标的特征,给出的类标特征抽取算法有较高的执行性能,提出的分类算法在针对类标较少的数据集时有较高的分类准确率.     

基于最大平衡度的自适应随机抽样算法

针对分类算法在非平衡数据集的情况下分类性能不理想的问题,总结了常见的数据平衡化方法,包括改造数据集与改进算法,提出一种全新的基于最大平衡度的自适应随机抽样算法,进一步优化了随机森林算法的分类效果.将其应用在随机森林算法的数据预处理阶段,并通过实验证明了该随机抽样方法的有效性,在合理的整体精度范围内能够较好地处理非平衡数据.产生的新数据比较拟合初始数据,能够提高分类器处理非平衡数据的能力.     

一类非最小相位对象的内模预测控制:SISO情形

针对一非最小相位对象,在内模控制结构下,根据预测控制机理来直接优化设计一非因果FIR(有限脉冲响应)型控制器,提出了基于奇异值分解(SVD)的控制器系数估计算法.该控制方法既保留了预测控制滚动优化的特点,又保持了内模控制对偶稳定性的特性,是一种稳定化的预测控制新策略.     

XGBoost启发的双向特征选择算法

针对特征选择过程中特征评价指标单一性的问题, 基于集成学习中的极端梯度提升算法, 提出一种新的特征选择算法. 该算法首先应用极端梯度提升算法中构建集成树模型的指标作为特征选择的特征重要性度量指标, 然后利用一种新的双向搜索策略, 权衡了多种特征重要性对结果的影响, 并优化了评价过程的效率. 通过11个不同维度的标准数据集进行测试, 实验结果表明, 该算法能增加特征子集的多样性, 加快特征选择的速度, 并在中维和低维数据集上均具有较高的计算效率, 且能处理高维数据集.     

桥梁预警系统的数据预处理

针对影响桥梁预警系统有效工作的数据获取问题,提出了融合神经规则、数据分类和数据评估的预警系统数据预处理方法.通过训练集将人工完成数据处理过程中所用到的知识融入到神经规则中,并应用神经规则剔除噪声数据;根据拟定的相似性指标对神经规则输出的数据进行分类,合并相似度较大的信息,以大幅度降低数据量;应用曲率模态对各测点保留的信息进行剖分,并与桥梁结构各测点的标准曲率模态比较,提取与初始数据信息不一致的采样数据,为预警系统的损伤识别提供依据.模拟分析表明,该方法能够在大幅度降低预警系统数据量的基础上保留结构状态发生变化的关键信息,具有一定的应用价值.     

一种新的子空间聚类算法

通过对数据空间进行网格划分并寻找稀疏区域来发现类的边界,提出了一种基于密度与网格的新的子空间聚类算法.该算法使用投影寻踪的搜索策略来发现存在于子空间内的类,同时运用基于竞争的修剪方式来有效地控制算法的计算复杂性.实验结果表明,所提算法在精度、时间复杂性等方面具有优良性能.     

基于DTW优化积分直方图动态捕捉的持续人体动作识别研究

针对现有持续人体动作识别算法实时性不高的问题,提出了一种基于动态时间规整(DTW)积分直方图的动态捕捉方法.首先,利用积分直方图对原始动作进行分类;然后,聚类各种时空姿态建立动作的统计表示,并采用巴氏距离测量两个直方图的相似性;最后,根据动态时间规整方法设计了动态程序识别算法.通过大型数据集的测试以及与几种最新方法的比较证明了方法的高效性,即使在数据库包含噪声和相似动作的情况下,方法仍然取得了很好的识别效果.     

基于SVM的特征加权KNN算法

作为一种非参数的分类算法,K-近邻(KNN)算法是非常有效和容易实现的.它已经广泛应用于分类、回归和模式识别等.在应用KNN算法解决问题的时候,要注意两个方面的问题--样本权重和特征权重.利用SVM来确定特征的权重,提出了基于SVM的特征加权算法(FWKNN,feature weighted KNN).实验表明,在一定的条件下,FWKNN能够极大地提高分类准确率.     

求解服务选取问题的混合蚁群优化算法

为解决大规模服务选取问题,提出了一种混合蚁群优化(HACO)算法.该算法先采用动态skyline服务查询过程过滤抽象服务类相关的冗余候选服务,以大力缩减空间提高查找效率,然后利用聚类设计动态构造图来引导蚂蚁的搜索方向,从而确定局部服务选取的搜索区域;基于已经确定的局部服务选取的搜索区域,利用启发式策略选取具体的组合服务.采用标准的真实数据集和综合产生的数据集对所提的方法进行试验评估,以及和最近提出的相关组合服务算法进行对比.实验结果在解的质量和处理时间方面效果显著.