数据挖掘中数据预处理技术综述

数据挖掘是数据库系统和信息决策领域的前沿研究方向。论述了数据预处理在数据挖掘中的重要地位，介绍了数据预处理所包含的内容和采用的方法。     

基于粗集理论不完备数据的改进算法

由于经典的粗糙集理论不能处理原始数据中的遗漏信息,需要对这些数据进行补齐才能用于知识获取.因此数据预处理在粗糙集理论应用中非常重要的一环,其结果将直接影响到粗糙集理论应用的效率、准确度.所以有关基于粗集理论的数据挖掘中数据预处理的方法研究具有非常重要的意义.本文分析了当前主要数据补齐算法的特点和不足,并针对已有的基于粗糙集理论的不完备系统补齐算法ROUSTIDA的缺陷,提出了改进的数据补齐算法,使更多的缺损数据得到填补,尽量避免可能导致的决策规则矛盾问题.     

数据挖掘中的贝叶斯网络构建与应用

贝叶斯网络是数据挖掘有效的工具之一,贝叶斯网络能够处理不完整数据.定量地描述了数据间的相关性,并以图形的方法描述数据间的相互关系.分析了构建贝叶斯网络的基本理论,并指出了贝叶斯网络在数据挖掘中的应用.     

基于粗集的连续属性离散化方法

由于经典的粗糙集理论不能处理原始数据资料中，含有连续属性的数据，需要对这些数据进行连续属性离散化才能用于知识获取，因此数据预处理是粗糙集理论应用中非常重要的一环，其结果将直接影响到粗糙集理论应用的效率，准确度．所以有关基于粗集理论的数据挖掘中数据预处理的方法研究具有非常重要的意义。本文对目前主要的离散化算法进行分析和评价，以中值序列分割点集为基础，提出了一种连续、离散混合离散化改进算法，保证划分后决策表一致性，获得合理的划分点．     

基于差分进化算法的时间最优路径规划

提出了一种利用差分进化算法进行机器人路径规划的方法,在极坐标系下采用路径点列的极角和极径作为参数进行个体成员的矢量合成,生成的初始路径点集经过提练处理极大提高机器人移动速度;仿真结果表明该方法可以解决大范围、多障碍环境的机器人路径规划问题.     

基于改进蚁群算法的智能小车路径规划仿真研究

提出一种改进的蚁群算法,解决传统蚁群算法在路径规划时容易陷入局部最优解的问题,改进的蚁群算法具备更优越的搜索最短路径的能力.MATALAB仿真实验表明,改进的蚁群算法能够节约寻找到最优路径的时间,加快收敛速度,具有更好的鲁棒性.     

基于神经网络模式的遗传算法在CRM的数据挖掘优化研究

提出了一种有利于优化CRM的基于神经网络模式的遗传算法,在对该算法仿真研究的基础上,将其应用于CRM的数据挖掘中,用于优化BP神经网络模型的拓扑结构和连接权值,并给出了相关的遗传操作和实验结果。通过论证分析认为,该算法克服了原有几种用遗传算法优化CRM神经网络数据挖掘模型的缺点和不足,提高了数据的精度和准确性,具有广泛的应用价值。     

基于相似性的分布式数据挖掘

基于相似性的数据挖掘模型,主要是用于发现分布式资源之间的相似性,利用相似性,融合分布式数据库,减小数据挖掘的规模.本文主要介绍以关联规则中最大频繁项集为基础的一个相似性的度量方法,并根据对得到的相似性值的判断,来决定数据挖掘的数据源的引用规模.     

基于决策树的分布式数据挖掘算法研究

当前，各相关学科的飞速发展，使得对计算机速度、系统可靠性和成本实效性的要求提高，这必将促使发展另外的计算机模型来取代传统结构的计算机。另外，随着计算机网络的出现以及实际应用中的要求，数据挖掘系统必须具有更好的可扩展性。分布式数据挖掘算法正是在这一背景下产生的，它是数据挖掘技术与分布式计算的有机结合。     

军事运输的模糊时间路优化

基于模糊规划原理，提出了军事运输的模糊时间最优路问题，建立了模糊机会约束规划模型和模糊相关机会规划模型，设计了基于遗传算法的求解步骤，并处理了运输中的“必经点”争“禁止点”问题，并给出了算例。     

基于一种混合算法的分类规则挖掘

在分析决策树算法及遗传算法的基础上,提出了一种将两种算法结合起来挖掘分类规则的新方法.实验证明,它不仅解决了数据挖掘中的“碎片”问题,同时还提高了分类的准确率.     

一个基于频繁项集的时态数据挖掘算法

研究了基于频繁项集的一个时态效据挖掘算法。首先，引进了基于频繁项集关联规则的概念，性质，然后，给出了基于时态约束关联规则的相关概念的定义和性质分析。最后，给出了在时态效据库中挖掘具有时态约束的最大频繁项集，并在此频繁项集生成时态关联规则的算法，由此导出了一种具有一定意义的时态关联规则挖掘方法，这种方法可以崩于商品销售。股票价格等问题的知识发现，最后讨论了该算法在股票效据分析上的一个应用。     

数据挖掘中数据分类算法的比较分析

分类算法是数据挖掘中的最重要的技术之一．通过对当前提出的最新的具有代表性的分类算法,从预测精度、学习效率、健壮性等方面进行深入的分析和比较,总结每类算法的各方面特性,从而便于研究者对已有的算法进行改进,提出具有更好性能的新的分类算法,同时方便使用者在应用时对算法的选择和使用．     

负关联规则挖掘算法研究

典型的正关联规则仅考虑事务中所列举的项目.负关联规则不但要考虑事务中所包含的项目,还必须考虑事务中所不包含的项目,它包含了非常有价值的信息.然而,对于负关联规则挖掘的研究却很少,仅有的几种算法也存在一定的局限性.为此,文中提出了一种快速有效的负关联规则挖掘算法MNAR,并给出了一种基于二进制形式的支持数计算方法.理论和实验结果表明算法MNAR是有效和可行的.     

基于数据挖掘思想的故障模式分析

提出了一种新型的基于数据挖掘思想的故障模式分析.通过收集故障现象并整理形成故障信息维度表,产品技术参数、故障原因等组成的关系规则维度表;基于故障信息维度表与关系规则维度表应用Apriori算法的频繁项集方法对故障信息进行分析,通过故障匹配、生成候选集、过滤候选集,最后确定故障原因,优选出排除故障方案.     

基于遗传算法的最优小波滤波器构造

基于遗传算法对小波滤波器的构造方法进行了研究，重点在于解决对任意特定图像进行压缩处理所需要的最优小波滤波器的构造，有效的染色体编码方案和适应值函数以及遗传算法的全局寻优性能，使得该方法在处理图像压缩优化问题有其独特的优点。     

基于蚁群算法的Web站点导航

提出了一种Web站点的导航方法.首先利用蚁群算法对已经存在的Web日志进行训练,构造一个有向图,该有向图的节点和边保存了网页与网页间的链接概率和用户行为规则.利用训练结果,预测访问网站的用户行为,根据其行为推荐网页,最后的测试结果表明该方法比单纯的概率分析和关联规则具有更高的精度.