二次Arnold变换图像置乱加密算法

为了提升图像置乱效果和置乱性能,对原始图像进行分块削弱了图像邻域像素的相关性;打乱分块图像的位置消除了图像块的空间相关性.实验结果表明,该算法从本质上降低了图像内部相邻像素的相关性,从而能够取得更好的加密效果.     

关联规则算法的研究及应用

本文重点研究了关联规则经典算法Apriori算法的基本思想,并通过实例说明发现频繁项集的方法,提出了Apriori算法的不足,并结合spss clementine软件将关联挖掘应用于某超市的销售数据,从大类及二级类商品之间两个方面进行挖掘,针对挖掘结果进行了分析,同时提出建议,为超市提供辅助决策信息.     

一种基于数据库分解的关联规则挖掘新算法

在Fp-growth算法的基础上,提出了一种新颖的关联规则挖掘算法.该算法将大型数据库分解成频繁1-项集的项总数个子集,然后对分解得到的各个数据库子集用Fp-growth算法进行约束项数据挖掘,待所有数据库子集的约束项数据挖掘进行完毕后,再合并这些约束频繁项得到大型数据库的频繁项集.实验结果表明新算法所采用的数据库划分策略克服了FP-growth算法对大型数据库进行挖掘时,占用内存大,运行速度慢的不足,是一种适合于大型数据库的关联规则挖掘算法.     

关联规则挖掘算法及其在个性化网站中的应用研究

较为详细地介绍了关联规则挖掘的基本内容和相关算法,给出了在web个性化网站的建设中,利用关联规则挖掘对用户数据进行分析和预测用户行为的一个实例.     

CFMoment:挖掘数据流频繁闭项集算法

在数据流上挖掘频繁闭项集是数据挖掘中关联性挖掘的重要研究课题之一.该文提出了一种高效的数据流频繁闭项挖掘算法——CFMoment,通过使用滑动窗口不断维护数据流中的频繁闭项集,可适用于实时性要求较高的多种数据流处理应用环境.该算法利用项目的有效比特序列表示来减少滑动窗口所需的时间和内存,进一步提升了在数据流中挖掘频繁闭项集的效率并有效降低了运行过程中的内存需求.实验表明,该算法不仅获得了高精度的挖掘结果,而且其运算速度明显快于现有的Moment算法,在数据流上挖掘频繁闭项集的内存消耗更少.     

基于正、负关联规则的数据挖掘探讨

传统的关联规则只关注于挖掘出项集间的正关联规则,但在实际应用中负关联规则同样隐含着有价值的信息.本文首先给出了正、负关联规则的定义及支持度和置信度的函数表示,重点分析了关联规则中"支持度—置信度"架构的局限性,提出了利用项集的相关性来解决关联规则中正、负矛盾规则出现的问题,同时针对置信度的设置进行了研究分析,最后对负关联规则挖掘的算法进行了讨论,旨在为关联规则的研究奠定基础.     

基于WEB数据库加密系统的研究

从数据库的安全性考虑，对数据库加密系统的加密层次、粒度、算法等进行了分析研究，提出了一种数据库加密系统方案．该方案对该系统中的主要模块进行详细设计，并讨论了该加密系统对数据库的影响．     

面向数据流挖掘过程的算法管理框架

结合数据流的特点,提出了一种面向数据流挖掘的过程模型PM-DSM。针对目前数据流挖掘过程中存在算法众多但利用率低的问题,提出了一种基于Web服务的数据流挖掘过程模型算法管理框架PMAMF-DSM,描述了该框架的体系结构和运行机制,并用UML活动图给出了框架的实现语义。在Eclipse上基于该框架实现了一个数据流挖掘算法管理系统,实验结果表明了该框架的灵活性与自适应性。     

面向多视点视频编码的宏块级码率控制

联合视频专家组针对多视点视频编码提出了JMVM参考模型,但该模型没有给出有效的码率控制方案. 该文提出一种多视点视频编码码率控制算法,分4 层进行比特分配和码率控制. 先根据相关性函数在视点间合理分配码率实现GOP(group of pictures)层的比特分配,然后根据分层B图像比特分配策略实现帧层的比特分配,最后根据拉普拉斯率失真模型实现宏块层的码率控制. 与JMVC 1.0相比,该算法能在保持图像质量的前提下进行精确的比特分配和码率控制.     

基于概念选择和重要性度量的多模态语义融合

根据人类认知过程的特性,提出语义选择和重要性度量的多模态融合算法. 分别在单个模态下获取语义概念,并利用相关性检测得到用于融合的语义概念,从而减少误检语义带来的扩散误差. 考虑到概率融合无法体现语义的时间特性,提出重要性度量的概念进行融合以获取高级语义. 实验结果表明,该方法能准确提取视频的高级语义信息,与其他融合算法相比时体现出良好的性能.     

不完备信息系统的灰色关联决策方法

基于灰色系统理论的思想和方法,运用分析技巧和熵极大化准则,对不完备信息系统下灰色关联决策方法进行了研究.首先提出了灰色区间关联系数公式,将经典灰色关联决策由清晰数的情况推广到了区间灰数的情况.其次研究了方案目标值有空缺的情况,给出了填补空缺的方法和理论依据,建立了基于满意度水平下的灰色区间关联算法.给出的算法使决策方法更具柔性,决策结果更加贴近于实际.     

一种区间数多属性决策方法在经济评价中的应用

研究了区间数多属性决策问题．利用区间数运算法则获得加权规范化矩阵．基于投影对TOPSIS法进行改进,通过各方案与理想解的相对贴近度进行方案排序或择优．并将方法应用于经济评价中,提高了决策的准确性和效率．结果表明：算例验证了该方法的可行性和有效性且具有操作简便和易于上机实现的特点．     

领域知识驱动的医学图像关联模式挖掘算法

根据医学图像领域的相关知识,提出了关键像素区域ROI的概念及其特征属性针对ROI聚类后的图像数据进行挖掘,提出了一种基于对FP-GROWTH算法改进的Diff-FP-GROWTH算法。最后,给出了该算法的实例分析和该算法的实际研究意义。     

一种基于误差传播的过程数据流压缩新方法

过程数据压缩研究是流数据管理中的一个重要课题，现有的流数据压缩方法都强调其动态性、持续性与海量性，没有考虑到过程数据的具体特性．为了有效利用过程数据采样的局部特性，在对过程数据进行采样时，只要采样区间不大，则相邻样本数据值之差比较少，该文提出了一种基于误差传播的压缩方法．实验表明，该方法具有高效率与低误差等优点．     

低相关更新输入影响Integrate-and-Fire模型的输出

研究了随机更新输入的IF神经元模型的近似问题，得到了两种新的近似方案．讨论了低相关更新输入对Integrate-and-Fire模型输出的影响．对低的正相关，随着输入相关的增加，平均发放时间缩短．对低的负相关，平均发放时间独立于输入相关．     

基于模拟退火思想的优化k-means算法

鉴于典型的基于划分的聚类算法——k-means算法中存在局部最优和算法执行速度慢等问题,提出了基于模拟退火思想的优化k!means算法.该算法将模拟退火思想用于对k-means算法的优化,是一种具有全局最优解和较高执行效率的算法.针对聚类算法典型数据集和随机产生的数据集,在不同情况下进行对比实验.实验结果表明,优化k-means算法优于基本的k-means算法。     

五坐标曲面加工行距控制的新方法

运用刀具包络运动分析方法,得出了五坐标联动曲面加工中较严密的走刀行距的计算表达式,并给出了实用的求解算法和提高计算效率的措施.在此基础上,分析了五坐标曲面加工中影响走刀行距的因素,探讨了优化走刀路线的措施.     

针对旋转和平移运动的一种图像配准方法

在理论上分析了Onishi-Suzuki方法检测旋转角度存在的不确定性,并结合霍夫变换和相位相关技术改进了此方法.在检测旋转角度阶段,根据1D相位相关技术,提出了一种通过搜索角度脊来得到两个待选旋转参数的方法;然后根据两个待选旋转参数将待处理图像去旋转,采用传统的2D相位相关技术来得到两个待选平移参数;最终通过检验判决确定旋转参数和平移参数.此方法可以充分利用FFT的高效运算.实验表明此方法能准确有效地处理具有旋转和平移的图像配准问题.     

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.