用感知机学习算法改善MUSIC测向算法的分辨率

文中指出了通过计算机仿真了解到的影响MUSIC测向算法分辨率的一些因素 ,分析了造成MU SIC测向算法计算机仿真的分辨率较低的原因 ,并提出了一种用人工神经网络中的感知机学习算法改善MU SIC测向算法计算机仿真分辨率的方法     

BSAED:一种基于双向语义关联的实体消歧算法

考虑了实体的全局一致性,充分利用了知识库中实体间结构化的语义信息.在PageRank算法的基础上,提出一种基于双向语义关联的实体消歧算法,该算法通过在维基百科中抽取出实体之间的超链接关系构建知识图谱,重新定义两个实体之间的平均最短路径,并联合实体之间的语义信息以完成实体链接消歧的任务.在公开数据集上进行的实验结果显示:该算法能提高实体消歧结果的准确率和召回率,实验结果优于当前主流算法.     

一种提取关联规则的数据挖掘快速算法

提出了一种从大型数据库中挖掘关联规则的快速算法。该算法以典型的Apriori和DHP算法为基础，提出了中间检查点、等从项目类等概念，并对Apriori中的Apriori-gen算法进行了改进。结果表明，它较Apriori有明显的提高。     

一种用于宽带信号测向的改进TCT算法

宽带测向是雷达与电子对抗领域中的一个重要研究课题.在基于信号子空间算法中的双边相关变换（TCT）算法的基础上,对其进行改进,提出了一种新的构造聚焦矩阵的方法.实验证明,新方法在低信噪情况下表现出很强的优越性,相比传统TCT算法,改进后算法具有更高的分辨率和精度.     

关联规则挖掘中Apriori算法的改进

介绍了一种关联规则挖掘中Apriori算法的改进算法.这种方法允许数据近似匹配模式,从而提高模式的整体支持度.这种方法对含有空缺数据的关联规则挖掘同样有用,使得空缺数据也能增加模式的支持度.最后,用样例数据库来说明了改进算法的效用.     

2-齐次多项式系统的结式消元

运用结式理论, 研究在代数闭域上有有限个零点(包括无穷远零点)的2 齐次多项式系统{f1,…, f_k}的求解, 给出一种结式消元算法, 此算法可使上述系统分块三角化, 从而实现了分块求解.     

一种适于工程应用的多目标跟踪快速数据关联算法

提出了一种新的多目标跟踪快速数据关联算法,重点分析了关联门相交区域中的公共回波对航迹更新的影响,并综合考虑了关联门内其余侯选回波对航迹更新的作用,以很小的计算代价完成了后验概率的计算。仿真表明,新算法以与ＰＤＡＦ算法接近的计算量,达到了接近于ＪＰＤＡＦ算法的目标跟踪成功率。     

基于差分的玫瑰线像素级绘制算法

基于光栅扫描特性的图形绘制中，极坐标表示的曲线由于函数中含有高次三角函数运算，步长选择和迭代的求取较困难，为此给出了极坐标曲线玫瑰线的一种有效的像素级绘制算法。利用玫瑰线在直角坐标系中的隐函数形式和曲线各阶差分的递推计算，算法在玫瑰线的点迭代过程中避免了三角函数运算，只用到整数加减运算，效率高，生成的曲线在坐标轴方向最大偏差不大于半个像素单位。     

面向战役级目标态势生成的航迹关联算法

针对战役级目标态势数据量大、信息源数量多、采样频率各异、探测误差差异大、目标属性特征存在误判等问题,基于多尺度航迹聚类提出了一种面向战役级目标态势生成的航迹关联算法.首先利用等距滑动窗口均值滤波剔除目标异常数据点、降低传感器误差引起的数据抖动,重新估计目标航速和航向;然后综合目标量测数据的多维特征提出了一种轨迹相似性距离;最后基于该距离,分阶段进行基于多粒度网格聚类的粗聚类和基于密度聚类的精聚类完成目标数据关联判断,综合聚类结果和离群点得到关联结果.实验表明:提出的方法在战役级目标数据环境下,数据处理容量、关联正确率、身份异常稳定性等方面较现有航迹关联算法有一定的提升,适用于战役级目标态势生成应用.     

基于Apriori算法的兴趣集加权关联规则挖掘

关联规则挖掘可以发现大量数据中项集之间有趣的关联或相关联系,并已在许多领域得到了广泛的应用.目前业界已经提出了许多发现关联规则的算法,这些算法都认为每个数据对规则的重要性相同.但在实际应用中,用户会比较倾向于自己最感兴趣或认为最重要的那部分项目,因此本文提出一种基于兴趣集和权的算法,由用户提出他们感兴趣的项目并在数据库中找出与之相关的项目,通过给每个项目赋以不同权值来标识项目不同的重要性,从而可以挖掘出Apriori算法挖不出但却极具价值的规则.     

一种基于关联规则的增量数据挖掘算法

分析了关联规则增量更新挖掘算法FUP和IUA,指出了其效率低下的主要原因.针对关联规则增量更新问题,提出了一种新的简单高效的增量挖掘算法LIUA,并对算法LIUA进行了测试,测试结果表明算法是高效、可行的.     

数据挖掘中关联规则算法的研究及应用

针对Apriori和AprioriTid算法中存在的项集生成瓶颈问题,提出了一种基于事务集压缩、候选项集压缩和支持度布尔矩阵的改进AprioriTid算法.该算法中通过删去不必比较的事务来有效缩减数据集;优化频繁项集的自连接方式来减少生成的候选项集个数;使用支持度布尔矩阵来加快候选项集的验证速度.实验结果表明改进算法比原算法执行效率明显提高,同时也验证了该算法在油液监测故障诊断中的有效性.     

快速关联规则挖掘算法DPD

提出了一种快速关联规则挖掘算法DPD，算法通过模式分解，在每次遍在中减小模式量和模式长度，动态地减小数据集大小，从而有效减少候选关联规则的产生和计数的费用，提出了基于频繁集lk生成最长项目子集M(k）的FPS算法，DPD算法利用了M（k)进行模式分解，有效克服PD算法在|-Lk|很大时模式分解效率低的缺点，减少由Ck生成Ck 1时的遍历次数。     

一种挖掘大型数据库的关联规则新算法

关联规则挖掘算法FP-Growth在挖掘大型数据库时,占用内存大、运行速度慢或根本无法构造基于内存的FP-tree。针对这些问题,文章提出一种适合于挖掘较大型数据库的新的关联规则挖掘算法DFP-Growth,新算法将数据库分解,然后对分解得到的各个数据库子集用FP-Growth算法进行约束频繁项集挖掘,以满足大型数据库挖掘的需求。     

一种多维时态关联规则数据挖掘算法

在关联规则挖掘中,大量的数据是多维的,且带有时态特性,所以往往需要在时态约束的前提下挖掘多维关联规则．本文从一个实际问题出发,在单维Apriori算法和已有的工作基础上,提出了一种新的多维时态关联规则挖掘算法,并与类似算法进行了比较．     

一种交互式可约束的最小关联规则集挖掘算法

给出三类约束，并讨论了约束的反单调性，实现了一种交互式的可约束的最小关联规则集挖掘算法，并分析了算法的优越性。     

集中式多传感器模糊联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了集中式多传感器模糊联合概率数据互联算法。该算法应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度,运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,提出了集中式多传感器模糊联合概率数据互联算法的状态估计模型。对该算法与已有集中式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者提高了43.7%,同时有效地降低了周期耗时,综合性能更优越。     

集中式多传感器模糊联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了集中式多传感器模糊联合概率数据互联算法。该算法应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度,运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,提出了集中式多传感器模糊联合概率数据互联算法的状态估计模型。对该算法与已有集中式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者提高了43.7%,同时有效地降低了周期耗时,综合性能更优越。     

相关规则并行算法的改进

数据挖掘在统计学、机器学习和其他学科中所研究的许多数据分析方法都是侧重于算法精度，随着存储数据量的不断增长，已有的方法面临着效率和可扩展性的挑战，需要对他们重新研究，从而开发出高效的，面向集合，扩展性好的数据挖掘算法．本文提出了基于DHP算法同时吸取DMA，OA算法优点的DDO(DHP-DMA-OA)算法，该算法吸取前3种算法的优点，同时又避免了各自的局限性，是一个较为高效的和适用性较强的可扩展性算法．     

临床数据中挖掘关联规则算法的选用

对典型的挖掘关联规则的Apfiori算法和FP-growth算法进行比较分析．然后,结合临床数据的特点,建议在临床数据关联规则挖掘中采用FP-growth算法。