微粒群算法在分类规则提取中的应用

分类是数据挖掘研究的主要内容之一,将微粒群算法应用于分类中,主要用于分类规则的提取,给出了适用于微粒群算法的分类规则编码,并构造了适应值函数,采用UCI标准数据集进行实验,结果表明算法的有效性。     

基于数据挖掘的分类算法综述

分类算法是数据挖掘中最重要的研究领域之一。通过对当前数据挖掘中具有代表性的优秀分类算法进行分析和比较,给出了每种算法的特性,为使用者选择算法或研究者改进算法提供了依据。     

一个基于SPRINT的分类算法的实现

在介绍数据挖掘、分类算法有关概念的基础上，介绍了决策树的具体生成算法．为了减少数据量，改进决策树算法实现时的数据结构，详细描述了基于SPRINT(scalable paraUehzable induction of decision trees)分类算法的实现，给出了SPRINT算法的性能评估。     

基于因素空间理论的扫类连环多分类算法

为解决多分类问题,基于因素空间理论中因素显隐的思想,在扫类连环分类算法基础上,定义类别的合并,提出因素显隐的合并扫类连环分类方法,给出算法步骤,并用数值算例进行分析;定义类别的两两组合,提出因素显隐的两两扫类连环分类方法,给出算法步骤,并用数值算例进行分析。提出采用因素显隐的差额绝对值方法解决两个算法执行过程中出现的决策类别分不开的问题;对UCI数据集中3个实例与支持向量机作了算法对比分析,研究结果表明：提出的合并扫类连环分类方法、两两扫类连环分类方法实现了因素显隐,分类算法的精确度优于支持向量机。多分类学习的因素显隐研究结论拓展了因素空间的理论及应用研究。     

在一个限制条件下的线性分类算法

对于分类问题给出了一个限制条件，在此限制条件下构造了一个分类算法，此算法的运算时间是线性的，因为对于通常的分类问题，限制条件都能得到满足，因此构造的算法在分类问题中具有广泛的应用价值。     

基于最大熵的文本分类算法的改进

基于最大熵模型的文本分类算法对不同测试文档的训练结果相差较大.利用Boosting机制改进基于最大熵模型的分类算法,以提高该分类算法的稳定性.实验结果表明,该改进方法可以有效改善基于最大熵模型分类算法的稳定性,且分类精度也有一定的提高.     

一种求解分类问题的优化算法

给出了一类线性分类算法的数学描述,在求解分类问题的平分最近点法与最大间隔法的基础上,将线性分类问题转化为一类无约束不可微优化问题。设计了一种求解该问题的不可微优化算法,并证明了算法的收敛性。初步的数值例子表明该算法是有效的,且具有简单实用的特点。     

朴素贝叶斯算法和SVM算法在Web文本分类中的效率分析

为分析对比朴素贝叶斯算法和SVM算法在Web文本分类中的效率及其适用的范围,构建了一个Web分类系统,此分类系统将已分类的Web网页作为训练集,利用分类算法构建Web分类器,通过Web测试集评价两类算法在Web文本分类中的性能体现,为Web文本分类算法选择提供一定的参考依据.     

一种基于遗传算法和模糊规则的分类算法

介绍了一种基于模糊规则和遗传算法的分类算法.首先给出一种模糊规则提取方法,然后遗传算法对模糊规则进行优化选择,最后对不能识别的样本启动触发器.该算法可以在保证分类正确性高的前提下尽量减少规则数,并提高样本识别能力.用Iris数据对该分类系统进行仿真,结果表明该系统具有良好的分类能力和精简规则能力.     

基于核方法的半监督超图顶点分类算法分析

分类学习算法的研究是计算机科学的研究热点,超图上顶点的分类问题作为一般图顶点分类问题的推广,被广泛应用于各种计算模型。对基于核方法的半监督超图顶点分类算法进行理论分析,给出算法的收敛性分析和广义界估计值。     

利用通用排序函数实现日期排序

通用排序函数是将各种类型数组的元素进行排序的函数．而日期型数据比较特殊，使用通用排序函数实现日期型数据排序，必须做一些特殊的处理．首先，把日期型数据转变成单个的数，然后把这些数存于数组，利用通用排序函数进行排序，最后将排序后的数组转变成日期输出．     

排序算法的比较与选择研究

影响排序效率的因素有很多,首要因素是使用的算法;其次是为实现算法而进行的程序编制。算法时间复杂性的“0”表示法反映了渐近特性,但不能作为选择排序算法的唯一和最佳依据。本文指出了影响排序效率的各种因素,在实际中还需要根据这些因素选择不同的算法;文章还给出了几种排序程序的选择前提,分配排序的程序在执行时间上具有明显的优势。文章还给出了几种排序程序的实验数据,这些数据表明当待排序数据较多时,分配排序的程序在执行时间上具有明显的优势。     

加权排序法

在分析常用平均值方法排序的片面性基础上，提出了一种基干线性加权技术的加权排序方法，设计了完整的加权排序流程图和主程序，并给出了一些计算实例．     

实现冒泡排序算法的一种新方法

冒泡排序中，每趟比较结束时都能确定一个数据的最终位置，在数组中用下标表示，标值的变化为循环控制变量的变化给出了一种实现冒泡排序算法的新方法．     

数据等概率分档统计插入排序算法

提出了一种按数据等概率分档的排序算法,此算法应用现代统计学的一些知识和技巧,结合传统的排序算法,对具有一般分布的数据进行排序,使排序的运算量为O（n）,达到了排序运算量的下限,实验表明,在n较大时此算法效率要优于现有的同类排序算法。     

基于风选的垃圾智能分拣模型的设计

文章在分析我国城镇垃圾基本特征、处理办法及发展趋势基础上,提出了基于重力学的风选垃圾分类方法．文章详细介绍了垃圾风选原理、垃圾分拣模型结构及智能控制系统设计,对垃圾分拣模型进行了试验,试验数据达到了预期的目标．本设计为垃圾分类提出了一种新的思路,对城市垃圾综合处理具有借鉴价值．     

基于改进型Logistic混沌序列的SPC-TDCS多址接入研究

针对复杂电磁环境下雷达信号快速聚类分选问题,提出了一种采用变精度粗糙集改进的基于相邻脉冲相似性的快速聚类分选方法。原有方法计算相似度时加权矩阵由专家给定或由经验而定,未考虑到雷达辐射源属性,造成聚类分选结果准确率不高。改进方法利用变精度粗糙集获取雷达辐射源各属性特征参数的权重,由其权重构成最优特征加权矩阵,进而计算相似度,然后基于相邻脉冲相似性对雷达信号进行快速聚类分选。仿真表明,改进方法相比原有方法保持了快速分选的能力,并且将聚类分选准确率提高了5.93%,是一种解决复杂环境下雷达信号快速聚类分选的新方法。     

电动汽车锂离子动力电池分选方法研究

为了改善电动汽车电池组的不一致性,提高电池组的可用功率和容量利用率,以电池的不一致性机理分析为基础,分别对电池进行了传统分选、主因子分选和总因子分选.单体试验计算结果表明,总因子分选方法是最优的.接着在总因子分选结果的基础上运用模糊C均值聚类算法对电池进行了动态特性分选,试验结果表明:此分选方法能有效地改善电池组的不一致性.     

一种新的排序方法——影射排序法

提出了一种新的排序方法－影射排序法，在很多问题的应用中使用此方法可提高程序的运行效率，其时间复杂度为Ｏ（Ｎ）。     

最小费用排序问题

两类最小费用排序问题—费用函数满足三角不等式的最小费用排序问题和费用函数不满足三角不等式的最小费用排序问题.利用排序问题的O(nln(n))算法、图论和网络流理论分别给出了这两类问题的离线的最优多项式算法,并分别给出了这2个算法的最优性和计算复杂性分析.