一种高效的多维数据包分类算法

介绍了数据包分类算法的基本思想及一种包分类算法解决方案的评价原则，在现有的ABV算法的基础上，对该算法进行了分析，提出了一种新的改进方案，并对该改进方案进行了性能分析。     

一种高效的多维数据包分类算法

介绍了数据包分类算法的基本思想及一种包分类算法解决方案的评价原则，在现有的ABV算法的基础上，对该算法进行了分析，提出了一种新的改进方案，并对该改进方案进行了性能分析。     

粗糙神经网络方法及其在HSV疗效分类上的应用

引进了一类粗糙神经网络算法，研究了其性质、特点，并应用该算法对用高选择迷走神经切断术（HSV）方法治疗后的十二指肠溃疡病人的疗效进行分类。结果表明，该算法较粗糙集算法明显提高了分类正确率。粗糙神经网络算法具有极高的应用价值及应用前景。     

一种自适应快速关联规则挖掘算法

提出一种从大型数据库中挖掘关联规则的快速算法——自适应快速关联规则提取算法。该算法以经典的Apriori算法及其他各种优化算法为基础，引入了自适应步长和扫描树的概念，并采用修剪法对Apriori算法进行了改进。理论分析与实验结果表明，该算法比Apriori算法的应用效率高，同时也证实了其有效性。     

多目标模糊优化潮流模型及其基于神经网络的算法

提出了一种计算交流潮流的多目标模糊优化模型，模型中，同时考虑了发电费用最少及网损最小等多重目标，针对该模型，还提出了一种基于神经网络模型的新算法，该算法分别采用神经网络模型进行模糊集隶属函数的表达及优化问题的求解，从而将模糊优化同神经网络有机地结合起来，通过算例对所提模型及算法进行了验证。     

H．264视频编码快速运动估计算法研究

快速运动估计算法一直是视频编码技术的研究热点，近年来涌现了许多基于块匹配的快速运动估计算法，包括UMHexagonS及EPZS等算法。视频编码标准H．264已经正式采纳了UMHexagonS算法作为整像素的快速运动估计算法。该算法的运算量相对于快速全搜索算法可节约90％以上，同时能保持较好的率失真性能。EPZS算法在运算速度和率失真性能上与UMttexagonS算法大致相近．因此H．264JM10．0官方参考软件也引入了该算法。本文对UMHexagonS算法和EPZS算法进行了介绍，对其特点及性能进行了分析，并作了比较，同时提出了改进UMHexagonS算法的一些意见。     

电力系统短期负荷预测的改进BP算法

提出了一种电力系统短期负荷预测的算法，通过增加势态项及采用步长自适应等方法的对传统的BP算法进行了改进，实例计算表明该算法可行。     

蚁群算法在排课问题中的应用研究

首先对蚁群算法和排课问题进行了简要概述，同时针对基本蚁群算法在解决排课问题中存在的弊端，提出了一种新的改进型蚁群算法——优劣蚁群算法，并对该算法的优越性进行了阐述。最后通过真实的排课数据对该算法与基本蚁群算法及其相应的改进算法的性能分析比较，应用该算法排课系统运行效率得到了提高，冲突现象明显减少，大大提高了教务管理人员的工作效率。     

一种二值图像的快速细化算法

提出了一种适应于二值图像的快速细化算法，该算法利用边缘跟踪，根据边缘跟踪特点所设计的判断规则及单向链表结构存储边缘信息等技术，大大地加快了细化速度，而且占内存少，当仅需对目标模式进行细化处理时，该算法更为有效。     

求解运动方程的一种数值算法

针对力学运动方程的数值计算，提出了一种类似欧拉法的新算法，其主要特点是没有算法衰减，与显式及隐式欧拉法相比具有较高的计算精度，且与显式欧拉法有相同的计算工作量，在对其算法稳定性进行讨论的基础上，以对单自由度质量弹簧振动模型的仿真计算为例，通过比较该算法与显式，隐式欧拉法及四阶龙格库塔法，阐明了该算法的这些特点。     

改进的关联规则挖掘算法-MIFP-Apriori算法

Apriori算法是关联规则挖掘的经典算法,具有原理简洁、易编程实现等优点,得到广泛应用。针对该算法扫描数据库次数过多,产生大量冗余候选集的缺陷,在现有Apriori算法改进优化思想的基础上,结合矩阵、改进频繁模式树和计算候选集频数优化策略提出了一种改进的关联规则挖掘算法——MIFP-Apriori算法。实验表明,该算法能够将扫描数据库次数降低到一次,有效解决产生大量冗余候选集的缺陷,提高算法效率。     

基于向量矩阵优化频繁项的改进Apriori算法

针对经典Apriori算法存在多次扫描数据库及生成冗余候选项的弊端, 提出一种改进的VM_Apriori算法. 该算法采用事务数据向量矩阵与行候选向量相结合的表示方法, 运用快速排序的思想对频繁项集的项按各单项的出现频度升序重排,  以提高算法的执行效率. 实验结果表明, 改进的VM_Apriori算法能在正确挖掘关联规则的同时极大提高执行效率.     

Apriori算法的改进及其在物流信息挖掘中的应用

在分析当前Apriori算法及其改进算法的基础上,提出了一种将Apriori算法与物流信息挖掘相结合的Apriori改进算法.通过Apriori改进算法与原Apriori算法挖掘结果的比较,说明了Apriori改进算法不仅缩小了剪枝扫描数据库的规模而且减少了生成频繁项目集的候选项目集.     

基于矩阵的频繁项集发现算法

Apriori算法是关联规则的经典算法.在分析经典Apriori算法的基础上,提出了一种有效的基于矩阵的Apriori的改进算法.该算法应用了矩阵的思想,只需对数据库扫描一次,即可得到频繁项集,大大提高了算法的效率.     

基于Apriori关联规则在信息无障碍网站的应用

为在Web日志数据中挖掘关联规则以指导信息无障碍网站的设计与开发, 针对大量用户对网站页面URL(Uniform Resoure Locator)的访问频率等信息, 通过Apriori算法实
现数据挖掘, 以寻找用户访问页面之间的关联规则。根据3次点击原则及网站结构设计的特点, 对Apriori 算法网页超链接挖掘的过程进行了改进, 频繁项集最多只需找出所有3
-项集即可。算法实现过程表明, 该方法可有效降低算法的时间复杂度, 能通过对关联规则的分析确定用户感兴趣的网页类型, 找出用户所访问网页之间的链接关系。     

改进的Apriori算法在网络教学中的应用

通过探讨了网络教学中数据挖掘的常用方法,介绍了关联规则及Apriori算法,对该算法进行改进,并将改进的Apriori算法运用到实例,在网络教学中实现了个性化网页的推荐,提高了算法的效率.     

基于模式矩阵的FP-growth改进算法

数据挖掘中关联挖掘算法比较典型的有Apriori和FP—growth算法．实验和研究证明FP—growth算法优于Apriori算法．但是针对大型数据库这两种算法都存在着较大缺陷，不仅要两次或多次扫描数据库，而且很难处理支持度和数据变化等关联规则更新问题．作者提出了基于模式矩阵的FP—growth改进算法，它至多扫描数据库一次，特别在更新问题上不用重新扫描数据库．通过实验结果分析，验证了这种改进算法相对于原有FP—growth算法的优势，特别在大数据集下，大大降低了挖掘的时间复杂度．     

基于SQL的Apriori改进算法

Apfiofi算法是一种最有影响的挖掘关联规则的算法,由于其算法仅用支持度、可信度来衡量关联规则,容易生成一些错误规则,所以,引入了提升度这一概念,提出一种基于SQL的Apfiofi改进算法。     

基于线性链表存储结构的Apriori改进算法

Apriori是最有影响的挖掘关联规则频繁项集的算法。但是Apiori由于需要多次对数据库进行扫描,所以运行效率比较低。在Apriori算法的基础上,本文提出了一种基于线性链表的频繁项集挖掘算法,实验证明该算法能够有效提高执行效率。     

Apriori算法在客户关系管理中的应用

在一个竞争的环境下，客户关系对企业而言是至关重要的。提供客户所需要的，满意的个性化服务，是客户关系管理的主要内容。Apriori算法作为主要的数据挖掘算法之一在客户关系管理中得以广泛应用，本文主要介绍了Apriori算法含义及其相关概念，着重研究了该算法的实现及其在实际的客户关系管理系统中是如何运用的，对客户关系管理系统的开发和实现具有现实意义。