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.     

增量关联规则挖掘算法在犯罪行为中的应用研究

通过分析传统的关联规则挖掘算法(Apriori算法)不能有效地挖掘出新的增量犯罪行为的问题。提出基于敏感参数的Apriori改进算法,通过实例对改进前后的算法运算结果进行验证,结果充分表明了改进算法在挖掘新的犯罪行为信息中的有效性,为关联规则挖掘方法在公安信息化工作中的应用提供了新的思路。     

产品营销客户信息关联模式挖掘与分析

介绍了以关联规则方式对商业销售中客户数据进行分析的方法,实际运用中以某商业网点化妆品销售中客户信息的数据集为例,针对销售客户信息的具体特点给出了一种改进的Apriori算法.实践表明,改进后的Apriori算法,可以减少无意义规则的产生,提高挖掘效率.     

一种从高维向低维扫描的Apriori改进算法

Apriori算法是一种经典的基于关联规则的数据挖掘算法,在研究Apriori算法及其现有改进方法的基础上,提出了一种全新的从高维向低维扫描的Apriori改进算法,并与传统Apriori算法进行比较分析。结果表明该改进算法可有效地减少数据库扫描时间和额外空间占有量。     

基于关联规则挖掘算法的改进研究

数据挖掘应用极大地推动了人们掌握、处理信息的能力.文章主要介绍了数据挖掘中的关联规则,关联规则中的经典算法Apriori算法,以及Apriori算法存在的不足,提出了Apriori算法的改进研究.     

数据驱动的动车组滚动轴承故障预测

为了有效提高动车组滚动轴承故障的发现率,减少故障监控系统的误报现象,基于Apache Hadoop大数据平台对经典Apriori算法进行改进,并将其应用于动车组滚动轴承故障的预测研究工作中。首先,针对经典Apriori算法的不足,在MapReduce框架下提出以业务经验为约束的改进的Apriori算法。其次,基于文中提出的改进的Apriori算法对某铁路局的动车组状态、故障预警、维修历史等信息进行深度数据挖掘,并通过得出的关联规则进行动车组滚动轴承故障的预测。实验结果表明,文中提出的算法准确率达72%,减少了80%以上的误报报警信息,在实验环境中运算效率较传统的Apriori算法提高了50%。     

关联规则技术在教务管理中的应用

识别所有频繁项集是Apriori算法的核心.结合偏好信息的思想,对关联规则中的Apriori算法进行改进,减少候选频繁集冗余,提高了算法效率,并对学生成绩进行挖掘分析,找到影响成绩的内在因素.     

基于矩阵的Apriori改进算法与实现

本文分析了关联规则的经典算法Apriori算法,对该算法存在的不足进行了讨论,针对这些不足介绍了一些主要的算法改进方法和思路,并提出了一种基于矩阵的Apriori改进算法,通过减少对数据库的操作来提高效率.     

基于矩阵的Apriori改进算法与实现

本文分析了关联规则的经典算法Apriori算法,对该算法存在的不足进行了讨论,针对这些不足介绍了一些主要的算法改进方法和思路,并提出了一种基于矩阵的Apriori改进算法,通过减少对数据库的操作来提高效率。     

改进的Apriori算法在中医医案分析中的应用

为了解决Apriori 算法的不足,提出了改进的Apriori算法:进行剪枝侯选项目集时,采用生成频繁项目集和删除具有非频繁子集候选同时进行的方法来减少多余子项目集的生成.改进的Apriori 算法大大提高了频繁项目集即关联规则生成的效率,运行时间不及原算法的十分之一,同时节省了大量的存储空间.最后利用改进的Apriori 算法对中医医案数据进行关联规则挖掘,获得了良好的效果.     

基于空间差分算法的相干信号二维DOA估计

针对传统解相干算法对阵列孔径利用率不高的问题,提出了一种改进的空间差分算法,通过重构子阵之间的协方差矩阵,将阵列接收信号协方差矩阵的所有自相干信息和互相关信息充分利用,再通过建立差分矩阵,利用空间差分算法去除噪声的影响。最后采用传播算子（PM）算法完成二维波达方向（DOA）估计。仿真结果表明,该算法相比传统解相干算法,解相干效果较好,角度估计精度有较大的提高。     

基于2D-SOONE算法的MIMO稀疏面阵二维成像

为了解决采用传统的1D-CS算法进行分维处理时丢失耦合信息导致越单元徙动、影响成像质量且运算时间长的问题,研究了接收阵元整行整列稀疏的MIMO面阵结构特性,分析了该稀疏面阵所接收回波信号的二维联合稀疏特性,采用2D-SOONE算法对回波信号进行二维联合重构,算法采用序列一阶负指数取代传统SL0算法的高斯函数,拓至二维并利用梯度投影求解,具有二维联合重构性能的同时提高重构精度。通过实验,仿真了该算法在不同阵列稀疏度、不同信噪比下用于MIMO稀疏面阵的成像效果。仿真结果表明,2D-SOONE抑制了传统的1D-CS算法的越单元徙动问题,减少了运算时间,且成像质量较2D-SL0更优。     

Capon算法在矢量阵中的应用研究

研究了Capon算法在矢量阵中应用的理论基础，给出一种改进Capon算法．通过计算机仿真对其进行了性能分析，结果表明：矢量阵应用Capon算法可以获得比声压阵更高的空间分辨力，抗噪能力也大大增强；改进Capon算法进一步提高了阵列的空间分辨力，并且在信噪比较低的情况下依然具有优越的性能．     

索引表与逐步回归算法的改进与应用

对索引表算法进行了改进。主要是对原始数据文本按列循环读入一维数组之中，先对一维数组利用冒泡法进行排序，再利用索引表和最小二乘法对原始数据进行R估计，然后对拟合方程的自变量进行了高阶构造，利用主成分分析方法寻求主要影响因素，并结合最小二乘法，从而实现对逐步回归方法的替代。而后，根据以上计算原理建立了搜索最优方程的计算流程，采用这一计算流程可以查找异常值，然后利用EM算法对异常值进行了调整。     

基于改进导航圆算法的光伏阵列清扫机器人路径跟踪控制

为解决光伏阵列清扫机器人行进时易受组件间边框和光滑组件表面的影响,出现偏移原轨迹的问题,首先给出针对光伏阵列清扫机器人的运动学模型和超宽带定位系统,之后通过仿真分析原导航圆算法机器人调节距离较长的问题,提出一种基于改进导航圆算法的光伏阵列清扫机器人路径跟踪算法,对原导航圆算法的纠偏角重新修正,然后对修正后的纠偏角进行调...     

一种改进的BPSK信噪比估计方法及其FPGA实现

传统的二进制相移键控(binary phase shift keying,BPSK)信号的最大似然信噪比估计方法需要数据辅助,绝大多数只能在符号同步后进行估计,且不能有残余的载波相偏?针对此问题对该估计算法进行改进?利用二次方去除信号中的相位调制,不再需要数据辅助;对同相和正交通道分别进行处理,合并估计结果消除解调载波的相偏影响;直接对模/数(analog to digital, A/D)转换后样值进行分组估计,不需要进行符号同步?改进的信噪比估计算法复杂度低,是一种盲估计算法,可在符号同步前进行估计,且允许解调载波存在相差,具有很高的实用性?仿真表明,该算法在较低的信噪比下仍然有较高的估计精度,采用现场可编程逻辑门阵列(field programmable gatearray,FPGA)对改进算法进行了验证?     

基于改进的粒子群算法实现阶梯幅度量化相控阵天线的低副瓣

 从统计意义上逼近传统的连续加权分布,利用无约束优化方法求出一组最优量化台阶.在此基础上,提出处理加权宽度的改进约束整数粒子群优化(particle swarm optimization,PSO)算法,实现阶梯幅度量化加权.设计了处理量化幅度权值的Powell PSO混合算法,进一步降低峰值副瓣电平.首次设计星载降水测量雷达(precipitation radar, PR)相控阵天线的低副瓣,改进的PSO算法在寻优能力、算法鲁棒性方面都得到了增强.     

一种新的虚拟均匀线阵的构造方法

基于四阶累积量的DOA估计具有阵列孔径扩展的功能,在基于四阶累积量的均匀线阵基础上,提出一种新的虚拟均匀线阵的构造方法,真实阵元上形成特定的非均匀线阵的排布,使阵列扩展后的四阶累积量矩阵冗余项转化为有用项.仿真结果表明,新算法不但降低了基于四阶累积量的均匀线阵算法的运算量,而且增加了虚拟阵元个数,也带来了阵列孔径扩展的好处.     

基于任意数量控制点B样条曲线生成方法研究

三次B样条曲线在实际工程中得到了广泛应用,但现有文献对基于任意数量控制点的B样条曲线生成方法论述较少.为了进一步推广B样条曲线在各领域的应用,介绍了一种三次B样条曲线生成的改进算法,该算法能显著提高效率.提出了用高性能的动态数组存储控制点的坐标,阐述了局部修改性的实现方法,采用Visual C++6.0为编程工具开发软件系统,实现了任意数量控制点的三次B样条曲线的动态绘制和局部修改.实例测试运行表明,所开发的系统准确、可靠.     

基于划分和压缩数据库的改进Apriori算法

针对Apriori算法在面对大规模数据时效率较低的问题,提出了一种基于划分和压缩数据库的改进方法。该方法首先依据特征数据出现的频率将数据按照升序存储在临时数组中;然后将原始事务数据库分为几个互不相交的事务数据库,使得子数据库能够容纳在内存中;最后根据每个子数据库计算出的频繁项集计算整个数据库的频繁项集,从而消除了不必要的冗余数据。通过改进可以将大规模数据集进行有效的划分和压缩,对子数据库进行关联规则挖掘。实验结果表明,改进的Apriori算法在针对海量数据挖掘的执行速度和效率都有很大提高。