一种高效挖掘高维数据的频繁闭合模式算法

为了克服传统高维数据挖掘频繁闭合模式算法迭代产生子表,引起算法执行时间长和存储开销大等问题,提出了一种高效挖掘高维数据的频繁闭合模式的算法EMHCP. EMHCP算法采用一种新型结构位图表来压缩存储数据,在仅扫描数据库一次后,建立位图转换表.根据位图转换表来构建混合树结构,采用深度优先的方式和有效的剪枝策略高效挖掘出所有的闭合模式.从而有效地缩小了搜索空间,加快了处理速度.通过在生物数据库应用的实验结果表明, EMHCP算法比已有的CARPENTER和TD-close等算法更为有效.     

项目投资时机及投资概率分析

针对实物期权理论中存在的不足,运用鞅理论分析研究了市场环境下的确定性和不确定性因素对实物资产项目投资决策的影响.首先,通过鞅方法建立了反映投资时机和投资回报临界值之间关系的投资时机模型;然后,使用测度变换评价了项目投资能够被实施的可能性.研究结果表明确定性因素对投资时机和投资回报临界值具有相反作用的影响,不确定性因素则均具有正向作用的影响,且在确定性因素取值较小情况下,不确定性对投资却具有促进作用.     

利他、公平和信任等因素对合作的影响

分析了利他、公平、信任等因素对博弈过程中合作的影响,以典型的"gift-exchange博弈模型"为例,假设博弈方行为受到一些因素影响并且可以用启发式规则简单描述,通过对成员Agent内部的利他、公平、信任等属性和交互过程中启发式规则的设计和编程实现,使得博弈双方在博弈过程中不断学习和调整策略,形成最终达成一致的合作机制.利用多Agent系统平台--JADE对所提出的模型进行仿真,通过对实验数据的分析,揭示了在多Agent系统中利他、公平以及信任等因素对合作的影响,指出了这些因素在经济生活中的实际指导意义.     

“分身术”飞行与超级风暴（六）

上期说到爸爸打开了一份分析报告,接下来会发生什么呢？ 空降野生动物园 这份编号为2014的电脑内部分析报告还写道：我们对于人为原因污染环境的统计更加多样和深入,结果也更可怕。如今,人类已有改造环境的巨大能力,但十分危险的是他们还不知道控制自己。他们可能正在接近世界末日。建议尽快采取必要的干涉行动。     

“分身术”飞行与超级风暴（九）

上期说到灰胖鸽被押到“最最最”法庭为自己做辩白,接下来会发生什么呢？ “最最最”法庭的特别判决 “最最最”法庭上气氛严峻,智能手机俨然像个天底下最公正的大法官,它表情神气活现,又义正词严地侃侃说道：“唔唔,中国有句老话说得好：三岁看八十。我们的超级计算机对世界上数亿少年儿童的数据进行了分析,发现其中有一部分小孩长大后可能比现在不注重环保的大人还要差,对地球环境的损害更大。因此影响了对全体少年儿童的总体评价，你的旁证材料站不住脚!”     

VFP建立主引导扇区备份的程序研究

本文研究了Visual FoxPro 6.0文件操作函数的用途、使用方法及应用范围,并给出了应用Visual FoxPro 6.0编程建立主引导扇区备份的程序的实例。     

基于变差系数法的水污染物总量分配模型

在考虑排污权公平准则的基础上,将数学领域的变差系数概念引入环境领域,选取与水污染物排放量紧密相关的各项指标,并利用各项指标的变差系数来度量各个区域的社会、经济和环境等客观因素发展的不平衡,同时应用相关系数法确定各项指标权重,建立了一种新的基于变差系数加权和的水污染物总量优化分配模型,并将该模型应用于汉江水源地汉中市的水污染物COD总量分配中。实验结果表明:该优化模型能够考虑各区域之间的差异,缩小各区域间总量分配的不均衡,是一种更具公平性和可行性的分配方法。     

Nd_3Fe_(29-x)Ti_x(x=1.3～2.0)化合物的成相范围及其温度特性(英文)

用热磁测量和X -光衍射谱研究了Nd3Fe2 9-xTix 化合物的成相范围及其温度特性 .研究发现 ,x =1.3～ 2 .0范围内的所有化合物都成单相 ,其晶体结构具有A2 /m空间群的单斜结构 .随着Ti含量的增加 ,晶格参数a ,b ,c几乎不变 ,而晶胞体积V略微增加 .每个样品都出现了自旋重取向现象 ,但自旋重取向温度Tsr和居里温度TC 几乎不随Ti的含量而改变 .     

Strategic Robust Mixed Model Assembly Line Balancing Based on Scenario Planning

Assembly line balancing involves assigning a series of task elements to uniform sequential stations with certain restrictions. Decision makers often discover that a task assignment which is optimal with respect to a deterministic or stochastic/fuzzy model yields quite poor performance in reality. In real environments, assembly line balancing robustness is a more appropriate decision selection guide. A robust model based on the α worst case scenario is developed to compensate for the drawbacks of traditional robust criteria. A robust genetic algorithm is used to solve the problem. Comprehensive computational experiments to study the effect of the solution procedure show that the model generates more flexible robust solutions. Careful tuning the value of α allows the decision maker to balance robustness and conservativeness of as- sembly line task element assignments.