一种改进的关联规则增量式更新算法

在支持度和置信度不变的情况下,随机或偶然向数据集添加数据记录会导致关联规则的变化.在FUP算法的基础上给出了一个改进的增量式更新算法,本算法在充分利用先前关联规则的基础上极大的减少了扫描原数据集的次数,与FUP算法相比极大的减少了算法运行时间,并实验验证了算法的优越性.     

基于多支持度的挖掘加权关联规则算法

关联规则挖掘是数据挖掘中一个重要的模型．在其挖掘算法中，如果最小支持度很高，则出现频率比较低的规则就不能发现；如果最小支持度太低，因为频繁项的相互关联，则会出现组合爆炸．为此，提出了允许用户设定多个最小支持度、给定数据各项的权重来解决这一问题．理论、实验数据和实际应用证明，该新算法可行且符合实际情况，比同类算法用时更少，对大型数据库的关联规则挖掘非常有效．     

基于小波包变换的图像融合技术的应用

阐述了基于小波包变换的图像融合算法，并对基于像素的融合规则与基于区域的局部方差融合规则作了论述．在此基础上，发展了一类修正后的局部方差对比的融合规则．通过对一混凝土梁构件内模拟的缺陷进行红外探测并进行图像融合，结果表明：对于探测梁内部缺陷，采用小波包变换的融合算法图像不仅充分结合了融合前图像的信息，边缘信息也更为细腻．另外，小波包分解层数对图像融合效果有着重要的影响．通过对加噪声红外图像的融合算例表明：随着小波包分解层数的递增，融合质量却逐渐下降．当分解层数在1～2层时，融合效果比较理想．     

基于规则的城市交通信号自组织控制

针对复杂的城市交通信号控制系统,基于车流与流体的相似性,将交通路网抽象成双向管网模型,并采用流体动力学理论对网络内车流进行描述.基于相邻路口之间车流信息的共享,通过对N-S方程的数学重构,建立了各路口车流基于相位的自组织控制规则.仿真实验结果表明:自组织控制规则不仅实现了交通网络中的车流量平衡,而且系统的控制性能得到了明显的提高.     

基于数据挖掘的金融时序频繁模式的快速发现

针对金融时间序列分析中注重快速作出趋势判断的特点,利用数据挖掘的思想和工具,提出一种金融时间序列模式快速发现算法.与传统的预测算法相比较,该算法对数据的分布和平稳性等方面的要求不高,不基于任何假设,能够非常快速地发现时间序列中的频繁模式,经过模式匹配后,可以用于金融时间序列的分析与预测.以实际汇率数据为例,证明了该算法的有效性.     

一种新的规则获取增量式算法

对新增样例给出了新的分类,针对此分类提出了新的规则获取的增量式学习算法DLR I,并就该算法与经典算法的复杂性进行了分析比较,得出增量学习算法较经典算法有较低的时间复杂性,可以有效地提高大型数据库的规则维护效率.     

XML键及推理规则

键是关系数据库和XML文档中重要的语义表达，是XML模式设计的基础。文章在XML树的定义和路径语言的概念的基础上，提出XML键的定义，给出XML键的一组完备推理规则集，最后提出了求解键集合最小覆盖的一般指导原则。     

空间数据挖掘技术

空间数据挖掘是数据挖掘的一个分支,在地理信息系统、遥感、导航、环境研究以及许多使用空间数据的领域中有着广泛的应用。阐述空间数据挖掘的定义、特点、体系结构与一般过程,介绍空间数据挖掘的方法和知识表达方法,指出空间数据挖掘的主要研究方向,提出开发空间数据挖掘系统的几点思考。     

基于模糊神经网络的车牌图像识别方法

提出了一种基于模糊神经网络的方法对汽车车牌字符进行识别.该方法首先基于Rough Sets.思想获取初始规则和训练集,基于图像识别目标确定网络结构,通过神经网络的学习算法对网络进行优化.然后根据图像识别的模糊特性,利用模糊神经网络对汽车车牌进行精确的识别.实验结果证明该算法比常规识别算法识别率更高.     

基于Linux的网络流量控制机制

提出了一种基于Linux的流量控制模型,此模型内嵌于Linux内核,利用队列算法分类不同QoS需求的网络流量,可满足不同服务水平的QoS需求.经过多次实验证实,采用流量控制模型后的网络性能明显优于传统网络模型,而且对于后继的网络需求也能充分适应.