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.     

集中供热管理数据挖掘系统

基于数据挖掘技术，以集中供热管理为研究对象，提出了关联数据挖掘的设计思想及实现方法。采用了属性构造法进行数据预处理，建立了数据挖掘模型，实现了关联规则算法，并对挖掘结果进行解释与分析。分析表明：对于供热系统的温度、压力和流量，其热量消耗应满足最小支持度和最小置信度阈值。     

基于SPWM的采样法优化

论述了SPWM控制原理及目前广泛应用的几种采样方法,对比分析了这几种采样方法的优缺点.提出了基于比例计算进行采样的不对称优化规则采样法,使脉冲宽度较传统采样方法更接近于自然采样.基于不对称优化规则采样法,应用dsPIC30F3011控制三相ACIM进行试验验证.试验结果表明,采用此采样法控制电机,可靠性好,抗干扰能力强,电机运转更加平稳,有较大的应用价值.     

数据挖掘中关联规则算法的研究及应用

针对Apriori和AprioriTid算法中存在的项集生成瓶颈问题,提出了一种基于事务集压缩、候选项集压缩和支持度布尔矩阵的改进AprioriTid算法.该算法中通过删去不必比较的事务来有效缩减数据集;优化频繁项集的自连接方式来减少生成的候选项集个数;使用支持度布尔矩阵来加快候选项集的验证速度.实验结果表明改进算法比原算法执行效率明显提高,同时也验证了该算法在油液监测故障诊断中的有效性.     

模糊关联规则的并行挖掘算法

介绍了模糊关联规则挖掘算法的基本思想及实现步骤,提出了模糊关联规则的并行挖掘算法.并行挖掘算法采用并行的模糊c-均值算法将数量型属性划分成若干个模糊集,并借助模糊集软化属性的划分边界.用改进布尔型关联规则的并行挖掘算法来发现频繁模糊属性集.最后由多个处理器并行地产生满足最小模糊信任度的模糊关联规则.在分布式互连的PC/工作站环境下进行性能分析,结果表明并行的挖掘算法具有好的可扩展性、规模增长性和加速比性能.     

改进型模糊神经网络模型的构造

利用模糊系统和神经网络的优势,构造一种改进型模糊神经网络模型.从极大-极小模糊算子的模糊神经元入手,提出改进的修改模糊权值的训练学习规则.改进后的模糊神经网络模型大大减少了运算量,提高了收敛速度.采用此学习算法对实际汽轮发电机组运行状态进行监测,结果表明,模型具有较强的状态监测能力,达到预期的目的.     

基于关联规则的SDH网络告警分析方法及应用

本文主要介绍关联规则在SDH网络告警分析中的应用,通过制定关联规则,得出SDH网络中告警内在联系,提升通信网络维护人员告警分析能力和降低故障处理时间,最终达到快速定位故障,解决故障的目的。     

基于遗传算法的模糊控制规则优化的研究

模糊控制规则的正确选择是模糊控制器设计的关键,它决定了模糊控制系统的动态、静态性能和控制效果．针对传统的获取控制规则方法的不足,提出了在一个待优化模糊控制器的基础上,采用改进的遗传算法优化其模糊控制规则,从而使经过优化所获得的控制规则更加合理．最后对优化后的模糊控制器进行仿真比较研究,并将其应用于温室,实现温室温度的模糊控制．结果表明模糊控制规则经过优化后的模糊控制器的控制品质有较大的改善和提高．     

关于求解一类多目标规划问题的讨论

本文对一类多目标规划问题进行了讨论,给出了原问题的两种变形问题和两种子问题,讨论了变形问题的解或一阶条件与原问题的解或一阶条件的关系。     

关联规则挖掘技术在冠心病诊断中的应用

针对传统的关联规则算法挖掘效率低且产生的频繁项集庞大的缺陷,提出一种改进的基于直接频繁闭超项集理论的关联规则挖掘算法。该算法针对候选频繁闭项集具有快速检测闭合性和缩减查找范围的优势,有效地提高了挖掘效率。在冠心病诊断中的应用结果表明,该算法可有效地挖掘冠心病诊疗规则。