蓝牙网络接入点切换算法研究

蓝牙网络接入点切换问题的研究对解决蓝牙移动性有很重要的现实意义.文章提出了一种频繁路径选择算法,接入点实时检测同移动点间链路,根据接收功率强度和前一段时间从当前位置切换到相邻接点的概率,确定最佳候选接入点集,当从当前接入点AP接收到的功率下降到一个阈值时,移动主机MH开始切换.这种算法能够减少不必要的切换,降低链路负荷,而且切换时间较短.     

FP-growth算法的一种改进

频繁项目集挖掘是多种数据挖掘应用研究的一个重要方面，频繁项目集的快速挖掘算法研究是当前研究的热点，传统Apriori及其改进算法，要多遍扫描数据库并产生大量的候选项目集，针对Apriori算法的缺陷，Han JW(韩家炜)提出FP-growth算法，该算法仅须扫描数据库两遍且无须生成候选项目集，避免了产生“知识的组合爆炸”，提高了频繁项目集的挖掘效率，但FP-growth算法是通过逐步生成条件模式基和条件频繁模式树来挖掘频繁项目集，因而影响了频繁项目集的挖掘效率，为此，在引入F-矩阵概念之后，提出了FP-growth的一种改进算法—IFP-growth，并对改进算法的性能进行了测试，实验结果表明，IFP-growth算法优于FP-growth。     

关联规则的新颖性评价

关联规则的挖掘就是要发现所有支持度和可信度分别大于用户给定的最小支持度和最小可信度的关联规则.最常用的关联规则评价方法就是支持度-可信度评价.本文提出频繁项集的新颖性概念,并对新颖性评价方法进行阐述.     

不典型重症哮喘1例

1　临床资料患者王某 ,男性 ,1 7岁 ,因发作性剧咳 2ｄ ,手足抽搐 1ｈ入院 .于入院前 2ｄ因着凉自感咽喉部发痒、流泪、打喷嚏、发作性干咳 ,嗅到烟味或室外空气加重 .经抗炎、镇静、镇咳治疗无效 ,于 4ｈ前剧烈频繁性干咳不止入院 .胸部Ｘ光透视正常 ,发病以前无咳嗽、咳痰及哮喘 ,既往健康 .体征 :体温 36℃ ,脉搏 96ｍｉｎ- 1 ,血压 1 5.4/1 0 .0ｋＰａ ,呼吸 2 3ｍｉｎ- 1 .神志不清 ,烦燥不安 ,剧咳不止 ,口唇发绀 ,咽部充血 ,呼吸音粗 ,未闻及干湿罗音 ,心界不大 ,心音纯 ,腹平软 ,肝不大 .手指呈鹰爪样搐溺 ,下肢无水肿 ,膝腱反射正…     

论企业员工频繁流动的原因及对策

当前企业员工过于频繁的流动已给许多企业造成很大损失。本文在分析企业员工频繁流动原因的基础上,从企业管理的角度提出了解决企业员工频繁流动的基本对策。     

一种改进的基于超网络的高维数据聚类算法

高维数据聚类问题是当前聚类分析研究的重点。笔者提出了一种改进的基于超网络的高维数据聚类算法。首先,将高维数据映射到一个大规模带权超网络中;其次,定义超网络中边的权重;再次,采用优化的超图划分方法划分带权超网络;最后实现高维数据聚类。这样有效过滤掉聚类中的噪声数据,避免了传统聚类方法在降维过程中产生的弊端。实验证明,该算法具有较理想的有效性和精确度。     

新闻事件多维频繁模式挖掘——基于多维属性索引树方法

提出一种基于多维属性索引树的新闻事件多维频繁模式挖掘方法。该方法首先根据新闻事件属性建立多维关系数据库,然后将属性集按其特性分成非内容属性集和内容属性集两部分,依据非内容属性集创建多维属性索引树,同时利用概念分层对索引树属性进行概念泛化,以解决数据稀疏问题;最后基于多维索引树挖掘新闻事件多维频繁模式。通过真实数据集上的实验,验证了方法的有效性和优越性。     

一种基于FP-tree的最大频繁项目集挖掘算法

挖掘最大频繁项目集是许多数据挖掘中的关键问题．为克服早期基于Apriori的最大频繁项目集算法中的缺点,相继有多种挖掘最大频繁项目集方法被提出．其中对基于FP-tree的最大频繁项目集挖掘算法比较多,但对FP-tree中的结点的频度计数关注的很少．通过对FP-tree结构进行了仔细分析后,在FP-tree中结点的频度计数和集合理论的基础上,提出了一种新的最大频繁项目集挖掘算法USDMFIA(using set to discover maximum frequent itemsets algorithm)．通过分析比较,显示此算法是有效的．     

基于有向图的关联规则算法

提出了一种基于有向图的关联规则挖掘算法，采用了垂直二进制位图映射数据库，根据垂直二进制位图来生成有向图，将频繁项的二进制位串作为有向图的权值，通过分析有向图生成最大频繁项集，并给出了最大频繁项集挖掘算法的优势。     

基于Web的数据挖掘在电子商务中的应用

Web数据挖掘应用于电子商务系统,已成为数据挖掘热点研究.Web服务器日志中保存了大量的用户访问电子商务系统的记录,运用数据挖掘技术对数据进行处理和分析,构造频繁访问路径挖掘算法,获取用户的购物特性和习惯,达到向每个用户推荐产品的目的,进一步指导电子商务网站建设.