基于粗糙集理论的复方拆方研究

粗糙集理论是一种新的处理模糊和不确定性知识的数学工具，其主要思想就是在保持分类能力不变的前提下，通过知识约简，导出问题的决策和分类规则．因此，将粗糙集理论引入复方拆方，将有助于从复方配伍的动态性和不确定性的本质上去深入而确切地开展方剂配伍规律的量化研究，从而改变药味与药效之间的分离状态．     

用分类与回归树算法进行人才识别

高校人才的引进对学校的发展十分重要．传统的人才识别方式是考察引进人员的一些定性的指标来进行人才识别，这样难以保证识别结果的全面性、科学性和准确性．给出了一种新的定量的人才识别的方法，它是利用数据挖掘中分类与回归树(CART)的方法为理论基础对人才进行定量的识别，更具科学性．分类与回归树方法利用过去已有的引进人才的经验数据分析提取规则，为以后的人才识别提供合理的、科学的决策支持．     

多维频繁项集计算方法及应用

对多维关联规则中混合维关联规则数据挖掘技术进行了探索，实现了基于多维频繁项集进行多维关联规则数据挖掘的一种实用高效的方法，文中基于多维的频繁项集的挖掘算法主要分为2个步骤，并在高校学生信息系统中给予具体运用．     

基于统计方法的数据挖掘算法研究

在统计方法的基础上提出了一种根据数据集合本身的统计特性数据挖掘算法．该算法利用数据本身的统计特性对数据仓库中的数据进行分析，在给定重要性比例程度的前提下，经过系列的统计运算，得到简化的数据仓库集，并根据分析得到了数据挖掘算法的流程图．提出了比例大小关系函数，反映了数据自身的统计特性，分析表明：这种算法极大的提高了数据的有效水平。     

基于多传感器数据融合与挖掘的分布式入侵检测模型

为有效解决分布式攻击,提出了基于多传感器数据融合与挖掘的分布式入侵检测模型.将多传感器数据融合与数据挖掘技术应用到分布式入侵检测中,可连续和全面地提供网络攻防战场环境态势的综合评估.     

一种基于关联规则的数据挖掘算法实现与应用

对Apriori算法加以改进,提出了一种更高效的关联规则挖掘算法,在扫描数据库的同时把支持每个项目的事务都标记出来,采用一种新的方法来计算候选项目集的支持度.该算法只需对源数据库进行一次扫描,就可以找出所有的频繁集,具有很高的效率.     

基于Web的形成性考核智能管理系统研究

以远程开放教育中形成性考核工作的需要为中心，充分利用现代计算机技术、多媒体技术、通信技术、数据挖掘和人工智能等技术，充分利用现有管理系统中的数据，建立了基于WEB的形成性考核智能管理系统，实现了考核课程学生自主学习的智能引导、全过程监控、科学合理评价到形成性考核成绩的自动化。最大可能的发挥形成性考核对学生学习的促进作用。     

数据挖掘初探

从学科归属、技术、功能3个方面探讨了数据挖掘的定义及内涵,并对数据挖掘与知识发现的关系、数据挖掘的功能、作业流程及应用进行了初步研究。     

基于关联规则挖掘的频集算法的改进

关联规则挖掘是目前数据挖掘的研究难点之一，介绍了关联规则的划分情况，对频集算法进行了改进，提出了处理数值型字段的基本方法，展望了关联规则挖掘的未来研究方向．     

一种基于时序分析的大型重载支承轴隐蔽部位疲劳裂纹诊断方法

大型重载支承轴隐蔽部位因发生不可观测的突发性疲劳断裂事故,严重影响生产的正常进行,给企业带来重大的经济损失.在分析支承轴振动特性的基础上,通过在机械结构外部便于检测部位提取反映结构疲劳裂纹状态的特征信号,编写相应的MAT-LAB程序构建时序模型,然后模拟支承轴实际工况,将裂纹产生、发展、断裂过程划分为5种状态,建立标准故障模式特征向量空间.运用模糊聚类分析方法,结合Euclide距离判别函数,找出与标准故障模式特征向量中隶属度最大的特征向量,从而有效诊断支承轴隐蔽部位疲劳裂纹状态的程度.最后通过实例验证了该方法的正确性和可行性.图2,参5.