无线传感器网络多目标关联覆盖

针对多目标网络覆盖中传感器节点和目标的关联关系,依据数据挖掘中的关联规则挖掘技术,设计了多目标关联覆盖算法MTACA．考虑到能量的有效性,利用关联规则挖掘方法动态地确定目标集合和传感器节点集合,通过节点集合工作状态的转换完成目标的完全覆盖,延长了网络使用寿命．同时,改进了适应区域覆盖的PEAS算法,使其适应多目标覆盖的应用．通过仿真对MTACA和改进的PEAS算法进行了性能分析．结果表明：MTACA算法和改进的PEAS算法在目标完全覆盖能力和网络使用寿命上明显优于随机部署网络;MTACA算法在目标完全覆盖能力、网络使用寿命、网络剩余能量以及节点间能量消耗均匀性上明显优于改进PEAS算法．     

基于关联规则的数据挖掘技术在中药方剂配伍中的应用研究

中药方剂的数据挖掘研究是把我国丰富的中药信息资源和现代信息技术相结合的重要内容,它是指在中医理论指导下,用知识发现技术对传统中药新药、中医组方理论及规律、中药作用机制、有效成分构效关系等多个方面进行全面、系统的研究.以关联规则为主的研究模式是数据挖掘的一种常用方式,将关联规则用于方剂配伍研究的主要目的是探寻核心药群,寻找药物之间的相互联系和整体用药规律.本文对中药方剂数据挖掘模式和算法集成进行了研究,提炼方剂中有关联的药物匹配模式,探讨这些模式中药物组配后功效的变化情况,从而为中药方剂理论研究和临床实践研究提供现代技术手段.     

在2HDM模型下γγ→bH~-过程的散射截面的树图级计算

带电Higgs粒子在2HDM模型中具有不同于标准模型的显著特征,寻找带电Higgs粒子是验证2HDM模型的一个非常重要方面。计算了两个光子的碰撞过程γγ→tb-H-的最低阶(树图级)的散射截面,讨论了散射截面与模型参数tanβ和带电Higgs粒子的质量之间的关系。计算结果表明:当模型参数tanβ在5～40时,散射界面的数量级可达10-2pb;而带电Higgs粒子的质量大致在100～400GeV。     

基于Apriori算法的多维关联规则挖掘研究

关联规则是数据挖掘中的一个重要研究方向.经典的Apriori算法是一种最有影响的挖掘布尔型关联规则频繁项集的算法,但其并不适合挖掘近年来兴起的多维数据模型.在改进Apriori算法的基础上,提出了一种"二次剪枝"的算法,此算法适用于挖掘多维关联规则,并且在一定程度上提高了算法效率.     

一种新的模糊决策树算法 ——基于加权毕达哥拉斯模糊熵

传统的模糊决策树虽然可以从模糊数据中抽取模糊分类规则,但只能获取节点的隶属度信息,无法得出样本数据对于节点的非隶属度和犹豫度信息,导致数据分类的准确率不高。针对此,基于毕达哥拉斯模糊集理论,提出了一种新的加权毕达哥拉斯模糊决策树算法（Weighted Pythagorean Fuzzy Decision Tree,WPFDT）。首先,通过改进的K-means聚类算法得到连续属性数据的聚类中心,并结合三角模糊数对连续数据进行模糊处理;其次,定义并计算每一个属性的加权毕达哥拉斯模糊熵,选择加权毕达哥拉斯模糊熵最小的属性作为决策树根节点,在根节点下递归选择模糊熵最小的属性作为分裂节点,同时通过阈值控制树的规模,得到从根节点到叶子节点路径的模糊规则以及模糊规则的隶属度、非隶属度以及犹豫度,并完成预测分类,直至生成WPFDT模型;最后,选取UCI上的3个医学数据集（Haberman、Breast Cancer、Parkinson）进行实验,在分类准确率和得出模糊规则的数量与3种传统决策树算法（模糊ID3算法、C4.5算法、CART算法）比较,实验结果表明：WPFDT在分类精度和树大小上都优于其他传统决策树算法,并且有较高的召回率和精确率。     

城市突发公共事件应急管理平台研究

为了提高对突发公共事件的响应速度和效率,解决各参与者的信息无法有效对接的问题,本文研究并设计了城市应急突发公共事件管理平台系统。系统采用JSP技术和SSH框架,增加了系统的灵活性、扩展性、稳定性、安全性和健壮性。应用证明,系统在一定程度上满足了应急相关部门的要求,提高了应急处置的效率。     

基于频繁模式树的约束最大频繁项目集挖掘算法研究

目前绝大多数频繁项目集(或最大频繁项目集)挖掘算法并没有考虑相关领域知识,其结果会产生许多无关的模式.因此,发现约束频繁(或约束最大频繁)项目集是多种数据挖掘应用中的关键问题,然而,这方面的研究工作却很少.为此该文提出了一种快速的基于频繁模式树(FP-tree:一种扩展前缀树结构)的约束最大频繁项目集挖掘及其更新算法.实验结果表明该算法是快速有效的.     

一种基于粗糙集的数据分类方法

应用粗糙集理论的属性约简和规则约简方法对数据进行分类,并以可靠的数据对该方法进行了实验.结果表明,该方法复杂度低,且能有效提高分类效果.     

多分类器组合的投票表决规则

为了提高多分类器组合的效果 ,提出了一种改进的投票表决规则 .每个分类器对每个模式类别的识别能力不尽相同 ,通过对大量样本的统计 ,获得有关每个分类器识别性能的先验知识 ,将其作为投票表决的依据 .投票表决时每个类设置不同的表决阈值 ,使组合效果得以改善 .这些阈值可以通过训练获得 .在数字识别系统中的实验结果表明 ,该方法使多分类器组合的识别率和置信度明显提高     

基于0-1矩阵的时空关联规则提取方法研究

基于Apriori算法提出了基于0-1矩阵的时空关联规则挖掘算法,并以挖掘不同年代的土地覆盖现状之间的时空关联关系作为试验案例,对比Apriori算法的提取结果和提取效率,研究结果表明:该算法不仅减少了扫描数据库的次数,而且减少了冗余候选项集的产生,提高了时空关联规则的提取效率.