一种基于关联规则的搜索引擎结果聚类算法

提出一种搜索引擎结果的聚类方法，采用关联规则方法确定网页文档中的显著短语，并把这些显著短语作为对相应聚类的描述，聚类中包含的文档就是显著短语所关联的文档，然后对形成的聚类按照相关度分数进行排队，最终把结果展现给用户.     

不完全信息下概率决策的扩展粗糙集方法

为了从不完备多属性决策系统中获取概率决策规则，提出了一种不完全信息下概率决策的扩展粗糙集方法. 给出了容差关系下相容度的概念，通过设定相容阈值给出知识的粗糙下近似、上近似和边界域，然后讨论了粗糙近似的基本性质和概率决策规则的获取.通过实例说明这个新方法的可行性和有效性.     

一种基于离散度的决策树改进算法

在数据挖掘中，决策树方法是一个重点研究方向．很多学者从不同角度对ID3算法进行改进和优化，提高了分类的效率和速度．本文从离散度的角度，对ID3算法进行改进．实验表明，利用改进后的算法挖掘分类规则，不仅提高了分类的正确率，而且非常高效．     

赴西安旅游的韩国游客的旅游偏好研究

旅游偏好的研究对旅游市场拓展和旅游资源开发具有重要的指导意义．以实际的问卷调研数据为基础，采用多维关联的频繁项集规则和计算机数据库统计等方法对调研数据进行分析，研究赴西安旅游的韩国游客的基本特征以及旅游资源偏好、旅游商品偏好和旅游娱乐项目偏好等．     

基于多服务等级随机网络系统价控策略分析

引进多服务等级随机网络系统的用户需求量与价格模型,讨论了定价策略问题,同时给出了用户需求量的无偏估计.对于用户呼叫到达时间服从于几何分布的网络系统,制定了静态无激励定价策略.对一般较复杂网络模型制定了动态定价策略,该策略可调整用户需求估计量均值,使网络取到最大收入.由于用户需求量是一随机变量,对系统施加点激励价控策略,激励和引导用户选择对网络整体有利的服务请求.建立的定价策略,可提高网络资源的利用率,控制网络拥塞,较适合于目前网络日益发展的需要.     

(L)ukasiewicz命题逻辑系统中的赋值决定公式问题

为了在经典逻辑学中建立Fuzzy分离规则的推理模式，Zadeh提出了赋值决定公式问题（VDF问题），并已于二值命题逻辑以及Lukasiewicz三值和p＋1值命题逻辑中得到解决．文中在更一般的Lukasiewicz命题逻辑系统中建立了VDF问题的求解理论，首先给出了一般的Lukasiewicz命题逻辑系统中VDF的合理性条件，其次构造性地解决了Ln、La和Lc中的VDF问题．     

高精度正弦激励信号源的设计与实现

在许多工程测量中,都需要某种固定频率的正弦信号作为激励源.本文介绍一种高精度正弦激励信号源的设计与实现方法.     

快速挖掘最大频繁项目集的新算法

针对关联规则下最大频繁项目集的特性,提出了一种快速挖掘最大频繁项目集的新算法MMFI(miningmaximumfrequentitemsets)。该算法摆脱了传统的经典算法Apriori及其变种情况下的自底向上的搜索策略,利用集合枚举树(set enumerationtree)的变形结构采取了自顶向下的新的搜索方式,并通过其独特的启发式判断策略、候选项目集的生成策略等,大大减少侯选项目集的生成,从而降低了CPU搜索时间,提高了挖掘效率。     

模糊目标信息系统上的逻辑及决策规则

基于模糊目标信息系统模型，并结合粗糙集相关的逻辑理论，提出了模糊粗糙决策语言FRDL，给出了FRDL中公式的定义、语义、可满足性有效性的形式化描述以及相关的性质。在此语言的基础上，给出了模糊目标信息系统上的决策规则、逆决策规则形式化描述和构造方法。FRDL所描述的逻辑表达方法以及规则推理公式为建立在模糊目标信息系统之上的决策支持系统、推理机提供了形式化的表示和推理方法。最后，在眼科近视诊断上进行的数据实验表明，这种形式化描述和推理方法比较合理。     

一种基于序列挖掘的分类系统框架

为了有效地对序列数据进行分类，提出了一种集成分类挖掘和序列模式挖掘技术的分类系统框架(SPACS)．先采用一套约束和裁减策略，为每个分类挖掘频繁序列模式，并将其转换为分类序列规则(CSR)；再利用平均CSR匹配置信度和一个规则匹配算法构建有效的序列数据分类器．SPACS不需要在提取序列的特征后采用传统方法进行分类，可以直接利用从序列数据中提取出的频繁序列进行分类．实验结果表明，对于序列类型的数据的分类，SPACS比传统的决策树和关联分类方法具有更高的分类精度．