最小频繁相关模式的挖掘

频繁模式不能反映模式内部各项目之间的关联和相关关系，频繁关联模式挖掘与孥繁相关苎式兰苎已越来越受到人们的重视．按照相关模式定义，如果一个模式是相关模式，其超模式一定是相关模式,最小频繁相关模式挖掘将大大减少挖掘出来的数量，有利于用户分析．给出最小频繁相关模式挖掘算法，并在标准数据挖掘数据集蘑菇数据上测试，实验证明算法是正确有效的．     

分次NP—环与分次PS—环的一点注记

讨论了分次环Ｒ及由它导出的非分次环Ｒ、Ｒｅ、Ｒ＃Ｇ之间的ＮＰ一环（ＰＳ－环）性质的关系，以在有限群Ｇ一型强分次环（｜Ｇ｜是Ｒ的逆元，ｅ是Ｇ的单位元）的条件下，Ｒ、Ｒｅ、Ｒ＃Ｇ与分次环Ｒ在ＮＰ一环（ＰＳ一环）性质上是一致的。     

基于约束的最大频繁模式的挖掘

频繁模式挖掘通常产生大量的挖掘结果,基于约束的最大模式挖掘成为目前研究的焦点．给出基于约束的频繁最大模式的定义和挖掘基于约束的频繁最大模式算法．     

多元线性模型回归参数的一种广义估计

采用广义估计 β (K)估计多元线性模型中回归参数 β ,通过K值的选取 ,可使 β (K)的均方误差小于最小二乘估计 β 的均方误差 ,且在一定条件下 ,β (K)为 β的可容许估计 ;还讨论了 β (K)的均方残差的性质 .     

Baer环、分次Baer环及其推广

得到:若是Z-型分次环,且R是Armendariz环,则环R、分次环R、多项式环R[x]及自然分次多项式环,Laurent多项式环R[x,x-1]及自然分次Laurent多项式环在Baer环(P.P.环,拟Baer环)的性质上是一致的,推广了[2]、[3]、[8]、[9]中相应的结论.     

数据挖掘与统计理论

随着数据库技术的不断发展和数据库系统的广泛应用，数据库中存储的数据量急剧增大，迫切需要新的计算理论和工具帮助人们从大量信息中抽取有用信息，即知识，数据挖掘学科的诞生正是适应这一需要．传统数据分析工具数理统计无疑在这一学科中扮演着重要角色，阐述数据挖掘的主要任务及统计理论在各任务中的应用，旨在更好结合统计理论探讨数据挖掘，更好发挥数理统计理论在数据挖掘中的作用．     

计算机专业高效的教学团队建设内容探析

教育部开展的高校质量工程建设中明确提出建设教学团队,提高教师素质和教学质量,从而提高人才培养质量.高效的教学团队建设内容探析的必要性得到了大大的提升.文章从课程建设和教学改革、师资队伍培养及如何将教学科研相结合三个方面探析高效的教学团队建设内容.     

频繁独立模式挖掘

高频独立模式对无相关属性选择有一定意义.给出挖掘频繁独立模式算法,并在标准数据挖掘数据集蘑菇数据上测试,得到蘑菇数据在一定度量下的所有频繁独立模式,实验结果表明了挖掘算法的有效性.     

基于属性值贡献率的朴素贝叶斯改进算法

朴素贝叶斯分类是一种简单高效的方法.但是当属性独立性假设不成立时,有可能导致待测样本类别判断错误;且当待测样本到各类别的概率相同时,无法判断该样本类别,从而影响了它的分类准确率.本文提出基于属性值贡献率的朴素贝叶斯改进算法,利用待测样本的各个属性值在各类别的总贡献率判别该样本的类别.在蘑菇数据实验结果表明,该算法能有效提高分类的准确率.     

多项式环及特殊上三角矩阵环的分次与非分次性质

引进分次（弱分次）Armendariz环及分次拟Bear环的概念,讨论了环上的分次与非分次多项式（特殊上三角短阵）环的Armendariz环与拟Baer环的性质。