频繁项集挖掘算法综述

该文基于频繁项集挖掘算法的研究现状,采用自底向上遍历搜索、自顶向下遍历搜索和混合遍历搜索的分类方法,对现有的频繁项集挖掘算法进行归纳分类,分析和比较了各类别中具有代表性的挖掘算法,总结每种算法各方面的特性。同时,对一些特殊的频繁项集挖掘算法也作了简单介绍。旨在使读者全面掌握频繁项集挖掘算法目前的研究水平,便于研究者对已有的算法进行改进,提出具有更好性能的新的分类算法,也便于使用者在应用时对算法的选择和使用。

数据挖掘分类算法综述

基于数据挖掘分类算法的研究现状,对目前发展较成熟的几种分类算法如决策树、关联规则分类、神经网络、贝叶斯方法、遗传算法等数据挖掘分类算法分别进行了论述。主要分析比较各典型算法的优点和不足,对其他一些算法也作了简单介绍,旨在追溯算法的发展轨迹,指出部分算法可能发展的方向,为进一步研究提供有益的借鉴。

对CMAR算法的分析与改进

通过引进信息增益计算各属性的熵值,并按照熵值进行排序建立数据字典F-list,进而建立FP-树,实现对CMAR算法的改进。

数据挖掘空间聚类

聚类分析在数据挖掘领域中得到了广泛的应用,对空间数据的聚类是其中的一个重要研究方向。文章提出了对空间数据聚类的6个标准,并基于这6个标准对一些传统的空间数据聚类算法作了分析比较。在分析的基础上指出没有一种老的算法能同时处理大量数据点、高维数据和多噪声的问题。接着对近年来改进或创新的聚类算法作了简要分析,并对未来发展方向进行了简要展望,目的主要是便于研究者全面了解和掌握空间数据聚类的现有算法,发现更高性能的聚类算法,也使用户能方便快速地找到适合特定问题的聚类方法。

基于空间聚类的装备典型毁伤试验条件确定方法

为科学确定装备毁伤仿真试验的状态参数,从装备内部部件的毁伤效果入手,基于K-Means空间聚类算法,提出了装备典型毁伤试验条件确定方法,对聚类对象的确定、聚类中心的选取以及判断准则等进行了研究,并以某型装甲装备典型毁伤仿真试验为例,验证了该方法的可行性和有效性。研究表明:该方法能够获取装备毁伤分析的有限种典型试验条件,对物理试验和仿真试验的方案设计具有指导和借鉴意义。