企业智能会计信息系统研究与设计——基于改进的Apriori算法和属性归纳学习算法

随着人工智能技术的发展,智能化会计核算系统成为会计发展的趋势。本文研究了会计核算智能化,重点在于实现学习和推理功能。采用机器学习算法,基于改进的关联规则挖掘算法(Apriori)和属性归纳学习算法,探索会计核算智能解决方案,促进会计人员的角色转变。本文结合会计实务流程,设计了智能会计核算系统,并实现了学习、推理和智能判断功能,为会计智能化研究与实践开辟了新途径。

基于改进关联规则的交互式元数据快速聚类方法

针对交互式元数据样本分布不均、聚类时间较长、离群点检测效果不佳的问题,提出基于改进关联规则的交互式元数据快速聚类方法。将交互式元数据划分为多个数据片,形成元数据分布式处理框架,根据待聚类数据对象的标识和定位信息建立数据网格索引机制,采用布尔矩阵和内积运算算法取代基础关联规则的编码方式和运算方法,定义分类算法所需的值函数,将特征点排列方式换变为按数据维度排序,获取改进关联规则,结合模糊均值算法和拉格朗日乘数法完成交互式元数据快速聚类。实验结果表明,比较原先的方法,所提出方法的聚类运行时间减少了81.27%、79.03%,有效提升了元数据聚类效率。

基于LDP运算路径规划的智能电网储能与分配决策研究

本文基于LDP(LogicDynamicProgramming,逻辑动态规划)运算路径为载体的智能电网决策与调度运维系统,从而为有效地决策电网电能总需求供应和分配提供支持。首先,面对电能存储和分布模式的智能化、数字化应用,研究动态电能分流存储和分配机制的模型与算法。其次,逻辑控制规则能有效调节误差和波动现象,泛布尔运算原理将误差与误差率扩展至九点分区施加控制力,对智能决策和电能储存在稳定性和鲁棒性平衡方面具有融合效果。最后,通过自适应学习选取和神经网络为对象的路径比较,得出基于LDP运算的逻辑控制在变电站设备正常运维和故障智能诊断、精准分配决策与调控、数据采样分析等方面具有最优动态规划路径解。

基于测试用例的通用联锁规则自动测试系统

为提高通用联锁规则测试效率和准确率,解决当前人工测试方式重复劳动多且颗粒度较大的问题,研发一种基于测试用例的通用联锁规则自动测试系统。根据计算机联锁系统的物理架构,模块化仿真各子系统,以减少对硬件设备的依赖。系统可读取、解析并自动执行测试用例,将测试用例中定义变量的预期跳变时序解析为以指定变量为基准的相对周期,并建立一定顺序的“变量-跳变周期”矢量关系链表;同时,周期性地追踪关键变量,将测试结果与预期的矢量关系链表进行对比,以识别通用联锁规则中可能的时序问题。该系统已多次应用在国铁、城轨等相关项目的联锁规则测试中,效果良好,可为同类型项目测试提供参考。

基于分布数据库的快速关联规则挖掘算法

关联规则发现是数据挖掘的重要研究内容,随着数据库中数据的不断增加,大数据集环境下的关联规则发现日益受到重视,分布式关联规则发现是解决这一问题的有效方法。分布式数据库环境下的关联规则挖掘算法中,时间开销主要体现在两方面(:1)频繁项目集的确定;(2)网络的通讯量。为了解决第一个问题,文章提出了一种基于二进制形式的候选频繁项目集生成和相应的计算支持数算法,该算法只需对挖掘对象进行一些”或”、”与”、”异或”等逻辑运算操作,显著降低了算法的实现难度。将该算法与DMA算法相结合提出改进算法FDMA。理论分析和实验结果表明,算法FDMA大大提高了关联规则挖掘的效率,算法是有效可行的。

基于布尔矩阵和MapReduce的FP-Growth算法

关联规则挖掘是数据挖掘的一个重要组成部分.为提高关联规则的挖掘效率,提出了一种基于布尔矩阵和MapReduce的FP-Growth算法(BPFP),分析了算法的时间和空间复杂度.该算法使用Hadoop框架和布尔矩阵以减少对事务数据的扫描次数,利用两次MapReduce来实现频繁项集的挖掘.在多个数据集上的实验结果表明,与原FP-Growth算法相比,BPFP算法具有更高的执行效率、更好的加速比.

一种基于进制转换的数值型关联规则分析方法

针对基于区间划分的数值型关联规则分析方法存在的问题,提出了一种基于进制转换的分析方法。此方法将十进制的属性值转换为二进制,并将二进制数值的每一位映射为二个布尔型属性,在此基础上,再采用布尔型关联规则分析方法。相对于基于区间划分的方法,此方法的优点是转化过程不存在失真,且能有效地降低后续分析过程的时间复杂度。

一种基于序列数的关联规则挖掘算法

在关联规则挖掘研究中,为了在产生候选频繁项时减少算法存在的重复计算和冗余候选项,为了在计算支持数时减少扫描事务数据库的次数,提出了一种基于序列数的关联规则挖掘算法,其关联规则适合挖掘任何长度.该算法用事务属性的布尔约简法,将传统事务数据转换成二进制数,然后用数字的递增和递减两种方式双向搜索候选频繁项;算法通过序列数的度来计算支持数,实现一次扫描数据库,有效地提高了算法的效率.

线性关联规则研究

首先讨论了布尔型关联规则的不足 ,然后提出了线性关联规则的概念 ,详细讨论了线性关联规则的挖掘方法 ,具体给出了线性关联规则的挖掘过程 ,分析了线性关联规则的作用 .还给出了实验结果 。

布尔关联规则集的结构

由事物数据库的项目集构造一个分层偏序集,使所有布尔关联规则之集构成该分层偏序集的一个下集.本文讨论了该下集的极大元及其性质.

向量法关联规则挖掘在冠心病诊断中的应用

针对传统关联规则频繁项集生成效率较低的问题,提出一种改进的基于向量法的数据关联规则挖掘算法。该算法只需扫描一次事务数据库即可完成布尔矩阵的转换,通过向量运算完成频繁项集的查找,减少候选频繁项集的生成。在冠心病中医诊断中的应用结果表明,该算法可有效提取冠心病中医辨证规则。

基于频繁2-项集的数量关联规则挖掘方法研究

关联规则挖掘方法自提出以来已有很多改进算法,但均局限于布尔关联规则的挖掘.已有的数量关联规则挖掘主要考虑了连续属性值离散化、最优的数量关联规则挖掘等问题,但存在过小支持度和过小置信度问题.研究了这一问题并提出了一个在频繁2-项集的基础上挖掘数量关联规则的改进算法.它不仅可以用于典型的购物篮分析,还可以用于购物篮分析不能完成的关联规则挖掘问题,如带数量的捆绑销售问题.

基于矩阵的关联规则挖掘算法研究与改进

为了有效提高关联规则挖掘算法处理数据库的效率,在研究基于矩阵的关联规则挖掘算法的基础上,提出了改进的关联规则挖掘算法DMApriori,并选取程序模拟超市购物产生的4个试验数据集,应用DMapriori算法对该数据集进行了关联规则挖掘;实验结果表明,该算法能平均提高关联规则挖掘时间20%;在计算数据库中的频繁项集时,通过有效裁剪布尔矩阵,使算法逐层扫描的数据量大大减少,并且对每个项集计数时,只扫描部分数据,提高了关联规则挖掘算法的性能。

在记忆过程中额叶与信息粒度的交互作用

采用事件相关的功能磁共振技术(fMRI)研究了记忆与信息粒度的相互关系.实验使用相同的记忆任务-Boolean规则,依据Ebbinghaus范式,要求被试在完全掌握规则后的第1天(短期记忆)和学习训练后的第7天(长期记忆)完成fMRI测试.结果表明,短期记忆任务和长期记忆任务均激活了左侧额下回和额中回,但短期记忆任务相对长期记忆任务激活更多的左侧中央前回和额下小叶、右侧的额上回和额中回,而长期记忆比短期记忆激活了更多的右侧的额下回,这可能与规则中的各个元素之间的聚合程度和记忆的精度有关.因此,额叶对不同信息粒度的规则提取有重要影响.高粒度相对于低粒度的Boolean规则提取需要更短的时间,但是记忆信息提取的正确率不会因高低粒度的不同而表现出差异.虽然信息粒度对长、短期记忆任务的提取的正确率不起决定性作用,但信息粒度作为记忆巩固与否的一种度量标准会对提取时间产生影响;这可能使得规则提取的策略不同,因此,额叶对不同粒度的信息提取起到了至关重要的作用.

极大布尔关联规则的挖掘算法

关联规则的挖掘往往会产生大量的关联规则,"规则爆炸"的问题会使用户很难得到自己所需要的重要信息.极大布尔关联规则集因其包含的规则数量少且不丢失规则信息的优点提高了用户分析关联规则结果的效率,且节省了规则存储空间.在分析频繁闭项集、频繁基项集和极大布尔关联规则性质的基础上提出了一种挖掘极大布尔关联规则的算法,利用此算法可以得到极大布尔关联规则集,还通过实例验证了算法的正确性.

基于粗糙集理论的约简、决策规则与模式

粗糙集理论的概念性框架之一就是利用不可分辨关系和布尔推理作为数据约简和获取决策规则的基础。在分辨矩阵和决策矩阵概念的基础上,提出将约简分为4类,即信息表的对象约简、信息表的全局约简、决策表的对象约简和决策表的全局约简,其中决策表的对象约简对应决策规则。从模式的角度对约简和决策规则进行了分析,利用决策矩阵和决策函数,给出了获取最小决策规则的一种算法,上述结论可以作为设计启发式算法的基础,并用例子对结论进行了说明。

采用动态协调的混杂分布式预测控制方法

针对多智能体复杂协调控制问题,提出基于动态协调规则的分布式预测控制。将避碰约束处理为基于方位的混杂规则,并在代价函数中引入布尔函数项。为适应复杂时变的工况,在每个采样时刻,根据各智能体的位置关系及其与目标的相对距离,设计动态协调规则以确定布尔函数项的权值。此方法增强了运动方向一致性和控制行为一致性,改进了分布式预测控制的稳定性和可行性。由于取较短的预测时域即可达到控制目标,此方法也提高了分布式预测控制方法的实时性和实用性。给出仿真例子验证了此方法的有效性。

基于频繁2项集支持矩阵的Apriori改进算法

Apriori算法在关联规则挖掘过程中需要多次扫描事务数据库,产生大量候选项目集,导致计算量过大。为解决该问题,提出一种基于频繁2项集支持矩阵的Apriori改进算法,通过分析频繁k+1项集的生成机制,将支持矩阵与频繁2项集矩阵相结合实现快速剪枝,并大幅减少频繁k项集验证的计算量。实验结果表明,与Apriori算法和ABTM算法相比,改进算法明显提高了频繁项集的挖掘效率。

基于布尔区分矩阵与关联规则挖掘的属性约简算法

通过不同决策类之间的比较首先寻找核属性,进而以核属性为基础构造不含核属性的布尔区分矩阵,并利用吸收律和去重操作简化区分矩阵;然后以区分矩阵为基础,采用类似关联规则挖掘的Apriori算法思想逐级寻找系统的所有约简。理论分析和实验表明算法是正确且有效率的。

水温控制系统的逻辑规则控制研究

设计了基于逻辑规则控制算法的水温控制系统。该系统是基于泛布尔代数理论,根据水温控制系统的控制经验,按照一系列控制规则调节PWM脉冲的占空比大小,从而调节了加热设备的输出功率。实际测试表明,系统超调量小,上升时间快,且控制方便,易于实现,控制精度最高可达到0.1℃。