基于大数据与关联规则的考评进度动态跟踪系统设计

为了提高考评进度动态跟踪效果,设计一个基于大数据与关联规则的考评进度动态跟踪系统。在系统硬件部分设计了微控制器、通信模块、存储器模块与信号采集模块;在系统软件部分,采用大数据挖掘技术挖掘员工相关数据,采用关联规则挖掘数据的频繁项集,构建FP树,计算数据的最小支持度和最小置信度,对数据分类,获得员工绩效的关联信息,并整合信息,完成考评进度动态跟踪系统的设计。实验结果表明,该方法能够准确地对员工绩效打分,并在多并发用户访问与多条数量处理上,有效提高了考评进度动态跟踪效果。

基于关联规则算法的网络安全隐患数据挖掘研究

网络安全隐患数据具有海量化、复杂化、多元化的特点,因此在对网络安全隐患数据进行挖掘时存在执行时间长、挖全率低、内存消耗量大的问题。为了优化网络安全隐患数据挖掘效果,研究了基于关联规则算法的网络安全隐患数据挖掘模型。计算关联权值和平均值,由此获取数据项集关联度的准确性。通过判别关联程度,完成数据预处理。采用Apriori算法对预处理后的数据进行量化处理,抽取、挖掘、记录可应用数据信息。利用亲和度函数建立目标函数,以获取隐患数据。建立关联规则,以确保隐患数据差异。以可信度结果为基础,构建网络安全隐患数据挖掘模型,实现网络安全隐患数据挖掘。试验结果表明,采用此模型后,执行时间较短、挖全率较高、数据挖掘过程中占用的内存较少。该研究可为网络安全隐患数据挖掘系统设计提供有效支持。

求解多维背包的改进差分进化算法

针对多维背包问题,提出了一种改进的差分进化(IDE)算法。该算法保留了基本差分进化算法的交叉策略,同时将特定维数的0-1变异融入其中;为提高算法的收敛性,设计了最大和最小可装入背包的物品数量模型,作为对后续操作产生解的一个条件判断,从而缩小了搜索范围及时间;最后,通过对10个背包测试集进行测试,并与贪心二进制狮群优化(GBLSO)算法、混合粒子群(HPSO)算法进行比较。结果表明,该算法能较好的求得最优解,具有更快的收敛速度及更高的精度。

基于加权的无线传感器网络优化覆盖算法

针对无线传感器网络探测网络环境的自适应休眠算法(Probing Environment and Adaptive Sleeping,PEAS)在节点调度过程中,存在节点能耗不均衡、网络的生命周期较短的问题,提出一种基于加权的优化覆盖算法。该算法对最小频繁项的目标所对应的传感节点按能量高低进行划分集合,使各集合能够独立覆盖最小频繁项的目标,以达到局部的优化。考虑到传感节点覆盖目标数和剩余能量对无线传感网络生存周期的影响,对边缘未覆盖的目标节点采用加权的方式进行覆盖。仿真结果表明:该算法能够均衡网络节点的能耗,有效地延长了网络的生命周期。

分组多支持度关联规则研究

关联规则是数据挖掘的重要任务之一,传统关联规则算法只有一个最小支持度,假设项出现的频率大致相同,而在实际中并非如此,由此产生了多支持度关联规则问题。该问题针对每个项给定不同的支持度,而在实际应用中项可以划分成若干个组,每组有一个支持度。由此提出了分组多支持度关联规则问题,针对该问题给出了基于多支持度性质对项进行分组的方法。该方法可以降低2-项候选集的数目。在此基础上,进一步给出了相应的多支持度关联规则发现算法,并通过实验证明了算法的有效性。

用垂直数据格式构建FP增长树的算法

目前FP增长树的建立采用的是事务-项目集数据格式,即水平数据格式,扫描数据库需要2次。采用垂直数据格式,即项目-事务集数据格式,按照最小事务项目表优先的原则投影事务-项目以建立FP增长树,扫描数据库仅需1次。设计了独特的垂直项目头表独特的存储结构,便于垂直数据的存储、事务的投影、FP树的建立和垂直数据的增量更新。

基于动态交易项目集的关联规则更新

该文在交易数据库和最小支持度不变条件下，当用户动态地增加或删除交易项目集中的某些交易项目时，充分利用了交易项目集改变前已采掘出的频繁模式集，提出了两种关联规则的快速更新算法Ｉｚｉ－ａｒ和Ｄｚｉ－ａｒ。经实验分析表明，该算法用于关联规则的更新是可行的和高效的。

基于频繁闭项集压缩方法的郭淑云教授用药经验挖掘

目的通过对郭淑云教授2018年门诊处方数据进行分析,总结郭淑云教授用药经验。方法通过门诊HIS系统提取郭淑云教授2018年中药处方数据,经过预处理之后,应用基于最小覆盖的频繁闭项集压缩方法进行分析,从中总结郭淑云教授用药经验。结果 4936个中药处方中包含287味中药,通过344个频繁闭项集可以覆盖所有数据,从中进一步筛选出74个出现频次较高、更具有代表性的频繁项集。结论郭淑云教授临证常用小方,常用药对多为两三个药物的组合,例如枳实与白术,山药与茯苓,海螵蛸与煅瓦楞子,白芍与甘草等,研究方法有助于对名老中医经验进行挖掘。

基于频繁闭项集压缩方法的小儿脑瘫穴位配伍规律研究

目的利用西安中医脑病医院住院病历针灸穴位处方数据,分析治疗小儿脑瘫穴位配伍规律。方法从住院电子病历数据中提取诊断及针灸穴位处方信息,经过预处理之后,应用基于最小覆盖的频繁闭项集压缩方法进行分析,从中发现治疗小儿脑瘫的穴位配伍规律,并进一步分析穴位组合与证候诊断的相关性。结果701个针灸穴位处方中包含77个穴位,通过88个频繁闭项集可以覆盖所有数据,从中进一步筛选出15个更具有代表性的项集,覆盖了85%的数据。结论西安中医脑病医院治疗小儿脑瘫用穴相对固定,每个证型有对应的穴位基本方,在此基础上进行少量的加减,本研究方法可以应用于临床针灸处方数据的挖掘分析和名中医的经验传承。

变分法在最优控制问题中的一个应用

在一般变分法理论基础上,给出了在整约束条件下泛函极值问题解存在的必要性的严格的数学证明。

对教材上逻辑函数卡诺图的进一步分析

本文突破常规,改变取值顺序并以三变量、四变量为例分析了卡诺图的正确性;并对多变量的问题进行了延伸,提出了一个环形排序的设想,揭示了卡诺图的真谛。

多最小支持度关联规则挖掘研究

数据挖掘是人工智能、模式识别、数据库、机器学习以及管理信息系统等形成的交叉学科。关联规则挖掘是数据挖掘中的一个重要研究分支。传统关联规则挖掘算法使用单一最小支持度阈值进行挖掘,但在实际使用中由于各项目发生频率的不同,需要使用不同的最小支持度阈值。多最小支持度关联规则挖掘作为一个新的研究课题,用于发现稀有项之间的关联规则,越来越受到人们的重视。

多对多的数量化理论(Ⅰ)的数学模型及解法探讨

在数量化理论(Ⅰ)的基础上,建立了多对多的数量化理论(Ⅰ)的数学模型,给出了解法,研究了解的一些性质。并应用多元统计分析理论解决了其模型的假设检验问题,提出了挑选项目、类目的依据和计算方法,为实际应用奠定了理论基础。

最小支持度为区间值的加权Apriori算法

为解决经典Apriori算法中最小支持度设定不当和数据库中各项目的重要程度不易给出的问题,采用区间量化方法计算出最小支持度满足的一个区间,用区间值代替单一的最小支持度.并根据引入的可能度概念对改进算法进行剪枝的策略,提出项目权重和最小支持度都为区间值的加权关联规则挖掘算法.通过UCI上的数据集对比改进算法和经典算法的性能.研究结果表明:改进算法解决了最小支持度设定过高或过低所带来的问题,并提高了算法的运行速度及有效率.

浅析逻辑函数的卡诺图化简法

本文介绍了用卡诺图化简逻辑函数的一般方法 ,说明了化简过程中需要注意的问题。

基于多交易项目子集的并集的关联规则更新采掘

在交易数据库和最小支持度不变条件下，充分利用在多个交易项目子集中已采掘频繁接式集，对该多个交易项目子集的并集的关联规则的采掘，提出了两种快速更新算法Ｋｚｌ－ａｒ和Ｎｚｌ－ａｒ．

限界分枝松驰算法

在逻辑函数的计算机算法中 ,将传统松弛算法与限界分枝思想相结合 ,提出了一种产生最小代价且无冗余项的新算法 ,在此过程中仍不需计算质蕴涵项。

基于渐增最小支持度函数的数据流频繁项挖掘

目前数据流频繁项近似挖掘算法大多采用误差参数控制挖掘的结果,时间与内存开销越高,挖掘结果的正确性越低.针对这样一个问题,提出了渐增最小支持度函数作为误差参数.如果某数据项在滑动窗口中的保存时间越长,则该数据项的出现频率必须相应的增加才能继续保存在滑动窗口中.这样,在滑动窗口中需要保存的数据项的数量将减少,时间开销与内存开销也相应的减少.在此基础上,提出了一种基于渐增最小支持度函数的数据流频繁项挖掘算法GFFPM.该算法能准确的挖掘出滑动窗口中的频繁项.实验结果表明,该算法具有很高的正确性.

基于双向搜索的最大频繁项目集挖掘算法

结合自底向上与自顶向下的搜索策略,提出一种快速发现最大频繁项目集的算法。该算法利用非频繁项目集对候选最大频繁项目集进行剪枝和降维,减少了候选最大频繁项目集的数量,缩小了搜索空间,提高了算法的效率。算法分析和实验表明,该算法是一种有效、快速的算法。

卡诺图的妙用

卡诺图是美国工程师卡诺(Karnaugh)设计的一种最小项方格图,作者经过多年的教学经验发现其在数字电路中具有广泛的应用,文中通过示例介绍卡诺图的几种巧妙使用方法。