滑动窗口下数据流完全加权最大频繁项集挖掘

针对当前关于数据流加权最大频繁项集WMFI(weighted maximal frequent itemsets)的研究无法有效地处理频繁阈值和加权频繁阈值不一致情况下WMFI的挖掘问题,提出了完全加权最大频繁项集FWM FI(full w eighted maximal frequent itemsets)的概念.为了减少naive算法在处理滑动窗口下完全加权最大频繁项集挖掘时存在的冗余运算,提出了FWMFI-SW(FWMFI mining based on sliding window over data stream)算法.所提出的算法通过基于频繁约束条件的优化策略减少了naive算法中M ax W优化策略的无效调用次数;采用编辑距离比率作为WMFP-SW-tree的重构判别函数,可以有效减少该树的重构次数.实验结果表明FWMFI-SW算法是有效的,且比naive算法更有时间优势.

基于中介真值程度度量的评价方法

评价是科学研究和社会现实中科学地做出管理决策的依据。文中将处理模糊现象的中介数学系统引入到评价方法中,以中介真值程度度量为基础,提出采用距离比例函数实现单项的评价,采用加权距离比率和函数实现n项综合评价的新方法,并将该方法应用到虚拟现实系统沉浸感度量中。利用距离比率函数对单个感官的沉浸感进行度量,利用加权距离比率和函数对以身体多种感官感知为基础的虚拟现实系统沉浸感进行度量。研究结果表明,该评价方法易于将一些代表性的指标量化,采用该方法对事物进行评价更为客观和合理。

离散随机序列加权和的若干极限定理

设{X_n,n≥0}是任意离散随机变量序列,{a_(nk),0≤k≤n,n≥0}.是一常数阵列,我们引入随机序列渐近对数似然比的概念,作为表征随机序列的真实概率测度P与参考测度Q之间的差异的度量,用分析方法,得到了随机序列Jamison型加权和的若干随机偏差定理.