采用布尔映射矩阵的Apriori算法改进研究

针对Apriori算法在数据挖掘过程中需要产生大量的候选集及重复扫描事务数据库等不足,本文基于事务数据库的布尔映射矩阵,提出一种仅需一次扫描数据库的方法。该方法不需要产生候选项集,通过矩阵行交、列交运算及相似度矩阵行交运算,按照项目维度由大到小的反向迭代方法即可发现频繁项集的布尔映射矩阵改进算法(BMM_IA)。研究与实验表明,改进算法节省内存开销、运算速度快,为关联规则挖掘研究与应用提供了新路径。

感知器的布尔映射能力分析

前向神经网络应用中遇到的首要问题是网络规模特别隐元数目的确定,而隐元数目是与网络的映射能力相联系的.本文分析了最常用的前向网络—二层及多层感知器的布尔映射能力,得出了多层感知器实现n维任意布尔函数所必需的隐元数目,这是一个比较精确的下限值。为估计网络规模提供了较好依据.

布尔状态映射矩阵的变化及应用

在有限自动机矩阵模型表示方法基础上,采用矩阵理论和布尔代数为工具,主要对布尔状态映射矩阵B(x)进行讨论。首先对它进行了变化,然后用它的变化式来判断有限自动机的状态有无前邻,有限自动机是否强连通,同时它们也提供一些构造子有限自动机和有效地划分布尔状态映射矩阵B(x)为标准型的新方法。

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Apriori与AOI组合算法的会计核算智能化研究

在人工智能与会计转型双重效应的驱动下,让计算机替代会计人员进行职业判断并自动编制会计凭证已成为我国会计核算智能化的研究热点之一。在总结分析智能会计核算领域研究现状的基础上,提出智能会计核算的实现路径:通过引入基于布尔映射矩阵的Apriori智能学习改进算法,对记账凭证数据库中的账户组合规律进行智能数据挖掘;借助改进后的属性归纳学习算法,挖掘并输出原始凭证属性与记账凭证之间的对应关系;借助推理机技术中的正向推理,实现计算机智能编制记账凭证功能。最后对智能会计核算系统的功能架构进行设计,为智能会计核算系统的开发与应用研究提供借鉴,为开展会计与机器学习智能算法融合性研究探索新路径。

考虑换流站海量事件的关联规则挖掘分析方法

为提高换流站运维人员面对海量生成事件的分析能力,提出一种考虑换流站海量事件的关联规则挖掘分析方法。首先,利用原始事件元组特性进行记录事件与响应日志的实体特征筛选,并进行换流站实体特征的布尔映射与关联挖掘建模。然后,利用互信息(MI)原理与对称不确定性(SU)理论改进FP-Growth算法。最后,基于改进算法进行换流站事件关联分析,进而基于关联规则结果进行换流站异常反馈。通过挖掘昆柳龙直流换流站调试期间海量生成事件,表明所提出的方法可以有效地从海量事件中提取判断特征与结果特征的强关联规则,及时发现换流站的设备异常动作,并为运维分析提供决策支撑。

有限自动机矩阵模型的应用——有限自动机r阶输入存贮性质判定新方法

在有限自动机矩阵模型表示方法基础上,采用矩阵理论和布尔代数为工具,给出了有限自动机r阶输入存贮性质判定的新方法。该方法不仅有利于算法设计和计算机自动处理,也促进了有限自动机的研究和发展。