挖掘条件内涵 选择合适路径

在平时考试中,不少同学对题目条件不知如何处理,从而造成解题受阻,失分现象严重。如何解决这样的问题呢?下面通过实例说明解题要注重对题目条件内涵的挖掘,选择合适的路径解决问题,我们的解题水平得到提高,才能笑傲考场!

一次性条件下top-k高平均效用序列模式挖掘算法

针对传统序列模式挖掘(SPM)不考虑模式重复性且忽略各项的效用(单价或利润)与模式长度对用户兴趣度影响的问题,提出一次性条件下top-k高平均效用序列模式挖掘(TOUP)算法。TOUP算法主要包括两个核心步骤:平均效用计算和候选模式生成。首先,提出基于各项出现位置与项重复关系数组的CSP(Calculation Support of Pattern)算法计算模式支持度,从而实现模式平均效用的快速计算;其次,采用项集扩展和序列扩展生成候选模式,并提出了最大平均效用上界,基于该上界实现对候选模式的有效剪枝。在5个真实数据集和1个合成数据集上的实验结果表明,相较于TOUP-dfs和HAOP-ms算法,TOUP算法的候选模式数分别降低了38.5%~99.8%和0.9%~77.6%;运行时间分别降低了33.6%~97.1%和57.9%~97.2%。TOUP的算法性能更优,能更高效地挖掘用户感兴趣的模式。

高速挖掘机涉水条件下的机动能力仿真与评估

高速挖掘机的机动性能是装备遂行工程保障行动效率的重要指标之一,涉水条件是高速挖掘机在机动过程中经常遇到的自然条件,结合这一常见环境影响因素,基于实装数据,构建装备仿真模型,分析涉水条件下的动力学模型.以高速挖掘机的最高行驶速度和加速能力两个方面为例,开展高速挖掘机涉水条件下的机动性能仿真与评估研究,计算得到不同涉水深度和不同水流流速条件下的加速时间、最高行驶速度,能够为科学研判高速挖掘机的相关机动性能提供理论参考,为高速挖掘机使用单位提供借鉴指导.

基于联系观点求解条件代数式的最值问题

求解条件代数式的最值问题一直是一个难题,阻碍解题思路的卡点是缺少基本不等式或其他不等式成立的代数式之间的等量关系.若从“联系”的观点出发,利用不同的变换手段积极创造代数式之间“联系”的等量关系,则可以使此类问题迎刃而解,解法也丰富多样.

挖掘条件 “圆”形毕露妙解题

动点的轨迹问题是高考中的一个热点和重点内容,尤其是阿波罗尼斯圆在高考中频频出现。此类问题,在题设中没有明确给出圆的相关信息,看似与圆“毫无关系”,却是隐藏在题目条件中,需要同学们深入挖掘,通过分析、化归、转化,进而发现圆(或圆的方程),“隐圆”便会“浮出水面”,从而利用圆的相关知识来处理与求解,这就是我们常说的“隐圆”问题。下面从几个方面浅析如何挖掘隐藏条件,“圆”形毕露妙解题,以期能起到抛砖引玉的作用。

带通配符和One-Off条件的序列模式挖掘

很多应用领域产生大量的序列数据.如何从这些序列数据中挖掘具有重要价值的模式,已成为序列模式挖掘研究的主要任务.研究这样一个问题:给定序列S、支持度阈值和间隔约束,从序列S中挖掘所有出现次数不小于给定支持度阈值的频繁序列模式,并且要求模式中任意两个相邻元素在序列中的出现位置满足用户定义的间隔约束.设计了一种有效的带有通配符的模式挖掘算法One-Off Mining,模式在序列中的出现满足One-Off条件,即模式的任意两次出现都不共享序列中同一位置的字符.在生物DNA序列上的实验结果表明,One-Off Mining比相关的序列模式挖掘算法具有更好的时间性能和完备性.

体育统计与数据挖掘:区别、联系与融合

自体育统计学科出现以来,统计方法在体育领域的应用和研究有了长足的进步,但统计方法本身的局限使解决体育实际问题受到约束,笔者多次呼吁和解析。结合数据挖掘(DM,)知识发现(KDD)等新热点技术,要关注相关领域的技术进展,如数据挖掘技术,对于提升统计方法的应用效果和学科建设有重要意义。

关系表中数量联系规则的挖掘技术

文章介绍了含有数量属性与类型属性的关系表中联系规则的挖掘问题．采用将数量属性取值城区间划分办法，必要时合并相邻区间，引入部分完整性概念，用来量化因划分而造成的信息过失。最后给出挖掘数量联系规则的一种算法．

含有类别属性数据库中联系性规则的挖掘

通过类型转换技术，探讨在含有类别属性数据库中提取联系性规则的问题，给出相应的数据结构和算法。

一种带约束条件的关联规则频繁集挖掘

论文先提出顺序单调约束和反顺序单调约束的概念并对其所包含的数学性质进行了讨论,在此基础上将其运用于频繁集挖掘过程中,给出挖掘基于顺序反单调性约束的频繁集算法和挖掘基于顺序单调约束的频繁集算法。带约束条件的关联规则频繁集挖掘可减少生成无意义的规则;同时,在频繁集生成过程,利用约束条件对搜索空间进行修剪,可提高挖掘算法的效率。

网络日志数据中条件因果挖掘算法的优化研究

网络操作中收集了大量的系统日志数据,找出精确的系统故障成为重要的研究方向。提出一种条件因果挖掘算法(CCMA),通过从日志消息中生成一组时间序列数据,分别用傅里叶分析和线性回归分析删除大量无关的周期性时间序列后,利用因果推理算法输出有向无环图,通过检测无环图的边缘分布,消除冗余关系得出最终结果。仿真结果表明,对比依赖挖掘算法(DMA)和网络信息关联与探索算法(NICE),CCMA算法在处理时间和边缘相关率2个主要性能指标方面均有改善,表明CCMA算法在日志事件挖掘中能有效优化处理速度和挖掘精度。

一种条件函数依赖挖掘算法的分析与实现

条件函数依赖(Conditional Functional Dependence,CFD)的挖掘是一种重要的数据库分析技术,它是在函数依赖(FunctionalDependence,FD)挖掘的基础上加入条件分析功能扩展而来,当前被应用于数据质量检测。CFD挖掘是在FD挖掘的基础上通过条件分析进行更细粒度的信息挖掘,其时间复杂度较高。文章详细介绍一种经典的CFD挖掘方法(即CTANE算法),对其实现方法提出了优化措施,并通过实验比较了不同实现方法的效率,得出了优化措施改进效率的结论。

三角函数解题中隐含条件的挖掘

三角函数试题在每年的高考中均占有较大的比例．由于近几年教学大纲对三角函数的要求在难度上有所降低，从而这一类型的试题难度不会太大．但是由于三角函数的内容繁杂，公式较多且性质灵活，故解题时稍有不慎，常会出现漏解、增解、错解现象，其根本原因是对题设中的隐含条件挖掘不够．下面结合实例谈谈三角函数解题中隐含条件的挖掘．

引导、观察、分析、挖掘数学中的“隐含条件”

在数学解题教学中,要夯实定理、定义、性质、法则等基础知识的内涵和条件,引导学生认真观察、仔细分析、深入挖掘数学问题的条件,特别是隐含条件,对尝解错例,促使学生自主剖析、自主订正,以培养学生观察、分析、发现、正确解答数学问题的能力。

单调和反单调约束条件下关联规则的挖掘算法分析

本文充分利用了 Eclat算法的概念格理论和等价类划分方法,将约束条件融入基于垂直数据分布的关联规则挖掘算法中。提出了一种新的反单调和单调约束条件下关联规则的挖掘算法,分别为EclatA算法和EclatM算法。算法采用自底向上的搜索方法,在发现频繁项集的同时进行约束条件的检验。数据库的扫描次数较少,无需对候选项集进行剪枝,占用内存较小。实验证明:该算法的执行效率比已有算法有显著提高。

论机械基础教学中对隐含条件的挖掘

分析挖掘机械基础例题中的隐含条件的途径和方法,旨在增强高职学生在学习过程中利用给定的显性信息,灵活挖掘隐性条件的能力,从而提高高职学生的学习能力。

数学解题中隐含条件的挖掘与转化

在数学解题过程中,很多同学思维方式呆板直接,考虑问题公式化、模式化,不能抓住题目条件中的隐含条件,从而使解法得以简化。从五个方面,以例题形式给出不同的解题方法,意在拓宽解题思路,挖掘题目中的内涵,将复杂问题转化为简单问题,使大家在数学学习中多角度、深层次地分析题目的要求,领会题目考察的目的,从而得到意想不到的收获。

例谈解三角题时隐含条件的挖掘

三角函数作为一种基本初等函数，是中学数学的重要内容之一，也是高考的重点与热点．解题时，要求学生在掌握基础知识，将已知与求解合理转化的同时，还要注重隐含条件的挖掘，这样才能使问题正确且简洁获解．

基于隐含条件挖掘的枚举算法优化

枚举算法就是按问题本身的性质,一一列举出该问题所有可能的解,检验每个可能解是否是问题的真正解。在利用枚举法解题时,需要枚举出问题的解的所有状态,其致命的弱点便在于枚举量太大,从而导致算法效率十分低下。本文旨在通过对问题的分析,挖掘出问题的隐含条件,对枚举算法进行优化,提高枚举效率。

基于频繁项集的条件模式挖掘

在数据库挖掘中,要充分地快速地挖掘出数据库中的任意有趣模式,而现实数据挖掘查询等这种任意合成模式特别复杂,如果只利用现有的基于频繁项集算法直接进行复杂模式挖掘是困难的。为解决该问题,一种基于频繁项集的条件模式挖掘被提出。从条件模式定义,性质,条件模式挖掘算法等方面来阐述解决此类任意条件下模式挖掘的问题。该条件模式的挖掘,使得数据库进行任意模式的新知识新规律发现变得更快捷有效。在现实世界的知识挖掘中,条件模式挖掘更能贴近现实知识的发现。