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。

不确定数据流最大频繁项集挖掘算法研究

对于大型数据,频繁项集挖掘显得庞大而冗余,挖掘最大频繁项集可以减少挖出的频繁项集的个数。可是对于不确定性数据流,传统判断项集是否频繁的方法已不能准确表达项集的频繁性,而且目前还没有在不确定数据流上挖掘最大频繁项集的相关研究。因此,针对上述不足,提出了一种基于衰减模型的不确定性数据流最大频繁项集挖掘算法TUFSMax。该算法采用标记树结点的方法,使得算法不需要超集检测就可挖掘出所有的最大频繁项集,节约了超集检测时间。实验证明了提出的算法在时间和空间上具有高效性。

基于Spark改进的最大频繁项集挖掘算法

为解决面向大规模高维数据的频繁项集挖掘问题,针对传统算法的时空复杂度和并行化策略进行优化,实现基于Spark改进的最大频繁项集挖掘算法。结合Spark的分布式框架和DMFIA算法的优点,提出深度路径搜索和长度优先超集检验两项改进方法,进行深度路径递归搜索一次性生成最大频繁项候选集,对候选项集进行长度优先排序并检验超集,降低候选项集的规模和挖掘次数,解决传统最大频繁项集挖掘算法在数据量大、维度高时效率低的问题。实验结果表明,该算法在时间上优于同类算法2-4倍,对数据集规模具有良好的扩展性。

一种基于频繁模式树的约束最大频繁项目集挖掘及其更新算法

目前已提出了许多快速的关联规则挖掘算法,实际上用户只关心部分关联规则,如他们仅想知道包含指定项目的规则.当这些约束被用于数据预处理或将它结合到数据挖掘算法中去时,可以显著减少算法的执行时间.为此,考虑了一类包含或不包含某些项目的布尔表达式约束条件,提出了一种快速的基于FPtree的约束最大频繁项目集挖掘算法CMFIMA,并对其更新问题进行了研究,提出了一种增量式更新约束最大频繁项目集挖掘算法CMFIUA.

关联规则中最大频繁项目集的研究

研究了大型事务数据库中关联规则的频繁集问题;提出一种高效挖掘最大频繁集的新算法MMFI。该算法采用按事务数的层次和候选频繁集的维数处理的策略,经数学证明和实验分析,能大大减少判断运算量。

广义无冗余情节规则抽取方法研究

情节规则挖掘旨在发现频繁情节之间的因果关联,现有无损情节规则挖掘方法没有考虑多规则间的关联关系,故而存在大量冗余.利用演绎推导特性对情节规则间的关联关系进行建模,引入无冗余情节迹规则的概念,分析了情节迹冗余的原因,通过最大重叠项冗余性检查给出广义无冗余情节规则抽取算法;证明了广义无冗余情节规则对情节规则的等价表达能力.理论分析和实验评估表明该算法在处理效率基本不变的前提下,提高了情节规则的生成质量.

线性逻辑方程组的解

软件设计和硬件设计中经常遇见用逻辑方程或逻辑方程组表示的数学模型,讨论这类数学模型的求解问题是非常必要的。给出了=0,=1,=,=1(中不含逻辑非变量,中含逻辑非变量)等类型的线性逻辑方程组有解、有惟一解的充分必要条件,讨论了解的个数并给出了求解公式或解集表示式,阐明了任何形式的逻辑方程或逻辑方程组都可转化为线性逻辑方程组求解。采用置换矩阵和极大项两种方法,系统全面地解决了线性逻辑方程组、一般逻辑方程和一般逻辑方程组的求解问题。

基于向量矩阵的频繁项集挖掘算法

为减少冗余候选项集的产生,提出了一种基于向量矩阵的频繁项集挖掘算法FIS-Miner.在该算法中,将所有频繁1-项集按支持度升序进行排序并存储其对应的二进制位向量,将这些二进制位向量映射到向量矩阵进行分析找出所有的频繁项集,既实现了数据库的一次扫描又避免了大量候选项集的产生.探讨了该算法的实现步骤,并给出实例验证了该算法的有效性.

基于频繁模式树的约束最大频繁项目集挖掘算法研究

目前绝大多数频繁项目集(或最大频繁项目集)挖掘算法并没有考虑相关领域知识,其结果会产生许多无关的模式.因此,发现约束频繁(或约束最大频繁)项目集是多种数据挖掘应用中的关键问题,然而,这方面的研究工作却很少.为此该文提出了一种快速的基于频繁模式树(FP-tree:一种扩展前缀树结构)的约束最大频繁项目集挖掘及其更新算法.实验结果表明该算法是快速有效的.

一种改进的含负项目关联规则挖掘算法

在含负项目的一般化关联规则的挖掘中,由于负项目的引入使得频繁项集的搜索空间变得更加巨大,而同时挖掘出的关联规则数量也随之增大,但其中很多规则对用户来说是不感兴趣的,而且可能包含一些冗余和错误的规则。因此提出了最大支持度的概念,用来约束频繁项集的挖掘,排除没有意义的关联规则同时也提高了挖掘的效率。在挖掘中对正负项目分别采用不同的最小支持度,使得挖掘更加灵活。并通过实验证明改进是行之有效的。

基于最大频繁项目序列集挖掘DMFIA算法的改进

为了有效地解决客户序列视图数据库的数据挖掘问题,借鉴了关联规则挖掘最大频繁项目集DMFIA算法的相关思想。详细阐述了该算法,针对原算法不能有效地解决客户序列视图数据库的数据挖掘这一问题,在原算法的基础上结合序列模式提出了改进的DMFIA算法,并在原算法的基础上有了较大的改进。为了验证算法的正确性,运用Ora-cle9i数据库的PL/SQL进行了相应的验证。实验结果证实了改进算法的有效性和实用性,并具有较好的创新性和理论价值。

快速开采最大频繁项目集

对Pincer Search进行了改进,提出了一种新的发现最大频繁项目集的WDMFS算法。由于WDMFS算法采用了位阵存储技术和自底向上、自顶向下双向搜索策略,从而进一步提高了算法的效率,显著降低了系统的I/O成本和CPU时间。

复杂属性环境非关系型分布式大数据挖掘仿真

对复杂属性环境的数据识别有利于充分挖掘大数据包含的信息与价值,提出一种非关系型分布式大数据挖掘算法.首先,引入分布式的最大频繁项算法模型,在物理分散逻辑下,对非关系型数据应用分布式方法进行数据分析,利用建立候选频繁项的搜索条件降低数据检测次数,并采取划分投影法,计算各频繁项对应的分区编号,将其规划到不同的分区中,从而优化冗余频繁项,然后针对数据库中大数据的数据特征建立各个属性的关联度,根据Boosting聚类方法,把由弱聚类得到的局部模型在每次迭代过程中升级为全局模型,再对其进行区块划分,并利用划分质量重新调整迭代采样率,最终得到聚类结果,完成数据挖掘.通过仿真验证了非关系型分布式大数据挖掘具有显著的准确性、稳定性和实用性.

计算机化自适应测验(CAT)的发展和前景展望(续)

三、CAT中对的估计（一）MLE（极大似然估计法）假设一个能力水平为θ的被试对n道项目X1,X2,…,Xn作答。θ的估计可以通过使（8）式所示的似然函数最大化的方式来得到。令（?）n为此时所得的θ估计。显然（?）n也是（9）式的极大似然估计。已知在一定的条件下,（?）n符合渐进正态,其均值为θ,方差近似为I-1n（（?）n）。目前的CAT设计大多通过递归方式在被试回答一个新的项目之后得到最新的θ估计,并根据信息最大化法抽取下一个项目。

一种改进的频繁模式树生长算法

针对垂直数据分布数据库FP-tree生长基本算法中存在的链接点表空间随问题规模线性增加的问题提出一种改进算法.采用定长的链接点表进行分段扫描,在空间需求恒定的前提下构造FP-tree.证明了改进算法与基本算法构造的FP-tree是同构的.实验与分析结果表明,当应用于同一数据集时,改进算法所需空间恒定.

基于云南气象数据的空间关联规则挖掘

空间关联规则挖掘可以深入发现现实世界大量空间谓词和非空间谓词之间的特定空间关系。论文结合气象数据的特点和已有传统关联规则挖掘算法的优点,针对云南气象数据提出了一种基于项目序列集的空间关联规则挖掘算法。通过严格的算法分析和具体实验表明,该算法是有效、可行的。

基于平均数形式的选题策略比较

在3PLM模型下,将改进的最大优先级指标(MMPI)方法和各类平均数形式相结合得到的4种新选题策略在提高测验精度、控制项目曝光均匀性、降低平均违规次数、提高题库利用率等方面均表现更好.经定长测验和不定长测验的蒙特卡洛模拟,MMPI下算术平方根平均数形式的选题策略表现最优.

三种反射剩余静校正方法对比研究与应用

在沙漠、山地和黄土塬等复杂地表地区的地震勘探中,由于地表起伏大、低速带厚度大且横向速度变化剧烈,基准面静校正计算不准确,因而对地震资料处理中的剩余静校正提出了更高的要求。为此,对共地面点法、Satan算法和最大能量法等3种剩余静校正方法的原理和适用性进行了研究。从模型道构建方法和构造项影响的角度详细分析了3种剩余静校正方法的适用性,指出在能消除构造项影响的情况下,共地面点法和Satan算法可以生成质量更高的模型道和计算大剩余静校正量,处理效果更好;但在构造项影响无法消除的情况下,由于最大能量法不受构造项影响,因而更加适用。实际资料的测试结果验证了3种剩余静校正方法的特点。

最大信息量选题策略的自适应测试系统

随着心理与教育测量理论以及其与计算机技术相结合的不断研究和发展,基于计算机的自适应测试成为了一种新型的测试形式.在分析、阐述计算机自适应测试理论和最大信息量选题策略的基础之上,设计与实现了一个基于最大信息量法选题策略的自适应测试系统.通过实验对被试者估计能力值、总信息量值、最大信息量值、试题参数等的变化进行分析与总结,进而证明本系统的有效性.最后对最大信息量选题策略研究做出总结,针对其存在试题曝光度较高的问题给出了解决思路.

个性化学习中的机助自适应测试系统设计

为实现"计算机原理"课程计算机辅助教学中的个性化学习和检验,提高学生的自学能力、创造精神和学习效率,在VB 6.0和Access 2003环境下,开发基于IRT模型"计算机原理"课程的自适应测试系统——CoCAT.整个系统分为3个模块:系统管理模块、试题管理模块和测试管理模块,它可根据学生特点自动选择合适的试题,并提供学生学习能力和学习效果等方面的分析报告,可以更真实地反映学习者的学习水平和特点,有利于学生自学习和自检验.与传统的考试方式相比,具有效率高、题目的选择和评分灵活等特点,测试结果能更精确地反映被试者的实际水平,更适合在网络教育尤其是个性化学习中应用.