一种基于权重的Apriori改进算法

针对Apriori算法在频繁项集挖掘过程中的缺陷,提出了一种基于权重的改进Apriori算法。该改进算法通过一次扫描事务数据库构造出二元事务矩阵,再用各事务和各项的平均权重替代权重支持度,最终挖掘出事务库中的频繁项集。通过实例分析和性能测试,证明了改进的Apriori算法避免了重复扫描事务数据库,使得算法在性能上有了明显优化,并且挖掘出了Apriori挖掘不到的、隐藏的、有价值的规则。     

新一代与常规智能变电站工程技术经济差异化分析

文章以实际工程为样本,从定量与定性方面,分析了装配式智能变电站与常规智能变电站的工程技术、经济、工期、环境、质量、安全方面的差异化,并给出适用新一代智能变电站的工程类型。     

基于网络教学平台的高职差异化教学实践探索

针对目前高职生源差异性问题,提出借助超星泛雅网络教学平台增加师生互动,帮助教师掌握学情,开展符合不同层次学生需求的差异化教学,从而激发学生学习的积极性,提升教学效果。并以《药品分析与检验》课程中一个教学单元为例,进行差异化教学设计,阐述课前、课堂、课后的差异化教学实施过程。     

江西省应用型本科院校差异化竞争的路径选择——基于五力评估模型

以江西省应用型本科院校为实证研究对象,从竞争战略的角度出发,运用五力评估模型分析江西省应用型本科院校的关键竞争力量来源。研究结果表明,目前江西省应用型本科院校的关键竞争力量主要来源于现有老牌本科院校以及学生和用人单位,而这些关键竞争力量对应的关键评价因素都与"差异性"相关。基于此研究结果,分别从现有竞争者和买方这两个方面提出应用型本科院校差异化竞争的关键路径。     

不确定环境下考虑群体冲突与指标关联的应急群决策EI北大核心CSCD

针对不确定环境下的应急群决策问题,提出一种新的基于语义信息的考虑群体冲突与指标关联的应急群决策模型。利用自由语义信息与可能性分布—犹豫模糊语言集刻画并处理不确定信息;提出一种基于可能性分布—犹豫模糊语言集的群体意见冲突检测与调整算法,降低了专家群体的意见冲突水平;提出一种新的基于决策试验和评价实验室与网络层次分析方法的指标关联权重确定方法;考虑决策专家的风险偏好,提出一种基于前景理论的逼近理想解排序算法。以某高铁车站应对大量旅客滞留突发事件为例,验证了所提模型的有效性与科学性。     

高校朋辈辅导的差异化策略研究——基于北京本科院校大学生朋辈辅导员工作情况的调查分析

本文基于对北京本科院校大学生朋辈辅导员工作情况的问卷调查,发现在共性基础上存在着差异,211院校的学生以及各类院校中有过学生干部经历的学生对于学生工作以及朋辈辅导员工作更为积极乐观,所以学生工作需要结合院校类型,给予更多的学生以学生管理工作的锻炼成长机会.     

重力异常处理中小子域滤波法的改进

在重力资料处理中,小子域滤波法会导致异常边界严重失真。为了弥补这一缺陷,提出一种改进的小子域滤波法,通过对子域剖分方式的改进以达到提升计算速度和控制异常边界失真的效果。通过模型试验对该方法的可行性进行验证,试验结果表明:重力异常数据利用改进的小子域滤波法多次迭代计算后,可以较好地反映地质体边界的分布情况,失真现象得到明显抑制;利用该方法描绘出虎林盆地断裂分布图,得到了25条断裂的分布情况,与已有的地质资料存在很好的对应关系。     

自适应惯性权重的改进粒子群算法

针对标准PSO算法求解高维非线性问题时存在的大量无效迭代(经过一轮迭代后全局最优位置保持不变),提出了一种自适应惯性权重的改进粒子群算法。基于单次迭代中单粒子运动状态的分析,提出并证明了论点:上一轮迭代适应度值变差的粒子,当前迭代中其惯性分量将引导粒子往适应度值变差的方向运动,导致粒子群体无效迭代次数增加。设计了标准PSO算法改进方案,将上一轮迭代中适应度值变差的全体粒子的惯性权重置为零,消除当前迭代中不利惯性分量对算法收敛的不良影响。采用6个标准测试函数,将该算法与标准PSO算法、固定惯性权重PSO算法和具有领袖的PSO算法进行性能对比分析。试验表明,该改进算法无效迭代次数更少,在收敛率、收敛速度和收敛稳定性上均具有明显的优势。     

大学生体质健康评价模型及不同评分标准的相通性

为更准确、客观的测定每个大学生体质健康等级,利用分段拟合方法分别构建大学男、女生体质健康评价模型,并得到体质测试分及各项测试项目基本得分间的具体表达式．后又具体论析了模型求解过程中,所涉及四个测试项目均占0．25的权重值与《国家体质健康标准》中公布的权重值之间是相通的．     

改进型特征权重自调节K-均值聚类算法

针对特征权重自调节K-均值聚类(FWSA-KM)算法对噪声敏感的问题,提出一种改进型特征权重自调节K-均值聚类(IFWSA-KM)算法。用一种非欧氏距离代替FWSA-KM算法中的欧氏距离,以增加聚类算法的抗噪声性能。通过用人工数据和真实数据的对比性实验,可验证IFWSA-KM算法的有效性。