拓展集合差异度高维数据聚类*

提出度量多个集合之间总体差异程度的拓展集合差异度及相关定理,并给出一种新的解决分类属性高维数据聚类问题的CAESD算法。基于拓展集合差异度及拓展集合特征向量,在CABOSFV_C聚类的基础上通过两阶段聚类完成全部聚类过程。采用UCI数据集与K-modes及其改进算法、CABOSFV_C算法进行比较实验,结果表明CAESD算法具有较高的聚类正确率。     

基于数值属性的关联规则挖掘算法

关联规则的挖掘是一个重要的数据挖掘问题.目前的算法主要是研究支持-信任框架理论的关联规则挖掘,基于支持-信任理论的关联规则挖掘布尔型描述的数据已经比较成熟,但是现实的数据库中有许多数值属性的数据,从这些数据中挖掘潜在的规则,经典的关联规则方法(Apriori)就显得力不从心了.这里介绍将数值数据映射到二维空间,利用基于密度分布函数的聚类分析方法将数值属性区间分段,并在此基础上挖掘容易理解并且具有概括性和有效的数值属性关联规则.     

拓展差异度的高维数据聚类算法

CABOSFV是一种有效的高维数据聚类算法。针对CABOSFV算法倾向于将数据对象分配到更大的类中这一问题,提出一种拓展差异度的高维数据聚类算法（CABOSFV_D）。该算法引入了调整指数[p],对原始稀疏差异度进行拓展,降低类大小对对象分配的影响;同时用位集的方式实现CABOSFV_D算法,使算法的运算效率明显提升。基于多个UCI标准数据集进行聚类实验,结果表明CABOSFV_D在聚类效果和时间效率上均优于原始CABOSFV算法。     

基于属性—链接的聚类算法综述

首先总结了链接挖掘中基于属性—链接聚类算法的研究现状;然后把它大体分为三类,对每一类中具有代表性的算法进行了详细介绍、分析和评价;最后指出了该领域进一步的研究方向。     

二氧化碳膨胀爆破不同步影响因素探究

针对二氧化碳膨胀爆破过程中不同炮孔中的致裂管时常出现爆破不同步的问题,选择电点火头电阻值、致裂管结构及激发管药剂与二氧化碳气体质量配比等影响二氧化碳膨胀爆破不同步的主要因素进行分析,得出以下结论:串联电路中影响爆破不同步的主要原因为电阻差异造成电点火药头功率大小不一致,升温速率有差异;不同膨胀管结构中,重复性致裂管同步性较好,影响孔外充气一次性管不同步的主要因素为致裂管的破裂方式,孔内充气一次管爆破同步性受炮孔填塞质量影响较大;试验获得的激发管药剂与液态二氧化碳的最佳质量配比约为1:8,根据此配比可合理配置不同致裂管中的气体充装量,确保气体相变时压力保持一致,提高爆破同步性.