基于小波神经网络的混沌时间序列预测

本文提出了一种用小波神经网络进行混沌时间序列预测的方法,并介绍了小波神经网络的基本构造和学习算法。在此基础上,通过由Logistic方程产生的混沌时间序列对该神经网络进行模拟实验,证明了该神经网络具有较好的预测效果。     

基于簇的K最近邻(KNN)分类算法研究

传统K最近邻(KNN)分类算法为了找出待分类文本的k个邻居,需要与样本空间中的每个样本向量作比较,当训练样本较多时,导致相似度计算次数过多,分类速度下降.为此,改进了传统KNN算法,将训练文本中相似度大的文本合并,称为一簇,并计算簇的中心向量.待分类文本先与每一簇的中心向量计算相似度,当相似度达到某个阈值时,再与簇中的每个文本计算相似度,在一定程度上减少了相似度计算次数,降低了算法的时间复杂度.根据同一特征出现在文本中的位置不同应具有不同的权重改进了传统的TF-IDF计算公式.     

一种改进的基于正区域的决策树算法

首先分析了基于正区域、基于粗糙边界和基于依赖度的属性选择标准的关系,并证明了这三种属性选择标准彼此等价.然后以正区域的属性选择标准为代表,分析了、基于正区域的决策树生成算法的优点和不足.针对这些不足,给出了一种新的属性选择标准,即基于伴随正区域的属性选择标准.用新的属性选择标准生成的决策树一般具有叶子数目较少,叶子的平均深度也较小,且叶子具有较强的泛化能力.最后,用一实例说明了新的属性选择标准的优越性.     

一种改进的频繁闭项集挖掘算法

频繁闭项集惟一确定频繁项集且规模小得多,但挖掘频繁闭项集仍是很费时的.为提高挖掘效率,提出了一种改进的频繁闭项集挖掘算法DCI-Closed-Index.该算法用"索引数组"来组织数据,通过为每个项目增加包含索引,找到频繁共同出现的项集.利用二进制位图技术,给出了一个求包含索引的快速算法.然后根据项目在包含索引中出现的频率由高到低进行排序,并利用包含索引作为启发信息,合并同时出现且支持度相等的频繁项,得到初始生成子,从而大大缩小了搜索空间.同时利用索引数组对每一个生成子的前序集和后序集进行约简,得到新的、较小的约简前序集和约简后序集.并证明了约简前序集和后序集与原来的前序集和后序集的功能是一样的.从而减少了候选生成子的集合包含判断的操作.实验结果表明,该算法的性能优于其他主流算法.     

一种快速计算HU差别矩阵的属性约简算法

在已有的基于HU差别矩阵的属性约简算法中,一般是以差别矩阵中的元素作为启发信息而设计的,其时间复杂度为O(|C|2|U|2).为降低该属性约简算法的时间复杂度, 首先引入简化决策表的定义,并设计了一个求简化决策表的算法,其时间复杂度为O(|C||U|).然后在简化决策表的基础上,定义了差别区域,并给出基于差别区域的属性约简定义,同时证明了基于差别区域的属性约简与基于差别矩阵的属性约简等价.在此基础上,以快速缩小简化决策表的搜索空间为目的,定义了一个新的、较为合理的、度量属性重要性的公式,并给出了它的递归计算方法,其时间复杂度为O(U/C|).最后以属性重要性为启发信息,设计了一个基于差别矩阵的快速属性约简算法,其时间复杂度降为max(O(|C||U|,O(|C|2|U/C|)),并用一个实例说明了新算法的高效性.理论分析与实验表明,新算法具有较好的扩展性.     

Edgeflow数字图像边缘检测

在对数字图像的处理中,边缘检测是其重要内容.常用的图像边缘检测方法,如检测梯度的最大值法,检测二阶导数的零交叉点法,统计型方法以及小波多尺度边缘检测法等,都存在难以确定合理的参数阈值的问题.由此提出了Edgeflow方法,综合了亮度、纹理和相位等各种图像特征信息,以方向相反的边缘流相遇的位置确定对象的边缘,解决了传统基于边缘的图像分割算法难以确定合理阈值的问题.论述了基于边缘流图像分割算法的原理,对该算法进行了调整,并设计出一套预测编码模型来实现.实验结果表明:Edgeflow方法参数调整少,检测效果好.     

知识发现系统框架及其理论体系的构造方法论

当前知识发现的主流发展是围绕着寻求在各类数据库和应用背景下高性能、高扩展性的挖掘算法这一主题而展开的。事实上有比算法重要的决定挖掘流程的过程模型的研究,还有更为重要的决定模型和算法的内在机理(反映知识发现系统或过程本身规律)的研究,尚未得到应有的重视。笔者另辟蹊径,将所论三者有机地融合与集成,构造了一类基于认知心理特征的自主知识发现"系统框架",通过对类似的几类"系统框架"的交叉融合、综合集成,构造出基于内在认知机理的知识发现理论体系KDTICM。研究与实验结果表明:这种高起点、高层次的构造方法论研究,有可能形成高效能挖掘系统与新的研究方向;这种构造方法论的研究,可使长时间得不到解决的"领域知识实质性地介入到知识发现过程中"对知识库进行"动态实时维护"等重要问题得以解决;通过揭示知识发现的潜在规律与复杂性,可反作用于主流发展。最后,给出了此种构造方法有效性的有力佐证。     

可降解医用高分子材料降解建模研究现状

可降解医用高分子材料降解过程复杂,致其医用研究尚处于＂试错＂阶段。文中就降解医用高分子材料的降解建模研究现状展开讨论,针对建模相对比较成熟的药物缓释系统介绍了机理论模型的非蒙特卡洛模型和蒙特卡洛模型及元胞自动机模型;分析了药物缓释系统、组织工程支架降解建模中建模方法的思路与存在的问题;归纳了当前的建模或从微观或从宏观角...     

利用数据挖掘方法分析客户忠诚度

针对客户忠诚度分析这一客户关系管理系统的重要问题，在分析已有工作的基础上，经过多级数据归约，提出了多商品配送企业适合工程计算的客户忠诚度公式。进而对客户进行了高速聚类挖掘，找出了客户群的特点，对公司有针对性地制定客户策略起到了一定的指导作用。     

数据挖掘领域的两大猜想

本文针对目前数据挖掘所面临的机遇和挑战，提出了数据挖掘“逆问题猜想”和数据挖掘“磁铁效应猜想”。这两个猜想构成相互关联的统一的有机体，本质上是围绕解决“海量”这一难题。本文讨论了猜想研究的基础，实现的可行性以及可能的研究内容。