克隆遗传算法在学生成绩分析中的应用

分析了关联规则挖掘的特点,提出一种基于克隆遗传策略的关联规则挖掘模型。该模型针对遗传算法易于陷入局部最优的缺点,引入克隆算子,通过克隆操作扩大群体规模,并采用自适应方式动态地选取交叉率和变异率,从而求得问题的最优解。实例分析表明,克隆遗传模型能有效处理数据集中的关联规则挖掘问题。     

基于维间扩展和事务压缩的关联规则算法改进

Apriori是关联规则挖掘的经典算法,在利用该算法进行医疗数据挖掘的过程中,发现其频繁项集产生过程有一些不必要的开销,为此提出了改进算法Mypriori,利用维间扩展和事务压缩策略来提高频集发现的效率,并通过实验验证了算法的有效性.     

粗集理论属性约简的关键技术研究

粗集理论可以通过不可分辨关系发现问题的内在规律,而通常情况下,随机采集得到数据集合中的连续属性值、缺失值、冗余属性等是普遍存在的。文章重点研究了粗集理论应用中属性离散化及缺失值处理、属性重要性计算等典型方法和特点,便于进一步优化和改进属性约简算法效率。     

基于聚类分析的新书推荐

针对大多数图书馆管理系统中的个性化服务中的新书推荐只是定时将新到馆的图书罗列出来让读者浏览进行推荐,推荐效果差的问题。本文在比较三大常用的推荐技术的优缺点后,采用基于聚类分析的推荐算法推荐新书,并具体给出实现的方法。     

数据挖掘技术在学生就业指导中的应用

管理信息系统的应用使得职业学校的就业指导工作产生了质的飞跃,但随着毕业生人数的极具增长,系统中不可避免地积聚了大量的就业信息数据,与之匹配的统计方法已不能适应现实的需求。数据挖掘技术可以有效解决这一问题,它所包含的Apriori算法,能建立在学校的就业历史数据之上,深入分析毕业生的就业数据从而发现真正影响学生就业问题的内因,还能通过结合学生的受教育与就业需求之间的相关性,分析出社会对人才的真正需求,进而为职业学校的管理者提供参考数据,帮助他们对学校的教育模式进行改革,使其更契合当下社会对人才的需求,从而最大程度地提高毕业生就业指导工作的有效性。     

城市水系统关联模型研究

为了理清城市水系统中多因素间的复杂关系,对系统解决城市水问题提供帮助,基于水系统理论与城市水系统模拟相关研究,提出了城市水系统中水-经济社会-生态环境各因素之间相互作用和反馈的关联模型理论框架,建立了城市水系统演变过程中由针对经济发展的正反馈回路和针对可持续性的负反馈回路共同控制的新模式,构建了模拟城市水-经济社会-生态环境内在联系的城市水系统关联模型。以武汉市为例,应用建立的城市水系统关联模型,采用2001—2017年的历史统计数据,建立了武汉市城市水-经济社会-生态环境各要素之间互馈作用的模拟模型,预测了武汉市的城市发展轨迹,并与武汉市2030年的远期规划进行比较,验证了模型的有效性,表明城市水系统模型能够揭示城市水-经济社会-生态环境多要素的耦合驱动机制,体现了节水技术与绿色发展相关政策两大因子导向下的生态环境、经济社会协同发展的良好预期。     

改进的灰色关联法在流溪河流域地下水环境质量评价中的应用研究

基于28个采样点2018年雨季和旱季19项指标的监测数据,运用改进的灰色关联法评价了流溪河流域的地下水质量,并结合流溪河流域地下水的实际情况,与单因子评价法的评价结果进行了对比。改进的灰色关联法评价结果表明,研究区地下水质量综合评价结果较好,雨季优于旱季,基岩裂隙水优于松散岩类孔隙水,中游优于下游。单因子评价法和改进的灰色关联法的评价结果差别较大甚至部分结论完全相反,比较而言改进的灰色关联法的评价结果更符合实际。     

基于W2ID准则的RichModel隐写检测特征选取方法

数字隐写是信息安全领域一个重要分支,其通过将秘密信息嵌入到数字图像、声音、视频等文件中并通过公开信道(如:Email邮箱、微博推文和即时通信等)进行传递,从而实现信息的隐蔽通信.图像自适应隐写是近年来数字隐写技术的研究热点,而Rich Model特征是检测图像自适应隐写的一大类主流高维特征,这类高维特征在实现对图像自适应隐写较高检测正确率的同时,带来了高额的计算开销和和存储开销,并使得隐写检测中的分类器训练变得极为困难.为此,本文提出了一种基于加权类间距离和类内距离差异准则(W2ID准则)的图像Rich Model隐写检测特征选取方法(记为W2ID-α方法).首先,在对Fisher-based方法这一隐写检测特征经典选取方法进行原理分析的基础上,指出该方法可能存在误删有用特征分量、保留冗余和冲突特征分量的不足;然后,通过将"类内距离差异"原则引入到隐写检测特征分量的可分性度量,提出了基于类间距离和类内距离差异的特征可分性度量准则(简记为2ID准则),给出了类内距离差异的一个相关性质;同时,为了合理体现"类间距离"的重要性,本文提出了基于频数统计加权法的权重分配算法,为该准则分配合理权重,使得对特征分量可分性的度量结果相比传统的Fisher准则更为准确;最后,依据W2ID准则的度量结果,基于决策粗糙集α-正域约简方法约简隐写检测特征分量,并在约简特征分量过程中,将每次处理一个特征分量改进为每次处理一组特征分量,以提升决策粗糙集α-正域约简的效率.提出的W2ID-α方法因无需设置可分性下限,避免了阈值设置不准确可能造成去除有用特征分量的问题,从而消除了现有Steganalysis-α隐写检测特征选取方法依赖经验参数的问题.基于数字隐写领域通用的BOSSbase-1.01图像库10 000幅原始图像和基于经典SI-UNIWARD隐写方法生成的多组隐写图像,针对从这些图像组每幅图像中提取的35263维J+SRM特征和17000维GFR特征(两类典型的图像Rich Model隐写检测特征),进行了一系列特征选取实验,结果表明:本文提出的W2ID-α方法能够在大幅降低Rich Model隐写检测特征维数的同时,基于选取后特征的隐写检测提高了对隐写图像的检测正确率,与Fisher-based、Steganalysis-α和PCA-based等现有典型特征选取方法相比具有显著优势,如对嵌入率=0.1的SI-UNIWARD隐写图像,基于提出的W2ID-α方法将J+SRM特征从35 263维降到2723维的同时,还提高了 3.63%的检测正确率.     

一种基于图卷积网络的文本多标签学习方法

多标签学习广泛应用于文本分类、标签推荐、主题标注等.最近,基于深度学习技术的多标签学习受到广泛关注,针对如何在多标签学习中有效挖掘并利用高阶标签关系的问题,提出一种基于图卷积网络探究标签高阶关系的模型TMLLGCN.该模型采用GCN的映射函数从数据驱动的标签表示中生成对象分类器挖掘标签高阶关系.首先,采用深度学习方法提取文本特征,然后以数据驱动方式获得基础标签关联表示矩阵,为更好地建模高阶关系及提高模型效果,在基础标签关联表示矩阵上考虑未标记标签集对已知标签集的影响进行标签补全,并以此相关性矩阵指导GCN中标签节点之间的信息传播,最后将提取的文本特征应用到学习高阶标签关系的图卷积网络分类器进行端到端训练,综合标签关联和特征信息作为最终的预测结果.在实际多标签数据集上的实验结果表明,提出的模型能够有效建模标签高阶关系且提升了多标签学习的效果.     

一种基于灰色关联分析的信息安全风险评估方法研究

随着信息化进程的快速发展,保障信息系统的安全性和降低信息系统潜在的风险,一直是国内外学者关注的焦点,而风险评估正是解决该问题的有效方法之一,但是在风险评估过程中存在评估指标难以量化、风险值难以界定等困难,因此文章提出了一种基于灰色关联分析的信息安全风险评估方法,该方法首先建立了信息系统的风险评估指标体系,其次将评估的信息系统与最优信息系统进行关联度分析,最后得出信息系统风险的准确度量。该方法可以使信息系统的评估过程简单化,标准化。