基于消费行为的Apriori算法研究

介绍了关联规则的数据挖掘，对布尔关联规则中的经典算法－Apriori算法进行了分析和评价，指出了基本Apriori算法的不足，并提出具有广泛适应性的改进算法，此算法既提高在扫描数据库过程中的信息区率，又及时剔除超集不是频繁项集的项集，进一步缩减项集的潜在规模，提高了频繁项集生成的效率。     

连续神经网络在高频率离散问题求解中的应用

应用连续神经网络来解高频率离散问题，并采用最佳机票超额预定作为具体应用实例。在对上述问题的求解过程中，根据机票超额预定的规章制度和Hopfield连续神经网络理论建立数学模型，利用BP算法和模糊推理系统计算了Hopfield网格各节点之间的联系。这一应用对神经网络参与优化问题求解有较为重要的意义。