一个新的不需要候选集的挖掘关联规则算法--Relim算法的研究

Fp-growth算法是当前挖掘频繁项目集算法中速度最快，应用最广，并且不需要候选集的一种挖掘关联规则的算法。但是，Fp-growth算法也存在着算法结构复杂和空间利用率低等缺点。Relim算法是在Fp—growth算法的基础上提出的一种新的不需要候选集的挖掘关联规则算法。它具有算法结构简单，空间利用率高，易于实现等显著优点。本文在详细阐述Relim算法后．对Fp-growth算法和Relim算法的性能进行了分析和比较。结果表明，Relim算法尽管结构简单，但其运行速度与Fp-growth算法相比并不慢，而且当对最小支持度高或者频繁规则比较少的数据集进行挖掘时，Relim算法的运行速度往往比Fp—growth算法要快。     

面向嵌入式数据库的改进B^＋-树索引机制

B^＋-树是数据库中常用的索引机制,它最大的优点是效率高,而最大的缺点是空间利用率较差。这对空间资源非常有限的嵌入式数据库来说影响尤为巨大。本文针对B^＋-树的这个缺点,研究了一种改进B^＋-树,并将改进后的B^-树索引机制成功地应用在嵌入式数据库-伯克利数据库中。这种改进B^-树索引机制不仅继承了B^＋-树效率高,能同时进行行随机查找和顺序查找的优点,还克服了B^＋-树空间利用率较差的缺点,更提高了数据库查找记录的速度。实验结果证明了改进B^＋-树索引机制比B^-树索引机制具有更高的空间利用率。     

基于遗传算法的随机机组组合问题求解

为考虑不确定性负荷对机组组合问题的影响,通过情景分析法引入一系列的情景对不确定性负荷进行建模,建立了随机机组组合问题的数学模型。采用遗传算法求解该优化问题,可自行满足情景簇约束。通过改进初始种群产生方式和变异算子,引进局部搜索算子对遗传算法进行改进,增强了算法的搜索能力。计算结果显示了随机机组组合问题的数学模型和改进遗传算法求解方法的有效性。     

无线传感器网络分布式均值查询聚集算法研究

提出了一种基于无线传感器网络的分布式均值查询聚集算法--DAA,在DAA中,传感器网络中每个节点的计算过程都仅与它的邻居节点有关,算法只需在局部范围内计算结果而无需收集全局的节点信息,也不必完成数据融合以及远距离通信等任务.同时,算法会根据当前查询结果自适应地调整查询范围.理论分析和实验结果显示该算法扩展性好、功耗低,可以有效地延长网络的生命.