基于两种方式的股票时间序列关联的研究

Es-Apriori算法是一个对多元时间序列跨事务关联规则分析的高效处理算法,本文针对当前证券交易市场的特点对此算法的数据预处理部分改了一些改进,加入股票成交量数据项以及二维时间模式两种方式的分析.试验证明,该改进对投资者提供了更为有效的决策支持.     

基于粗糙集理论的条件属性动态约简算法

粗糙集理论是一种新的处理含糊和不确定性问题的数学工具,可以有效地分析和处理不完备信息.条件属性约简是粗糙集理论算法研究的重点.在启发式条件属性约简算法的基础上提出了动态条件属性约简算法,算法以一个信息大的属性作为基础,不断添加条件属性,并对新增加的条件属性进行修正,找到约简条件属性,目的为了进行遥感数据的动态分类做基础.文中在VC 6.0开发环境下实现了两种算法,用HSV和Iris数据验证了算法的有效性,并分析了算法的时间和空间复杂度.     

Oracle与xBASE的数据转换和集成

1.xBASE到Oracle的数据转换 对于这个问题,在Oracle中给出了一个工具SQL*LOADER,它可用来将外部文件中的数据装入到Oracle数据库的基表中。在使用SQL*LOADER装入数据时,必须为它提供两种类型的文件,即数据文件和控制文件。数据文件即要装入的外部数据文件,而控制文件则是用来描述要装载的数据。下面通过一个例子来说明控制文件的写法。假定要将数据装入到以下命令建立的EMP基表中:     

多策略数据挖掘平台MSMiner的元数据管理

元数据在数据仓库中扮演着非常重要的角色,对数据仓库的设计、开发、维护和管理具有非常重要的作用.在作者开发的多策略数据挖掘平台(MSMiner)中将元数据的使用范围从数据仓库拓展到包括ETL和数据挖掘任务等的整个系统,使之成为系统的核心和各个子系统之间联系的纽带.文中介绍了MSMiner的体系结构、元数据的主要内容、元数据管理实现的难点及采用的技术.     

ORACLE PL/SQL中的例外处理初探

本文对ＯＲＡＣＬＥＰＬ／ＳＱＬ的程序结构以及例外处理机制作了一个初步的探讨，并结合几个例子介绍了一些实用技巧。     

油田测井管理信息系统的设计与实现

本文针对油田测井数据的特点,介绍了基于Internet/Intranet结构的测井管理信息系统的设计目标和设计思想,阐述了C/S模式和B/S模式混合的多层结构和COM组件技术在系统中的应用设计方案,最后总结了本系统的主要特点。     

基于Apriori和位集合的关联规则应用

采用Apriori性质和位集合的技术进行海量遥感图像数据的挖掘,该算法只扫描一次事务数据库。节省了MBSA算法中的位集合的逻辑“与”操作,提高了效率,尤其针对海量的遥感图像数据。并将该算法应用到遥感图像关联规则挖掘中。     

一种改进的基于FP-树的最大目标频繁项集挖掘算法

目前,基于FP-树的最大频繁项集挖掘算法存在的一个问题是FP-树的规模过大,遍历树需耗费大量的运行时间,并且挖掘出来的很多频繁项集是用户不感兴趣的,过多的无用频繁 模式影响了挖掘的效率。本文提出一种排序紧缩非冗余的STFP-树,以及基于STFP-树的最大目标频繁项集挖掘算法STFP-MAX。该算法在满足用户需求的基础上有效地缩小了FP--树的规模,又加快了搜索的速度,从而提高了挖掘的效率。     

基于PCA的H-K聚类算法研究

传统的H-K聚类算法将层次聚类算法和k-means聚类算法有机结合起来,从而使得H-K聚类算法具有单个聚类算法所不具有的诸多优点。为了将H-K聚类算法更好地应用于对高维数据集的聚类中,以缓解维度灾难问题,本文应用PCA(主成分分析)方法对H-K算法进行改进,提出新的聚类算法PCAHK。该算法首先采用PCA方法,将高维数据投影到较低维空间中,再对降维后的数据进行H-K聚类。实验表明,在对高维数据集进行聚类时,与传统的H-K算法相比,PCAHK算法的性能明显提高。     

基于排序FP-树的频繁模式高效挖掘算法

FP-growth算法是目前较高效的频繁模式挖掘算法之一。在FP-growth算法中,FP-树及条件FP-树的构造和遍历占了算法绝大部分的时间,如果能减少这方面的时间,则有望进一步改善算法的效率。本文给出了一个频繁模式挖掘算法SFP-growth。算法通过将FP-树有序化及采用高效排序算法等措施来提高FP-树构造的效率,从而使算法达到较高的效率。实验结果表明,SFP-growth是一个高效的频繁模式挖掘算法,其性能优于Apriori、Eclat和FP-growtn算法。