一种改进的双向聚类算法及其在销售分析中的应用*

传统聚类认为每个对象与所有属性均有关系,只是将对象进行聚类,为了克服这一不足,提出基于合并双聚类模型(Merge BiCluster Model,MBCM)的算法,采用将对象和属性同时进行聚类,找出与一组属性有关的相近对象.实验证明,该方法更为快速,能够得到更加精确的结果.     

基于量化规则格的关联规则渐进更新*

提出一种基于量化规则格的规则更新算法,重点讨论了在新增格节点的过程中规则更新的思想,实现在格的渐增生成过程中,相应的关联规则也得到渐进更新.最后给出简单实例说明规则更新算法的正确性.     

不完备信息系统的规则提取研究*

粗糙集理论和D-S证据理论都是重要的不确定性推理方法,两者各有优缺点.现实生活中,不完备信息系统广泛存在.研究了将两种理论结合用于不完备信息系统以进行规则提取,并用实例进行了验证.     

数据仓库系统中一种高效的多维层次聚集算法

如何减少联机分析处理中多表连接和压缩维属性连接关键字,对查询数据进行有效地分组聚集操作,成为联机分析处理查询处理的关键问题.为此,提出了一种基于多维层次编码的新型预聚集算法MDHEPA.该算法充分利用编码长度较小的多维层次编码及其前缀,对事实表中的数据进行快速地分组聚集计算,大大减少和简化了多表连接操作,提高了联机分析处理查询效率.理论分析和实验结果表明,该算法是有效的.     

分布式环境下全局序列模式挖掘技术研究

由于分布式环境下挖掘全局序列模式常常产生过多候选序列,加大了网络通信代价.为此提出一种基于分布式环境下的全局序列模式快速挖掘算法.该算法将各站点得到的局部序列模式压缩到一种语法序列树上,避免了重复的序列前缀传输;基于合并树中节点序列规则和简单的特点,提出一种项扩展和序列扩展剪枝策略,有效地约减了候选序列,减少了网络传输量,从而快速生成全局序列模式.理论和实验表明,在大数据集环境下该算法性能优越,能够有效地挖掘全局序列模式.     

利用位序法求标准拉丁方算法

文章根据排列与组合可计数的特点,给出了利用位序法求标准拉丁方的算法。在实现此算法时,构造了一套字符化的大整数运算系统,解决了随拉丁方阶数增大位序值剧增在计算机上无法表示或处理的问题。通过在分布式并行计算环境MPIBD中的实验,给出了所有4阶与5阶标准拉丁方。     

基于流水光总线阵列的快速矩阵运算

矩阵运算是最重要的数值计算,基于流水光总线的可重构线性阵列系统(LARPBS)是一种建立在光总线上的并行高效计算模型。该文主要介绍LARPBS模型上的快速并行矩阵运算,从而使人们更加了解光总线计算模型及其优越性,为今后进一步研究光总线模型及其并行算法奠定基础。     

一种自适应的蚂蚁聚类算法

受蚂蚁分巢居住行为的启发,提出一种人工蚂蚁运动(ant movement,简称AM)模型和在此模型上的一个自适应的蚂蚁聚类算法(adaptive ant clustering,简称AAC).将人工蚂蚁看成一个行为简单的Agent,代表一个数据对象.在AM中,人工蚂蚁有睡眠和活跃两种状态.在AAC算法中,定义了一个适应度函数用来衡量蚂蚁与其邻居的相似程度.人工蚂蚁通过其适应度和激活概率函数来决定处于活跃态或者睡眠态.整个蚂蚁群体在移动中动态地、自适应地、自组织地形成多个独立的子群体,使不同类别的蚂蚁之间相互     

蚁群算法求解连续空间优化问题的一种方法

针对蚁群算法不太适合求解连续性优化问题的缺陷,提出用蚁群算法求解连续空间优化问题的一种方法.该方法将解空间划分成若干子域,在蚁群算法的每一次迭代中,首先根据信息量求出解所在的子域,然后在该子域内已有的解中确定解的具体值.以非线性规划问题为例所进行的计算结果表明,该方法比使用模拟退火算法、遗传算法具有更好的收敛速度.     

一种基于基因重组策略的遗传算法

为了克服标准遗传算法的早熟现象,提高遗传算法的全局收敛性,文章提出了一种基于基因重组策略的遗传算法,该算法定义了一种新的交叉算子,即移位逻辑交叉算子(包括循环移位交叉算子和洗牌移位交叉算子),用它们对染色体的部分基因实现有规律的重组。实验结果表明,该算法比经典的遗传算法具有更好的收敛性和稳定性。