一种新的动态关联规则及其挖掘算法

在分析原有定义不足的基础上,提出一种新的动态关联规则,其支持度向量和置信度向量与经典定义相吻合,能更好地反映规则随时间变化的动态信息．进一步提出两种新的动态关联规则挖掘算法：ＩＴＳ和ＥＦＰｇｒｏｗｔｈ．其中：两阶段ＩＴＳ算法具有较好的可理解性;基于扩展ＦＰ树的ＥＦＰｇｒｏｗｔｈ算法适宜于高密度海量数据的挖掘．实验结果表明,该算法具有较好的挖掘性能和可扩展性,适用于动态关联规则的有效挖掘．     

基于TD-TP-growth的模糊关联规则挖掘算法

提出一种基于ＴＤ-ＦＰ-ｇｒｏｗｔｈ的模糊关联规则挖掘算法．首先,使用３种t-模算子以及由其产生的蕴涵算子计算模糊频繁项的支持度和规则的蕴涵度,产生的关联规则能表示模糊项间的确定性和渐近性逻辑语义;然后,以事务的惟一标识为键值,散列存储每个事务相对ＦＰ-ｔｒｅｅ中每个结点所表示模糊项的隶属度,使ＴＤ-ＦＰ-ｇｒｏｗｔｈ适用于模糊频繁项的挖掘,并分析了算法的时间和空间复杂度;最后,实验结果表明该算法比基于ａｐｒｉｏｒｉ的模糊频繁项挖掘算法在时间方面更加有效．

     

含正负项目的基于位串频繁项集挖掘算法研究

对频繁模式树中的每个节点引入一个位串存储前缀路径,提出了包含正负项目的频繁模式树的构造方法,它不需要反复遍历节点就可获得包含正负项目的频繁项集．与直接使用ＦＰ ｇｒｏｗｔｈ算法相比,无需对原始数据库进行负项目的扩展,也不用再构造并销毁额外的数据结构,只需在原始的频繁模式树上修改,因而在时空开销上都具有一定的优势．实验表明,所提出的算法比现有的同类挖掘算法和直接ＦＰ ｇｒｏｗｔｈ算法具有更好的效率．

     

一种基于犘犉犛犘性质的深度优先搜索算法

三机以上同顺序Ｆｌｏｗ ｓｈｏｐ问题（ＰＦＳＰ）是著名的ＮＰ完全问题．在充分利用ＰＦＳＰ自身特性的基础上,提出一种可变路径的深度优先搜索算法．该算法在搜索过程中根据需要采用两种不同邻域,在必要时将ＰＦＳＰ 转化为一个指派问题,自动变更搜索路径,以避免陷入局部最优解．数值仿真实验表明,该算法对于大规模ＰＦＳＰ 能取得良好
的计算结果．

     

语义决策过程支撑环境及其语义表示方法

针对决策支持系统缺乏有效的决策过程控制手段的问题,提出了语义决策及其过程支撑环境（ＤＰＳＥ）的概念．ＤＰＳＥ 利用决策问题语义指导系统方案,以决策过程中行为为应激式调度,实现决策支持系统运行全过程中语义形式化．ＤＰＳＥ 将决策环境分为需求组织、资源分配和行为规划３个方面,并定义了语义决策过程中动态语义的表示方法,提供了语义封装的方法及其过程支撑相关的算法．最后给出了系统原型,并通过实验表明ＤＰＳＥ 的有效性．

     

支持向量机和一类模糊推理系统的等效性及其应用

支持向量机（ＳＶＭ）和模糊推理系统（ＦＩＳ）分别源于统计学习理论（ＳＬＴ）和认知学两个不同的领域．在一定约束条件下,提出并证明了ＳＶＭ 和一类基于规则的ＦＩＳ的函数等效性定理．在此基础上,提出基于ＳＶＭ 学习过程的ＦＩＳ（ＭＢＦＩＳ）的设计方法．ＭＢＦＩＳ继承了ＳＶＭ 良好的泛化能力和对“维数灾难”的避免能力,也继承了基于规则的ＦＩＳ的显式推理能力．Ｂｅｎｃｈｍａｒｋ数据实验表明,ＭＢＦＩＳ具有良好的分类性能．

     

ＮＯＦＣ-ＶＲＴＴ ：一种基于变RTT的非线性AQM算法

针对网络拥塞设计一种基于变往返时间的主动队列管理算法．给出了一种新的ＴＣＰ 窗口观测器,证明当丢包率取值范围在０～１之间时,ＴＣＰ窗口观测值渐近收敛到ＴＣＰ窗口真实值．通过反步设计法设计了一种非线性输出反馈控制算法,并给出了控制参数的取值范围．ＮＳ仿真表明,ＮＯＦＣ-ＶＲＴＴ 算法具有较好的鲁棒性,较高的链路利用率和较低的丢包率,并且维持了各ＴＣＰ源之间的公平性．

     

挖掘事务间频繁闭项集的高效率算法

事务间频繁项集将传统的单维事务内关联规则扩展到多维跨事务关联规则,但事务间频繁项集的数量随滑动时间窗口的增大而迅速增加.利用频繁闭项集的特点,提出事务间频繁闭项集的概念及其挖掘算法(FCITA).该算法采用分割和条件数据库技术,避免生成庞大的扩展数据库;利用扩展二进制形式压缩事务,从而提高支持度的计算效率.此外,动态排序和哈希表极大地减少了频繁闭项集的测试次数.仿真比较表明,FCITA算法具有较高的挖掘效率.

     

基于项权值变化和SCCI 框架的加权正负关联规则挖掘

给出项权值变化的数据模型形式化表示, 构建新的加权项集剪枝策略及其模式评价框架SCCI (supportconfidence-correlation-interest), 提出基于项权值变化和SCCI 评价框架的加权正负关联规则挖掘算法. 该算法考虑了项权值变化的数据特点, 采用新的剪枝方法和评价框架, 通过项集权值简单计算和比较, 挖掘有效的加权正负关联规则. 实验结果表明, 该算法能够有效地减少候选项集数量和挖掘时间, 挖掘出有趣的关联模式, 避免无效模式出现, 挖掘效率高于相比较的现有算法, 解决了项权值变化的加权负模式挖掘问题.

     

基于马尔可夫模型和特征融合的图像隐写分析

提出一种针对ＪＰＥＧ 图像隐写的通用隐写分析方法．根据量化后分块ＤＣＴ 系数绝对值构造水平、垂直和ｚｉｇｚａｇ方向的差分数组,利用三向差分数组马尔可夫模型挖掘量化后分块ＤＣＴ 块内邻近系数相关性,提取转移概率矩阵的特征．对三向特征加权融合后进行隐写分析,以提高分类性能．对安全性较高的ＪＰＥＧ 隐写ＯｕｔＧｕｅｓｓ和Ｆ５,在不同嵌入率下进行隐写分析．实验结果显示,引入特征融合后隐写分析的检出率明显提高．

     

RBF神经网络参数估计的两种混合优化算法

基于全局搜索的进化算法和一种局部搜索算法———结构化的非线性参数优化方法（ＳＮＰＯＭ）,提出两种混合的优化算法来估计ＲＢＦ神经网络中的参数：１）初始化一定数目的种群作为ＳＮＰＯＭ 的初始值得到其适应值,通过选择、交叉和替换策略来更新种群;２）采用进化算法运行一定的代数,从最终群体中选取一些个体进一步用ＳＮＰＯＭ来优化．这两种混合优化算法的本质是用进化算法为ＳＮＰＯＭ 搜寻最优初始值,以得到全局最优解．仿真实验结果表明,该混合算法比单独使用进化算法或ＳＮＰＯＭ 更优,且优于其他一些算法．

     

一种二进制编码的量子粒子群优化算法

针对离散空间优化问题,给出二进制编码的量子粒子群优化（ＢＱＰＳＯ）算法的设计思路,重新定义粒子的位置矢量和粒子之间的距离,提出了ＢＱＰＳＯ 算法的进化方程．通过泛函分析的方法分析了ＢＱＰＳＯ 算法的收敛性,得出全局收敛的结论,并通过多个测试函数测试了ＢＱＰＳＯ 算法的性能．求解结果验证了算法的优越性．

     

自适应和声搜索算法及在粗糙集属性约简中的应用

针对改进和声搜索算法（ＩＨＳ）存在的不足,提出了自适应和声搜索算法（ＡＨＳ）．该算法利用和声库中变量函数的最大差值来调节ＰＡＲ 和ｂｗ,从而提高了对多维问题的搜索效率．利用５个标准测试函数对ＡＨＳ算法进行测试,并应用于粗糙集的属性约简中．仿真结果表明了该算法的有效性和实用性．

     

一种水下机器人传感器故障诊断与容错控制方法

采用自适应滤波器ＦＩＲ 对水下机器人进行在线自适应建模,并利用ＬＭＳ算法来调节滤波器的权系数．通过对滤波器权系数和误差信号平方的分析,实时检测出传感器的故障,并应用ＦＩＲ 滤波器输出替代故障传感器信号,实现传感器故障情形下水下机器人容错控制．应用该方法对Ｏｕｔｌａｎｄ１０００水下机器人传感器的故障进行检测和容错,实验结果表明所提故障检测方法准确可靠,具有较好的容错效果．

     

最大间隔最小体积球形支持向量机

结合支持向量机（ＳＶＭ）类间最大分类间隔和支持向量数据描述（ＳＶＤＤ）类内最小描述体积思想,提出一种新的学习机器模型———最大间隔最小体积球形支持向量机（ＭＭＨＳＶＭ）．模型建立两个大小不一的同心超球,将正负类样本分别映射到小超球内和大超球外,模型目标函数最大化两超球间隔,实现正负类类间间隔的最大化和各类类内体积的最小化,提高了模型的分类能力．理论分析和实验结果表明该算法是有效的．

     

在原始空间用Ｒｏｓｅｎｂｒｏｃｋ算法训练线性支持向量机

为了加快并行下降方法（ＣＤ）用于线性支持向量机（ＳＶＭ）时的最终收敛速度,将Ｒｏｓｅｎｂｒｏｃｋ算法（Ｒ）用于线性ＳＶＭ．在内循环,Ｒ 通过解一个单变量子问题来更新狑的一个分量,并同时固定其他分量不变;在外循环,采用Ｇｒａｍ-ｓｃｈｍｉｄｔ过程构建新的搜索方向．实验结果表明,与ＣＤ 相比,Ｒ 加快了最终的收敛,在分类中能更快地获得更
高的测试精度．

     

一种基于关联规则的多类标分类算法

提出了一种基于关联规则的多类标算法(MLAC),利用多类标FP-tree来分解组合生成多类标规则,并通过组合多重关联规则分类器进行分类预测,降低了由高维属性带来的高计算复杂度,有效地提高了算法的性能和效率.针对多类标数据集的实验结果表明,MLAC算法在性能和效率等方面均优于ML-KNN等多类标分类算法.

     

改进的多种群协同进化微粒群优化算法

提出一种改进的基于多种群协同进化的微粒群优化算法（ＰＳＯ）．该算法首先利用免疫算法实现解空间的均匀划分,增加了算法稳定性和全局搜索能力．在运行过程中,通过种群进化信息生成解优胜区域,指导变异生成的微粒群向最优解子空间逼近,提高算法逃出局部最优的能力．将此算法与ＰＳＯ 算法和多种群协同进化微粒群算法进行比较,数据实验证明,该算法不仅能有效地克服其他算法易陷入局部极小值的缺点,而且全局收敛能力和稳定性均有显著提高．

     

一种检测无线网络违规行为的改进退避算法

无线媒体访问控制（ＭＡＣ）协议通常使用分布式竞争机制来共享无线信道,但在动态和开放的网络环境中,部分违规节点会有意识地抢占信道以获取更多的信道资源．为此,通过对ＩＥＥＥ８０２．１１协议的ＤＣＦ 机制进行修改,提出一种改进的退避算法,可实现对网络中违规行为节点的有效检测,并通过惩罚机制加以纠正．仿真结果表明,该方法能够更有效地检测出无线网络中的违规行为,提高整个网络的吞吐量．

     

Ｓｔｅｗａｒｔ主动隔振平台的神经网络自适应控制

针对Ｓｔｅｗａｒｔ主动隔振平台,提出一种基于径向基函数（ＲＢＦ）神经网络的多输入多输出自适应隔振控制方法．考虑外界振动对Ｓｔｅｗａｒｔ主动隔振平台动态特性的影响,建立了隔振平台在工作空间中的动力学模型．推导出ＲＢＦ神经网络的权值矩阵、高斯基函数中心和宽度的在线自适应调节律,以使神经网络快速逼近系统的非线性动态函数．应用Ｌｙａｐｕｎｏｖ稳定性理论,证明了在扰动力和神经网络逼近误差有界的条件下,闭环控制系统滤波误差和ＲＢＦ神经网络各调节参数估计误差的一致最终有界．仿真结果表明,该控制方法能有效地抑制不同方向的低频有界振动.