基于扩展自然序树的概化关联规则增量挖掘方法

概化关联规则挖掘作为数据挖掘领域一个重要的拓展性研究课题,首先提出了一种概化扩展自然序树(generalized extended canonical-order tree,GECT)结构及其增量挖掘算法GECT-IM.该算法对原始分类事务数据库只扫描一次,就可以将所有交易信息映射至一棵压缩格式的GECT,然后通过对更新交易数据集扫描得到更新数据集中各项集的计数,结合相关性质及运算就可以发现大部分更新后的概化频繁项集;其次,针对GECT规模较大以及GECT-IM 算法仍然可能需要遍历初始GECT树的局限,在界定数据库更新和重构概念的基础上,基于一种可量化度量的准最小支持度阈值,提出了一种改进的准频繁概化扩展自然序树(pre-large generalized extended canonical-order tree,PGECT)结构及其增量挖掘算法PGECT-IM.由于有效避免了对初始GECT进行遍历的情形,从而进一步提升了概化关联规则增量挖掘效率.实验证明,提出的概化关联规则增量挖掘算法 GECT-IM 及其优化算法PGECT-IM,比现有增量挖掘算法具有更高的挖掘效率和更好的扩展性.     

一种机械工程图参数化设计的新方法

通过对机械工程图的大量观察与研究，从机械工程图尺寸标注的特点出发，提出了一种新的参数化设计方法－－参数化树，并给出了一个实验例子。     

基于扩展模式树匹配的XConquer算法

针对XQuery全文扩展中合取语义ftcontains表达式的计算问题,提出基于扩展模式树匹配的XConquer算法。树形结构索引DataSkeleton为查询节点静态过滤初始数据节点流,最小最低公共祖先动态阻止无效节点入栈,避免无用栈操作。实验结果表明,XConquer算法的查询性能优于DeweyPathStack算法。     

LS文法绘制分形树的参数化设计

在分析了随机LS文法生成分形树的基本原理,各分形元的实现过程和随机选择的原则之后。提出了参数化设计的思想,然后研究了如何在生成分形树时,利用生长角度参数a和概率控制参数U、V来控制树形,绘制了分形树在多种参数值下的形态,并对该参数化设计的应用做了一些拓展。     

一种获取正则化参数的新方法

提出了一种获取正则化参数的新方法。利用随机理论解决正则解模糊误差能量期望值最小化问题,确定正则化参数。对正则化算子给定为Laplacian算子的情形予以测试,实验结果表明该文的恢复技术比传统方法的恢复性能好,恢复效果接近最佳且性能稳定。     

参数曲线的最优参数化

利用有理重新参数化的自由度求解参数曲线的最优参数化问题,提出一种度量曲线的参数速度与弧长参数化接近程度的方法.利用该方法求得的最优参数化在曲线的重新参数化曲线族中,参数速度偏离单位速度的最大值达到最小.最后,通过计算实例对该方法与其他算法得到的最优参数化的参数速度进行了比较.     

基于参数化作图的图形参数化方法

通过对参数化的分析，本文提出了设计参数化和图形参数化概念，并且给出了一种新的图形参数化方法。新方法通过记录和重现参数化作图过程达到快速图形生成。该方法方便通用，可对任何复杂的图形进行图形参数化，目前已应用于服装裁剪系统。     

参数域边界平直化的模型表面参数化方法

为了支持简化模型纹理边界、满足模型简化中纹理映射需求,提出了一种参数域边界平直化的模型表面参数化方法.给出了由变换能量、防翻转能量和稀疏能量组成的能量方程.求解时引入辅助变量并求得近似解.实验中分别使用文中方法和已有参数化方法进行比较.在使用缺省参数情况下,文中方法面积和角度扭曲都处于合理范围.将不同参数化方法得到的带纹理模型简化到相同简化率.从简化误差数值和简化后视觉效果进行定量定性分析,都证实了文中方法更具优越性.进一步可以将其应用到游戏、航空等领域.     

机械零部件的参数化绘图方法

本文论述了用FORTRAN和AUTOLISP实现机械零部件的参数化绘图方法,并针对AUTOCAD绘图软件的特点,讨论了绘图数据文件的分类目的,LISP程序的分段,以及用程序设置图层和尺寸标注状态、正确绘制剖面线等问题。     

基于k-best树模式的树流分类算法研究

对结构化数据的分类方法大多是基于频繁子结构挖掘,然后通过排序剪枝等处理将频繁子结构与类关联得到结构规则进而分类.本文针对树形结构数据提出一种基于重要树模式的数据流分类方法TSC,首先使用相关度量发现k个与类相关的最具有判别能力的树模式,在该过程中,使用分支界限法提高搜索效率,无需挖掘完全模式,另一方面对参考度不断更新从而避免后剪枝操作,得到的树模式可直接用于分类.同时,和以往的方法相比,TSC是无启发式算法,只需用户设置最大规则集数目.然后,采用经典adwin思想处理演变树流中的局部概念漂移.实验表明,与以往的方法相比,TSC生成更少的有效规则集使得测试时间大大降低,总运行时间相对较短的同时可达到较高正确率,简单高效.     

Efficient incremental induction of decision trees

This paper proposes a method to improve ID5R, an incremental TDIDT algorithm. The new method evaluates the quality of attributes selected at the nodes of a decision tree and estimates a minimum number of steps for which these attributes are guaranteed such a selection. This results in reducing overheads during incremental learning. The method is supported by theoretical analysis and experimental results.     

基于物元理论的任意功能树相似扩展方法

功能模型是概念设计的核心处理对象,功能树是一种典型的、应用广泛的 功能模型。使用现有相似度计算方法计算任意功能树的相似度存在困难。因此,基于布尔代 数提出了析取范式树的概念,以及两种求解析取范式树的方法,并描述了任意功能树的物元 相似度计算方法。拓展了功能树相似扩展方法的应用范围,扩大了设计解空间,增加了获得 创新解的可能性,最后给出实例验证了方法的有效性。     

高维数据多级模糊模式识别的分类研究*

通过分析对象属性间的关系,提出了一种基于改进的多级模糊模式识别的分类方法。该方法重点考虑对象属性间影响较大的因素,以此建立影响对象分类的属性之间的简化关系,使分类结果更加合理;针对分类标准为对象属性分类的离散值,存在对象属性值介于中间状态不便分类问题,通过建立属性值所属级别的矩阵来确定属性权重,使分类精确;利用Rough集的特征属性约简算法降低数据集的维数,提高高维数据的分类效率。经实例证明该方法分类准确、效率高。     

Interval-valued fuzzy decision trees with optimal neighbourhood perimeter

This research proposes a new model for constructing decision trees using interval-valued fuzzy membership values. Most existing fuzzy decision trees do not consider the uncertainty associated with their membership values, however, precise values of fuzzy membership values are not always possible. In this paper, we represent fuzzy membership values as intervals to model uncertainty and employ the look-ahead based fuzzy decision tree induction method to construct decision trees. We also investigate the significance of different neighbourhood values and define a new parameter insensitive to specific data sets using fuzzy sets. Some examples are provided to demonstrate the effectiveness of the approach.     

Estimation of states and parameters for linear systems with nonlinearly parameterized perturbations

We consider systems that can be described by a linear part with a nonlinear perturbation, where the perturbation is parameterized by a vector of unknown, constant parameters. Under a set of technical assumptions about the perturbation and its relationship to the outputs, we present a modular design technique for estimating the system states and the unknown parameters. The design consists of a high-gain observer that estimates the states of the system together with the full perturbation, and a parameter estimator constructed by the designer to invert a nonlinear equation. We illustrate the technique on a simulated dc motor with friction.     

近似弧长参数化Bézier曲线的最佳逼近

考虑近似弧长参数化Bézier曲线的逼近问题.当获得Bézier曲线的一个近似弧长参数化之后,这种参数化只能达到C0-连续性.为了增加其参数连续性,利用其带有端点约束的关于L2-模的最佳逼近以得到具有C2-连续性的Bézier样条曲线.实验证明,这种逼近的效果是十分理想的.     

A parameterized multilevel pattern matching architecture on FPGAs for network intrusion detection and prevention

Pattern matching is one of the most performance-critical components for the content inspection based applications of network security, such as network intrusion detection and prevention. To keep up with the increasing speed network, this component needs to be accelerated by well designed custom coprocessor. This paper presents a parameterized multilevel pattern matching architecture (MPM) which is used on FPGAs. To achieve less chip area, the architecture is designed based on the idea of selected character decoding (SCD) and multilevel method which are analyzed in detail. This paper also proposes an MPM generator that can generate RTL-level codes of MPM by giving a pattern set and predefined parameters. With the generator, the efficient MPM architecture can be generated and embedded to a total hardware solution. The third contribution is a mathematical model and formula to estimate the chip area for each MPM before it is generated, which is useful for choosing the proper type of FPGAs. One example MPM architecture is implemented by giving 1785 patterns of Snort on Xilinx Virtex 2 Pro FPGA. The results show that this MPM can achieve 4.3 Gbps throughput with 5 stages of pipelines and 0.22 slices per character, about one half chip area of the most area-efficient architecture in literature. Other results are given to show that MPM is also efficient for general random pattern sets. The performance of MPM can be scalable near linearly, potential for more than 100 Gbps throughput. Supported by the National Natural Science Foundation of China (Grant No. 60803002), and the Excellent Young Scholars Research Fund of Beijing Institute of Technology     

Web数据中频繁模式树的挖掘

为了高效地从半结构化WEB数据中挖掘频繁模式树,提出了把半结构化数据表示为标记、有序树,并基于最右路径扩展技术在有序树中发现所有频繁模式树的算法.其基本思想是,首先从只有一个节点的模式树开始,而新增节点只能通过添加到最右路径上来生成新的模式树,另外,还通过维护最右叶子出现次数列表来实现支持度的逐步计算.理论分析和试验结果表明该算法是可行的,并且具有计算性能线性于最大频繁模式总和的优点.     

改进极限学习机的移动界面模式半监督分类

针对现有半监督分类方法无法对移动界面模式进行有效分类的问题,提出一种采用改进极限学习机的移动界面模式半监督分类方法。为了提高极限学习机的分类效果,利用改进的粒子群优化算法优化极限学习机的初始参数。根据移动界面模式数据的特点,利用主动学习和模糊[C]均值聚类提取信息丰富的未标记数据进行训练和标记。利用分类器实现对所有数据的分类。实验结果表明,该分类方法能够对移动界面模式数据进行有效和合理的分类。     

改进的局部方向模式纹理表示方法

目的：纹理是描述和区分不同物体的重要特征之一,纹理特征提取一直是模式识别、机器视觉领域的研究热点。局部方向模式（Local directional pattern, LDP）是一种分辨性好、对随机噪声和非均匀光照鲁棒的纹理特征。而LDP特征由于计算8方向的边缘响应并排序,提取速度较慢。本文改进了LDP编码方案。方法：论文设计了两种改进方案。第一种方案直接对8方向的边缘响应符号进行编码,避开排序,称为FLDP（Fast Local Directional pattern, FLDP）特征;第二种方案,论文尝试使用较少的方向模板来降低特征提取的时间、空间消耗,设计了MLDP算子（Mini Local Directional pattern,MLDP）。结果：在Brodatz数据集的24类均匀纹理图像以及111类全部纹理图像上将本文提出的FLDP特征、MLDP特征与传统的LDP进行了对比实验。实验结果表明,在保证了分类准确率的前提下,FLDP算子的运算速度是3th-LDP的20倍左右,MLDP算子的运算速度是3th-LDP的35倍左右。结论：论文设计了2种方案改进了LDP特征,分别为FLDP算子和MLDP算子。实验表明,这两种改进方案,在保证分类准确率的同时,大幅度提高了特征提取运算速度。