基于两级支持度的正、负关联规则挖掘

当同时研究正、负关联规则时会遇到一些新问题,如非频繁项集的挖掘及如何避免产生自矛盾的规则等．该文对这些问题进行了深入的研究,设计了能够同时挖掘频繁项集与非频繁项集以及能够同时挖掘这些项集中的正、负关联规则算法,实验表明该算法是非常有效的。     

DiffServ网络中接纳控制方法的研究

深入分析了DiffServ网络中接纳控制方法的缺点,提出了一种新的接纳控制方法.该方法将边界和内部接纳控制分开进行.边界接纳控制时,采用边界区分服务策略,根据流对QoS不同要求,将流分为两类区别对待,不但提高了网络资源利用率,而且保证了流的服务质量;内部接纳挖制时,采用了基于路径的方法,大大提高了网络接纳控制的效率.     

基于并行及异构数据库联合系统

用PowerBuilder开发异构数据库的联合使用是一种好方法，然而它不支持数据库服务器间的并行工作。本文提出了在PowerBuilder应用程序与数据库接口之间通过构造“并行桥”的策略解决这一问题的思想，并由此设计实现了一个“异构数据库联合使用系统”。该系统将分布在网络不同节点上的ORACLE、SYBAS及MSSQLSERVER数据库服务器中的局部库集成为一个全局库并提供全局事务管理和并行查询处理的异构数据库系统。     

Parallel Expectation-Maximization Algorithm for Large Databases

The earliest resource dates back several decadeswhen Baumet al.[1]appliedthe algorithmin a specialcase of hidden Markov models.The most i mportantwork by Dempster,Laird and Rubin[2]formalizedex-pectation-maxi mization(EM)and proved its conver-gence.The basic EMalgorithmconsists of an expec-tation(E)step filling in missing data and finding itsdistribution giventhe known variables andthe currentparameter esti mates,and a maxi mization(M)stepre-esti mating the parameters to maxi mize the like…     

基于Naive Bayes的CLIF-NB 文本分类学习方法

针对Naive Bayes方法中条件独立性假设常常与实际相违背的情况，提出了CLIF_NB文本分类学习方法，利用互信息理论，计算特征属性之间的最大相关性概率，用变量集组合替代线性不可分属性，改善条件独立性假设的限制，并通过学习一系列分类器，缩小训练集中的分类错误，综合得出分类准确率较高的CLIF_NB分类器．     

数据挖掘在客户关系管理(CRM)中的应用

CRM现在逐渐成为企业的焦点 ,也成为计算机领域一个活跃的研究领域。介绍了有关CRM和数据挖掘的一些基本概念 ,以及数据挖掘应用于CRM所带来的好处 ;最后指出了如何在CRM中实施数据挖掘应用。     

Study and Implementation of Web Mining Classification Algorithm Based on Building Tree of Detection Class Threshold

A new classification algorithm for web mining is proposed on the basis of general classification algorithm for data mining in order to implement personalized information services. The building tree method of detecting class threshold is used for construction of decision tree according to the concept of user expectation so as to find classification rules in different layers. Compared with the traditional C4.5 algorithm, the disadvantage of excessive adaptation in C4.5 has been improved so that classification results not only have much higher accuracy but also statistic meaning.     

关联规则挖掘AprioriHybrid算法的研究和改进

分析了关联规则挖掘Apriori、AprioriTid和AprioriHybrid算法的优缺点，针对AprioriHybrid算法的瓶颈提出了一种使用支持度矩阵对频繁2项集快速验证的方法，并给出了一种简单易行，而又高效的逐步缩减交易数据库的方法，加快了对候选频繁k项集的验证速度，从而显著地提高AprioriHybrid算法的效率。