基于粗集神经网络的分类方法

数据挖掘是近年来发展快速的信息处理新技术,如何有效地从高维的、超大规模数据中提取隐藏的有用信息,是该领域的研究核心。针对海量数据的挖掘分类问题,将粗集和神经网络紧密结合建立一种新的高效数据挖掘模型,即利用粗糙集理论中的知识简化方法,去掉冗余的属性特征和样本,然后,利用性能优良的模糊kohonen 聚类神经网络进行聚类分析,最后形成分类规则。该模型充分融合了粗集强大的规则提取能力和神经网络优良的分类能力。实验证明模型具有很好的分类效率,且有较高的精确性。     

基于混合瑞利分布的三维医学图像分割算法

水平集算法是当前比较重要的分割算法,研究该算法的三维分割技术.提出高斯分布和瑞利分布相结合的方法进行概率密度函数的确定与分析,通过随机极大似然算法(SEM)把瑞利分布引入到水平集三维分割演化模型中.该方法成功应用于多种医学组织的三维分割,提高了分割速度和分割效果,减少了参数的设置.     

一种识别相似重复记录的模糊匹配方法

针对多数据源集成中存在的相似重复记录的问题,提出了一种基于用户兴趣度分组的模糊匹配识别方法。首先通过用户兴趣度方法来计算属性的权值,然后按照数据分组思想,选择权值大的属性将数据集分割成不相交的小数据集,最后在各小数据集中用模糊匹配算法进行相似重复记录的识别,为了提高识别效率,可选择余下权值大的属性进行多次分组和识别。理论和实践表明,该方法有较高的识别效率,能有效解决数据集成中相似重复记录的识别问题。     

区间数排序的一种联系数方法

针对区间数排序问题,利用集对分析联系数理论中关于不确定与确定性问题的理论方法,提出了一种新的区间数排序方法.该方法用联系数中的同、异.反反映了区间数的不确定及其变化趋势,并结合该理论提出了一个区间数排序指标的新概念--势.在此基础上,给出了一个具体实例,通过实例表明该方法计算不仅简便而且有效正确.     

基于待与项集的频繁项集挖掘算法的研究

针对Apriori算法存在的问题,提出了一种基于待与项集的频繁项集挖掘算法,从两方面考虑对算法效率进行改进:通过对项编码来减少扫描数据库次数;提出了一个新的概念一待与项集,通过从待与项集中删除项来减少候选项集的数量.实例分析表明,该方法仅需扫描一次数据库,而且具有搜索速度快、节省内存空间等优点.该算法同样适用于处理超大型事务数据库.     

一种新的覆盖粗糙集及其模糊性度量

在覆盖近似空间中定义了一类新的模糊集,给出了该类模糊集的模糊性度量,讨论模糊集及其模糊度量的性质,最后通过实例给出直观解释.     

基于0-1矩阵的频繁项集挖掘算法研究

通过对关联规则挖掘技术及经典算法Apriori的研究和分析,结合该算法存在的问题,提出了一种基于0-1矩阵的频繁集挖掘算法.该算法使扫描数据库的次数减为一次,有效率地降低I/O的存取时间,直接通过支持矩阵行向量的按位与运算来找出频繁集,而不需要Aprion算法中的自联接和减枝,提高了系统的运行效率.通过不断压缩支持矩阵,不仅减少了高次频繁集挖掘的时间,而且节约了存储空间.仿真实验表明,该算法是有效的.     

程序并行化中基于暴露集生成数据分布代码

在并行化编译中,代码生成属于编译器的后端,决定着并行程序的执行效率.数据划分将计算循环中被重定义或没被读引用的数据映射到处理器,按照数据划分生成通信代码会产生冗余通信.提出了利用数组数据流分析求解暴露集,并建立计算划分、循环迭代以及暴露集的不等式限制系统,最后通过FME(fourier Motzkin elimination)消元生成数据分布代码的优化算法.测试结果表明该算法对数据分布的优化效果明显.     

MD5碰撞攻击中的充要条件集

通过分析MD5中非线性函数的性质以及模2³²减差分和异或差分的性质,证明了Liang Jie和Lai Xuejia 给出的产生MD5碰撞的充分条件集中的条件是保证第23～62步的差分路径满足的充要条件,给出了保证第63、64步的输出差分满足的充要条件集.利用得到的充要条件集,提出了对MD5的改进的碰撞攻击算法,该算法的平均计算复杂度约为已有碰撞攻击算法的0.718 7倍,并通过实验对该算法的改进效果进行了验证.     

短期负荷预测Volterra滤波器模型

讨论依据相空间邻近轨道演化相似性的特点构造训练模式,建立短期负荷预测Ｖｏｌｔｅｒｒａ滤波器模型的问题．以距离相似度和趋势相似度来衡量电力负荷吸引子轨道的相似度,提出了电力负荷吸引子邻近轨道判别的新方法．从模型训练充分性的角度出发,探讨了模型训练集规模的选择依据．仿真结果表明该模型是有效的．