基于关联分析的数据挖掘在体检CRM中的应用

运用关联分析方法对体检中心数据进行挖掘。首先分析了关联规则的原理和方法,然后对待挖掘数据进行集成、变换等预处理,得到能进行挖掘的原始数据.采用挖掘工具WEKA,选用关联规则中的Apriori算法对处理后数据进行分析,得到了与某一病症相关的各个症状之间的关联关系,以及各个症状与健康之间的关联关系。     

基于自学习规则和改进贝叶斯结合的问题分类*

根据对中文问题的分析可知,问题中的疑问词和中心词等关键词对问题所属类型起着决定性的作用。提出利用自学习方法建立疑问词—类别和疑问词+中心词—类别两种规则,并结合改进贝叶斯模型的问题分类方法。该方法充分利用了关键词对分类的贡献。实验结果表明,该分类方法有很大的改进,准确率达到了84%。     

CA与生命游戏演化的组合模型*

基于摩尔奇偶型CA,提出一种结合生命游戏的演化模型.首先设置初始构型进行摩尔奇偶型规则演化,再引入生命游戏规则,按游戏规则演化;最后依此重复摩尔奇偶规则和生命游戏规则,直到演化整个元胞空间.证实在摩尔奇偶型CA的基础上,结合生命游戏在很大程度上减小了演化过程对初始构型的依赖,出现更为丰富的图元以及基于图元和演化框架的动态图案,且演化过程仍然符合摩尔奇偶型CA的演化规律.结合模型可以避免演化过度依赖初始构型以及演化过程的单调性,而且组合演化模型可以应用于图案生成,生成保持风格的规则几何纹理图案,丰富图案的生成方法.     

混合匹配规则的否定选择算法

针对目前基于免疫的检测器生成算法中,匹配规则单一造成的检测器质量低下的问题,提出一种基于混合匹配规则的否定选择算法,采用海明距离整体匹配的各段内R连续比特匹配的否定选择算法,即混合匹配否定选择算法,对算法的性能进行了分析．实验结果表明,该算法能够高效地产生所需要的检测器,提高了检测率,且降低了误报率．     

篮球规则的修订对篮球比赛技战术的影响

篮球规则随着篮球运动的发展而发展,随着战术的变化而变化,永远处在不断的变化和完善之中。通过对篮球规则改变对篮球比赛的影响进行探究总结新规则改变的内容;再者,对新规则所改变的内容结合比赛实际进行探讨分析,指出新规则实施对篮球比赛的正负影响及新篮球规则在实施过程中存在的问题,并提出整改措施和建议,为促进篮球运动的良性发展提供理论依据。     

一种基于生成树的分类去除关联规则冗余方法

在信息及数据爆炸的时代,冗余问题已经成为数据挖掘者获得知识的重大障碍,而目前解决的方法会导致关联规则的不完整性。基于此,文中引入了有向超图表示关联规则,重定义了邻接矩阵,介绍了冗余规则分类处理思想,将冗余规则分为从属规则和重复路径规则,通过VB编程去除了从属规则冗余,以及利用生成树算法去除了重复路径规则冗余。实验结果证明,此方法创新性地结合了图论中有向超图、生成树与关联规则的知识,维护了关联规则的完整性和准确性,同时去除了全部冗余规则。     

基于软分区的地区电网自动电压控制系统

介绍贵港地区电网基于软分区的三级自动电压控制（AVC）系统,并对该系统的三级控制原理及区域变电站的控制规则进行说明。     

分段对称反向高斯-约当消元法及其应用

求解变系数方程的高斯消元法与高斯-约当消元法计算原理类似、问题相近,但前者计算速度高于后者.提出分段对称反向高斯-约当消元法,其中包括根据系数矩阵结构特点构成特殊增广阵,以展示和应用元素的变化规律,并分段对上下三角元素消元以大大提高计算效率.对矩阵下三角元素正向消元及对称计算可简化所有下三角元素计算,而对上三角元素反向消元可再省略所有上三角元素计算,而取倒后的对角元素作为规格化因子可大大减少除法计算.根据单位矩阵结构特点,对其规格化或对系数矩阵上下三角元素消元时均仅计算部分对角元素和下三角元素可进一步提高计算效率.所有元素均用四角规则计算而无需计算公式以简化计算和编程.新方法大大减少了高斯-约当消元法中元素的计算,且原理简单、易于编程,可快速求解各种变系数方程,还可利用元素对称性求解常系数的节点阻抗矩阵.与高斯消元法和高斯-约当消元法相比,新方法计算速度大大提高.     

基于变分自编码器的非规则缺失图像修复仿真

目前的非规则缺失图像修复方法,连接图像的非规则缺失对角元素,导致修复图像所需时间长,修复后的图像的信噪比较低,修复误差较大,只能修复规则缺失图像,为此提出基于变分自编码器的非规则缺失图像修复仿真.利用变分自编码器,提取非规则缺失图像局部信息,预测图像非规则缺失部分,完成非规则缺失图像缺失部分填充;采用循环矩阵和特普利兹矩阵,重建非规则缺失图像;设计非规则缺失图像修复仿真流程,完成非规则缺失图像修复.实验结果表明,所设计的非规则缺失图像修复方法,修复图像中存在的不规则缺失,产生的信噪比较高、修复误差较小,修复所需时间较短,具有较高的不规则图像缺失修复性能,较优的图像修复效果.