一种基于粗糙集带支持信息的挖掘算法

本文根据直接利用粗糙集挖掘规则难以避免偶然性、以及求出所有约简与求最小约简的问题都是NP-难的问题，提出一种求精简规则的启发式算法DR。该算法根据实际数据挖掘的特点、充分利用属性支持信息直接从数据表中挖掘高支持度和描述长度小的规则集。算法DR计算简单，其效率主要与属性的个数相关，当属性取不同值的数目不大时是一个高效算法。     

利用MSExcel开发多维动态数据网页

为了高效、准确、科学地分析数据,以便找出隐藏在数据背后的宝贵信息进而作出科学的决策,力图通过Excel的数据透视表组件实现OLAP多维数据库的数据分析与动态网页数据展现。利用由Excel的数据透视表组件快速开发出的OLAP网站,业务人员不需要额外培训即可通过IE浏览器实时、全方位分析与浏览多维系统中的数据。     

一种在小样本情形下求解广义最佳鉴别矢量集的新算法及其在人脸识别中的应用

一、引言 线性特征抽取是一种有效的降维方法,到目前为止,人们给出了许多线性特征抽取方法[1,2],就鉴别能力来说,Foley-Sammon变换(FST)[3]被认为是最好的方法之一,FST是根据用于线性鉴别问题的Fisher鉴别准则[4]得到的,1970年,Sammon给出了基于Fisher准则的最佳鉴别平面[5],1975年Foley和Sammon推广了Sammon的方法,给出了最佳鉴别矢量集的结果,并以此构成了FST.Foley和Sammon的重要结果吸引了众多模式识别领域中的研究者[6～14],特别是对类内散布矩阵Sw为奇异的情形,人们作了许多工作,并取得了良好的结里[2,6,11～13].