《数据结构》教学实践与教改探讨

数据结构是计算机科学的一门重要的课程,根据该课程的特点,作者总结了在数据结构教学实践中出现的一些问题,同时探讨了一些改进数据结构教学的方法。     

正负关联规则挖掘在电子商务中的应用研究

如何根据用户当前的访问行为,预测他下一个感兴趣的商品,做出针对性的推荐成为电子商务的一个重要研究内容。文章提出了一种不需产生大量非频繁项集的关联规则挖掘算法,该算法利用相关性很好的改善了经典Apriori算法中存在大量冗余规则问题。最后通过实验证明了算法的有效性。     

基于改进FP-Tree的最大频繁项集高效挖掘算法

基于FP-T ree的FP-M ax算法在挖掘最大频繁集时需多次递归建立条件模式树耗费大量存储空间,这大大降低了算法的挖掘效率。提出了一种基于改进FP-T ree的最大频繁集快速挖掘算法-FP-EM ax算法。该算法无需建立条件模式库大大减少了存储空间开销,采用预剪枝策略减少条件模式树的构造次数及子集检测次数,从而算法的挖掘效率大大提高。最后通过实验证明FP-EM ax算法在支持度较小的情况下较之于FP-M ax及同类算法具有更好的性能。     

电力系统中的数据挖掘技术

介绍了数据挖掘的基本概念、挖掘技术常用算法及挖掘模型等,讨论数据挖掘在电力系统中的主要应用。     

有工件交货期限制的车间作业调度方法研究

在车间作业调度中,如何合理安排工件在机器上的加工顺序是企业生产过程研究的关键问题。针对传统优化方法只是对总体加工时间最少进行研究及遗传算法中过早收敛的缺点,通过在加入总体加工时间调节因子,提出了在保证总体在加工时间最短或相对最短的前提下保证某一工件交货期的免疫遗传车间作业调度方法。最后对著名的FT10×10标准问题进行了仿真实验,首先通过修改调节因子进行了结果比较,然后同其它算法的结果进行了比较。仿真结果说明了该方法的可行性和优越性。     

不完备决策表属性约简的CIEARAWCC算法

不完备信息系统中的属性约简是粗集理论应用的难点。通过引入信息熵和条件信息熵,对信息系统中属性的必要性进行了定义,提出了一种基于条件信息熵的属性约简启发式算法。通过引入相对正域,有效地解决了不一致系统属性约简过程中产生的冗余属性问题,并分析了该算法的时间复杂度。最后,通过实例说明该算法能得到不完备决策表的最小相对约简。     

一种基于改进遗传算法的TSP问题求解方法

通过改进经典遗传算法的交叉算子和变异算子,提出了一种改进遗传算法。介绍了该算法的基本步骤及特点,并对TSP问题进行了仿真实验。实验结果表明改进算法有效地提高了算法的收敛速度与寻优质量,在解决TSP问题时表现出良好特性,与经典遗传算法相比具有明显优势。     

基于频繁2项集支持矩阵的Apriori改进算法

捕要：Apriori算法在关联规则挖掘过程中需要多次扫描事务数据库,产生大量候选项目集,导致计算量过大。为解决该问题,提出一种基于频繁2项集支持矩阵的Apriori改进算法,通过分析频繁k＋1项集的生成机制,将支持矩阵与频繁2项集矩阵相结合实现快速剪枝,并大幅减少频繁k项集验证的计算量。实验结果表明,与Apriori算法和ABTM算法相比,改进算法明显提高了频繁项集的挖掘效率。     

改进的不完备决策表最优规则提取方法

不完备信息系统中的规则提取是粗糙集理论研究的关键问题之一。针对不完备决策表,通过引入广义决策函数,提出了一种不完备决策表的最优规则提取方法。实验结果表明该算法具有良好的求解能力,所获得的决策规则简洁,与缺省值无关。