组合加速逃逸时间法构造M—集和充满的J—集

利用作者构造的迭代函数给出了一种新的组合加速逃逸时间算法。本算法在迭代点位于Ｍａｎｄｅｌｂｒｏｔ－集或充满的Ｊｕｌｉａ－集内部时也能很快地被判定，在保持了原算法精度的基础上，大大地加快了构造分形集的速度。     

含参有理函数族M集的拓扑不变特性

利用Ｎｅｗｔｏｎ法对应的有理函数族给出一系列新的广义Ｍａｎｄｅｌｂｒｏｔ集和Ｊｕｌｉａ集,通过计算机研究了它们与典型Ｍａｎｄｅｌｂｒｏｔ集和Ｊｕｌｉａ集之间的关系,并对Ｍａｎｄｅｌｂｒｏｔ集与Ｊｕｌｉａ集之间的关系进行了分析,解析分析了广义Ｍａｎｄｅｌｂｒｏｔ集的有界性、芽苞周期和不同周期芽苞个数,为Ｍａｎｄｅｌｂｒｏｔ集和Ｊｕｌｉａ集的发展提供了新的思路·     

计算机构造Julia—集盒维数回归估计

本文利用计算机对Ｊｕｌｉａ－集的盒维数与参数ｃ的关系进行了回归分析，在与Ｊｕｌｉａ－集对应的Ｍａｎｄｅｌｂｒｏｔ－集的不同区域得到了相应的回归公式。     

构造分形集的组合逃逸时间算法

基于Ｍａｎｄｅｌｂｒｏｔ集和Ｊｕｌｉａ集等构造分形集的典型方法的算法，使用扫描视窗技术，对不同扫描范围（内部或外部分形集）给出不同的时间逃逸组合，得到新的算法，即组合时间逃逸算法。     

一般复三次迭代的动力学分析

利用计算机可视化技术,研究了一般复三次迭代系统的动力行为以及相应的Ｍａｎｄｅｌｂｒｏｔ集和Ｊｕｌｉａ集的结构,并利用周期扫描法画出了Ｍａｎｄｅｌｂｒｏｔ集,分析了临界点和Ｊｕｌｉａ集之间的关系·对于多于一个临界点的复动力系统,其在复平面上的动力行为完全取决于临界点轨道的收敛性·     

复多项式虚实部互换构造广义M集及J集

在研究经典Ｍ－集构造方法的基础上，进一步将复多项式虚实部互换构造广义高阶Ｍ－集并对Ｍ－集的特征进行了分析研究，根据作者提出的旋转逃逸时间算法构造一系列相应的高阶Ｊｕｌｉａ集。     

分形图案的快速生成法

该文给出了经典Ｍａｎｄｅｌｂｒｏｔ集合和Ｊｕｌｉａ集合的概念，分析了常用的点点计算法的特征，在此基础上设计出快速的有限递归细分算法（ｆｉｎｉｔｅｒｅｃｕｒｓｉｏｎｓｕｂ－ｄｅｖｉｄｅ，简称ＦＲＳ）。利用这２种算法生成Ｍａｎｄｅｌｂｒｏｔ放大集以及三角函数、指数函数、Ｇａｕｓｓ和函数、Ｎｅｗｔｏｎ解函数的Ｊｕｌｉａ集合并进行比较，ＦＲＳ法一般要比点点计算法快３～５倍，解决了微机生成分形图案时间太长的问题。通过快速算法显示出分形图案的内部蕴涵的精妙结构，提供了深入研究分形的手段     

构造高阶广义M─分形图及对称逃逸时间算法

利用“对称逃逸时间算法”，根据经典的“Ｍａｎｄｅｌｂｒｏｔ－集”的构造方法，构造了一系列高阶多项式的复映射变换：ｆ（ｚ）＝ｚｍ＋ｃ（２≤ｍ≤１０）所显示的高阶广义Ｍａｎｄｅｌｂｒｏｔ－集（简称Ｍ－集或Ｍ－分形图），提供对其定量研究的新材料．这些独特而奇妙的分形图不仅特别令人赏心悦目，而且“被认为是至今所看到的最为复杂的数学研究对象之一     

某类整函数Julia集的Hausdorff维数

讨论了ｆλ的动力系统的某些性质，利用ＭｃＭｕｌｌｅｎ的方法，构造了一个集合Ｅ，Ｅ是ｆλ的Ｊｕｌｉａ集的子集，并证明Ｅ的Ｈａｕｄｏｒｆｆ维数是２。     

广义M-集和充满J-集及组合加速逃逸时间法

利用作者构造的迭代函数给出了一种新的广义Mandelbrot-集与充满的Julia-集的组合加速逃逸时间算法,本算法在迭代点位于广义Mandelbrot-集或充满Julia-集内部时也能很快地被判定,在保持了原算法精度的基础上,大大地加快了构造分形集的速度.     

基于遗传算法和粗糙集理论的增量式规则获取方法

规则获取的增量式算法是数据挖掘领域的一个热点问题.基于粗糙集理论,从规则获取和优化两方面研究了基于遗传算法的增量式规则挖掘方法,它具有结构简单、搜索效率高、求解速度快等优点.通过研究决策表和决策规则系数,建立基于粗糙集表示和度量的知识,并且将遗传算法和规则挖掘算法相结合,建立了新的优化方法,提出了一种基于遗传算法的增量式规则挖掘的方法.在原有规则集的基础上进行规则和规则参数的增量式更新,避免了为更新规则而重新运行规则获取算法.试验结果表明,执行增量式GA的能够有效地获取最优规则.     

正负关联规则挖掘算法在电子商务网站中的应用

摘要 为了增加电子商务网站的销售额,分析了商品推荐在电子商务系统中的作用,研究了数据挖掘中的正负关联规则挖掘技术的特点,提出了一种新的正负关联规则挖掘算法。新算法通过使用旋转数据库和位运算减少了扫描原始数据库的次数,加快了挖掘速度。另外,新算法在挖掘正规则的同时,利用负规则裁减掉无效规则,得到的结果更符合用户的购物行为。通过测试得出新算法比传统的Apriori算法执行时间更短,商品推荐更精确。     

基于返回式二进制树形搜索的反碰撞算法

多个电子标签在识别时发生碰撞是射频识别(RFID)技术中关键的问题.解决此问题常用二进制树形搜索算法,但这种算法对N个标签识别进行一一识别时,所需的操作次数太多,效率较低.本文提出了一种新的算法,该算法是在二进制树形搜索算法的基础上进行改进.当阅读器检测不到有碰撞时,可用返回式从上一层REQUEST命令获得下一次的REQUEST命令.最后,通过比较对N个标签进行一一识别所需要总的操作次数,来进一步说明返回式二进制搜索算法的优越性.     

一种基于模糊逻辑的图像自适应去噪算法

为克服单一使用中值滤波方法去除脉冲噪声会造成图像细节信息丢失,使图像变模糊的缺陷,提出一种新的基于模糊逻辑的图像自适应去噪算法.新算法通过分析像素不同方向邻域像素灰度值分布情况来检测脉冲噪声点,另外为更好地保持图像边缘等细节特征,使用改进MMEM(maximum-minimum exclusive median)算法对噪声像素点的灰度值进行估计.最后,新算法通过引入模糊逻辑规则,更加合理地进行噪声污染像素点的灰度值复原.仿真结果表明,与其他改进中值滤波算法相比新算法在去除脉冲噪声时能取得更好的效果.     

基于模拟退火算法与隐马尔可夫模型的Web信息抽取

典型隐马尔可夫模型对初始参数非常敏感,采用随机参数训练隐马尔可夫模型时常陷入局部最优,应用于W eb信息抽取时效果不佳.文中提出基于模拟退火算法与隐马尔可夫模型的W eb信息抽取算法.通过实验比较选择最佳的模拟退火算法参数,结合Baum-W elch算法优化隐马尔可夫模型并应用于W eb信息抽取.实验结果表明新算法在信息抽取的精确率和召回率都有明显的提高.     

混合优化算法及在约束优化问题中的应用

针对混沌优化方法和Alopex算法的特性,将改进的Alopex算法嵌入到混沌优化算法中,提出了一种混合优化算法,此算法充分发挥了改进的Alopex算法的快速搜索能力和混沌优化方法细致寻优的特性,提高了算法的收敛速度,避免了优化算法陷入局部最优的缺陷;同时将混合优化算法应用于约束优化问题中．仿真结果表明了混合优化算法的有效性．     

一种改进的Eclat算法

首先,深入分析了频繁模式挖掘算法Eclat和Eclat+,在大数据集上挖掘长模式时,Eclat+的性能不及Eclat。基于此,提出一种改进的Eclat算法,新算法充分利用了垂直数据表示和交叉计数的高效优势,直接在垂直数据表示的数据集上通过广度优先搜索和交叉计数产生频繁模式。实验结果表明,在挖掘长模式时,改进的Eclat算法的运行速度较Eclat、Eclat+均有明显的提高。     

基于5阶细胞神经网络图像浮雕算法研究

针对如何使图像中的浮雕效果更具有立体感的问题,设计了关于图像的5阶细胞神经网络(CNN)的浮雕算法研究的方案,研究了该算法对于图像的立体化处理的过程,对于同一图像分别采用5阶CNN、3阶CNN算法和拉普拉斯算法进行对图像的立体化处理,并比较了几类算法的优劣.实验表明,基于5阶CNN浮雕算法更接近现实,直观效果更好,在实现图像的实时处理中,能够有效地生成具有艺术效果的浮雕图像.同时,将其应用在遥感图像的处理工作中,取得了很好的效果.     

一种新的过程神经网络训练算法及其应用

着重研究了基于离散数据的过程神经网络建模问题。考虑到来自现场的过程变量数据基本都是离散的采样数据,故先对离散采样数据进行预处理,然后采用离散Walsh变换法对数据进行转换,即将网络输入函数和权函数在Walsh基下映射为一组新的时变向量,将积分聚合运算简化为向量内积运算,实现离散采样数据对连续网络的直接输入。应用所建立的过程神经网络模型对发酵过程菌体浓度进行了预测,取得了较好的效果。