数据流集成分类算法综述

详细介绍了国内外集成分类算法,对集成分类算法的两个部分（基分类器组合和动态更新集成模型）进行了详细综述,明确区分不同集成算法的优缺点,对比算法和实验数据集。并且提出进一步的研究方向和考虑的解决办法。     

高效用模式产生策略综述

高效用模式挖掘用于从数据中找出对用户有用的信息。现有的高效用模式挖掘算法很多,如何选择更优的方法进行使用,是普遍存在的问题。要解决这个问题首先要了解高效用模式挖掘算法的分类,继而针对问题找出对应的算法。按照不同的角度可以划分多种不同类型的算法。从使用数据结构的类型,划分为基于树和基于效用列表的方法;从算法所需要经历的阶段,划分为一阶段和两阶段算法;还可以从算法使用的剪枝策略进行划分,如投影,保留效用,提高最小阈值等。首先对一阶段、两阶段高效用模式算法进行分析,主要分析基于树的两阶段算法和基于列表的一阶段算法。然后从是否产生候选分析基于树的高效用模式算法。最后分析高效用模式算法用到的缩减空间策略,如剪枝策略、投影技术等。通过分析得到一阶段算法在时间与空间上优于两阶段算法,不产生候选项集的算法在时间与空间上优于产生候选项集的算法,算法缩小搜索空间一般通过多种剪枝策略。     

基于准确率爬坡的动态加权集成分类算法

传统集成分类算法中,一般将集成数目设置为固定值,这可能会导致较低分类准确率。针对这一问题,提出了准确率爬坡集成分类算法（C-ECA）。首先,该算法不再用一些基分类器去替换相同数量的表现最差的基分类器,而是基于准确率对基分类器进行更新,然后确定最佳集成数目。其次,在C-ECA的基础上提出了基于爬坡的动态加权集成分类算法（C-DWECA）。该算法提出了一个加权函数,其在具有不同特征的数据流上训练基分类器时,可以获得基分类器的最佳权值,从而提升集成分类器的性能。最后,为了能更早地检测到概念漂移并提高最终精度,采用了快速霍夫丁漂移检测方法（FHDDM）。实验结果表明C-DWECA的准确率最高可达到97.44%,并且该算法的平均准确率比自适应多样性的在线增强（ADOB）算法提升了40%左右,也优于杠杆装袋（LevBag）、自适应随机森林（ARF）等其他对比算法。     

聚偏氟乙烯应用及合成技术进展

叙述了聚偏氟乙烯(PVDF)在涂料、注塑、水处理、锂电池及光伏等领域的应用,介绍了偏氟乙烯单体的合成方法、PVDF的聚合工艺,汇总了国内企业产能情况,并展望了国内PVDF产业发展趋势。     

一种基于时间衰减模型的数据流闭合模式挖掘方法

数据流是随着时间顺序快速变化的和连续的,对其进行频繁模式挖掘时会出现概念漂移现象。在一些数据流应用中,通常认为最新的数据具有最大的价值。数据流挖掘会产生大量无用的模式,为了减少无用模式且保证无损压缩,需要挖掘闭合模式。因此,提出了一种基于时间衰减模型和闭合算子的数据流闭合模式挖掘方式TDMCS （Time-Decay-Model-based Closed frequent pattern mining on data Stream）。该算法采用时间衰减模型来区分滑动窗口内的历史和新近事务权重,使用闭合算子提高闭合模式挖掘的效率,设计使用最小支持度-最大误差率-衰减因子的三层架构避免概念漂移,设计一种均值衰减因子平衡算法的高查全率和高查准率。实验分析表明该算法适用于挖掘高密度、长模式的数据流;且具有较高的效率,在不同大小的滑动窗口条件下性能表现是稳态的,同时也优于其他同类算法。     

数据流高效用模式挖掘综述

数据流高效用模式挖掘方法是以二进制的频繁模式挖掘方法为前提,引入项的内部效用和外部效用,在模式挖掘过程中可以考虑项的重要性,从而挖掘更有价值的模式。从关键窗口技术、常用方法、表示形式等角度对数据流高效用模式挖掘方法进行分析并总结其相关算法,从而研究其特点、优势、劣势以及其关键问题所在。具体来说,说明了数据流高效用模式常用的概念;对处理数据流高效用模式的关键窗口技术进行了分析,涉及到滑动、衰减、界标和倾斜窗口模型;研究了一阶段和两阶段的数据流高效用模式挖掘方法;分析了高效用模式的表示形式,即完全高效用模式和压缩高效用模式;介绍了其他的数据流高效用模式,包括序列高效用模式、混合高效用模式以及高平均效用模式等;最后展望了数据流高效用模式挖掘的进一步研究方向。     

高效用模式挖掘关键技术综述

通过分析有关高效用模式挖掘(high utility pattern mining,HUPM)最先进的方法,对其进行全面和结构化的概述。首先,通过介绍HUPM的相关概念、公式并给出应用示例,对HUPM有更深一步的理解;针对用于挖掘不同类型HUPM的最常见和最先进的关键技术进行分类,包括基于Apriori、基于树、基于列表、基于映射、基于垂直/水平数据格式、基于索引等方法。针对现有关键技术的用途和优缺点进行了全面概述,由于静态数据难以满足实际需要,总结了在数据流上应用的HUPM方法,主要包括基于增量方法、基于滑动窗口模型方法、基于时间衰减模型方法、基于地标模型方法等。最后,给出了现有技术的不足和改进方向,并且有针对性地提出了新的研究方法。     

含负项top-k高效用项集挖掘算法

含负项高效用项集（HUI）挖掘是新兴的数据挖掘任务之一。为了挖掘满足用户需求的含负项HUI结果集,提出了含负项top-k高效用项集（THN）挖掘算法。为了提升THN算法的时空性能,提出了自动提升最小效用阈值的策略,并采用模式增长方法进行深度优先搜索;使用重新定义的子树效用和重新定义的本地效用修剪搜索空间;使用事务合并技术和数据集投影技术解决多次扫描数据库的问题;为了提高效用计数的速度,使用效用数组计数技术计算项集的效用。实验结果表明,THN算法的内存消耗约为HUINIV-Mine算法的1/60,约为FHN算法的1/2;THN算法的执行时间是FHN算法的1/10;而且该算法在密集数据集上的性能更好。     

高耐热高耐焊性环氧胶膜的研制

以双酚A型环氧树脂EP638、EP828为基体树脂,丁腈橡胶为增韧剂,酰肼为固化剂,咪唑为固化促进剂,引入导热填料氮化硼、氧化铝,制备了高耐热高耐焊性环氧胶膜。采用单因素试验法优选出制备环氧胶膜的最佳工艺条件,对环氧胶膜的导热性能、介电性能、剪切强度、粘结强度和玻璃化转变温度(Tg)等进行测试。结果表明:制备高耐热高耐焊性环氧胶膜的最佳工艺条件是:m(EP638)∶m(EP828)=1∶1;w(丁腈橡胶)=20%,w(酰肼)=10%,w(咪唑)=5‰,w(填料)=60%,m(A12O3)∶m(BN)=1∶1;固化条件为120℃/1 h+150℃/1 h。此时环氧胶膜的介电常数为5.66,导热系数为0.581 W/(m·K),粘结强度为36.99 MPa,Tg为174.77℃,耐浸焊时间达10 min。     

基于Web的通用在线考试系统的设计与实现

针对早期的网络考试系统已经满足不了实际应用需求,研究开发了一套能适应大型网络考试需求的基于Web的通用在线考试系统,提出了划分成后台管理、考场监控管理和在线考试管理的系统方案,从试卷生成、在线监控、在线考试、阅卷与分析和试卷存储等模块进行阐述.通过多次大型考试实践验证,实现考试系统的出题、阅卷和成绩分析的自动化.