基于显露模式的对比挖掘研究及应用进展

对比挖掘是近年来数据挖掘领域的新热点之一。对比挖掘关注并描述不同类别和条件下,或随时间变化的知识,旨在设计能够发现刻画数据集中不同类别或条件的样本间差异的模式或模型的方法。由于对比挖掘技术能化繁为简、准确分类,在实践中得到广泛应用。显露模式的挖掘和应用是对比挖掘的重要分支。综述了显露模式的背景、基本概念和原理,分析了显露模式的挖掘方法,讨论了显露模式的扩展定义和挖掘,介绍了基于显露模式的分类器构造方法,展示了显露模式的若干实际应用,展望了基于显露模式的对比挖掘的未来研究。     

基于多目标并行基因表达式编程的电路演化算法

为提高数字电路演化的效率和成功率,在并行基因表达式编程的基础上,对电路设计中涉及的多个目标进行了定义与量化,并针对这些目标提出基于多目标并行基因表达式编程的电路演化算法(MPGEP).主要工作包括:1)设计演化电路中的GEP编码;2)利用OpenMP设计基于通用多核处理器的并行基因表达式编程模型;3)定义和量化电路演化的多个目标,利用非支配排序和适应度共享策略来提高搜索方向的空间均匀性;4)通过数字电路演化实验证明,与传统的GP和GEP算法相比,MPGEP算法不仅进化时间减少了86.1%和31.4%,同时还能得到更简单和实用的电路,得到最优电路比率提高了50.4%和38.9%;与多目标串行电路演化算法MGEP相比,MPGEP算法的进化时间减少了48.7%;与并行电路演化算法PGEP-MC相比,MPGEP算法得到最优电路的比率提高了38.3%.     

基于动态适应度的基因表达式编程挖掘反函数*

为提高基因表达式编程(GEP)发现知识效率,提出并实现了基因表达式编程的动态适应度函数. 将逐步权重自适应(SAW)应用于基因表达式编程中适应度函数的动态调整;将线性N维向量函数引入作为适应度函数的组件,用于提高求适应度效率;通过挖掘反函数和方程求解的实验, 表明新方法比传统基因表达式编程所求得的反函数表达式的精确度有较大的优势,性能提高约8%.     

一种基于UD-Tree的分布式数据库新型复制架构

针对大量数据库的数据复制问题 ,提出了一种基于 UD- Tree的复制架构 RAUT(Replication Architecturebased on UD- Tree in distributed databases) .不同于已有的研究成果 ,RAU T采用树结构作为分布式数据库的组织方式 .主要成果包括 :(1)提出了两种新的基于树结构的高效算法用于数据传输 .(2 )有效克服了传统复制模型的缺陷 .(3)极大的减少了数据传输量并大幅提高了系统的整体性能 .(4 )实现了架构中的所有算法 ,并成功应用于由数百台服务器组成的全国公安系统 CCIC(中国犯罪信息中心 )大型分布式数据库系统     

基于基因表达式编程的知识发现--沿革、成果和发展方向

综述了基于基因表达式编程(Gene Expression Programming，GEP)的知识发现技术的沿革、特色和成果。剖析了GEP中通过简单编码解决复杂问题的关键技术。特别介绍了在这一领域的工作成果，如基于GEP的多项式因式分解，频繁函数挖掘，抗噪声数据的函数挖掘，太阳黑子预测等。对进一步开展基于GEP的知识发现技术的发展策略提出了自己的见解。     

基于基因表达式编程的信用评估模型挖掘方法

提出了一种基于基因表达式编程(GEP)的信用评估模型挖掘方法GEP-CREDIT。该方法基于客户信贷数据，利用GEP算法自动进行属性筛选，并进行属性融合，在此基础上训练和建立信用评估模型。在德国信用数据库真实数据集上做的实验和性能分析表明,基于GEP的信用评估模型挖掘方法较Nave Bayes算法的预测精度提高了3%；较SVM算法的预测精度提高了1.6%；较KNN(K=17)算法的预测精度提高了6.83%。     

基于重叠表达的多基因进化算法

受生物基因片段重叠表达现象的启发,文中提出了一种新的基于重叠表达进化算法--MEOE(Multigene Evolutionary algorithm based on Overlapped Expression).文章具体描述了MEOE的基因表达结构及相应的算法.不同于已有的工作,在MEOE中作为遗传物质的基因具有重复表达的概率,同时算法融合了免疫算法关于浓度的计算技术.文章对MEOE算法作了较为全面的分析,讨论了算法在表达空间、可表达性、性状遗传上的特点,并与传统算法作了相应比较.详尽的实验证明,MEOE算法在速度上是GEP的2.5～9.4倍.在高次函数发现问题上MEOE算法的成功率比GEP提高至少一个数量级.另外,通过实验证明了基于密度的概率选择函数在高次函数发现问题上具有一定优势.     

基于属性归纳的中药方剂数据挖掘

传统的面向属性归纳技术（AOI）存在概化粗糙及算法效率较低等缺陷。为适应中药方剂数据挖掘的复杂需求，提出基于中药数据驱动的属性关联概化算法；为关联的维度创建概念树，利用关联属性与基准属性的相关性以提高归纳的效率，实现了面向属性关联归纳的数据挖掘系统TCMDBMiner。实验结果表明，新算法较传统算法的归纳概化效率提高了23%以上，挖掘结果符合中医理论。     

一个用户友好的文件装载窗口

许多优秀的软件,例如PC—TOOL及Turbo系列的Pascal、Basic、C等等,都有一个文件装载窗口。当用户在File窗口中选点Load时,出现一个目录窗口,列出指定目录下的文件和子目录名,用户用上下左右等箭头依动光条,选中文件后按〈Enter〉,则选点文件被     

双向关联规则挖掘及其相关性分析

分析了关联规则挖掘存在的3个问题：①不能有效地发现低支持度高置信度的有趣规则;②不能确定“相互依赖”的规则,如中药方剂中的药对药组;③找到的规则并不一定是有趣的,甚至是错误的。鉴于此,提出了双向关联规则挖掘,并对其进行了相关性分析。最后,将新方法用于中药方荆配伍规律的研究中,发现了大量具有重要意义的药对药组,证明新方法能很好地解决上述问题。