挖掘最大频繁模式的新方法

由于其内在的计算复杂性,挖掘密集型数据集的频繁模式完全集非常困难,解决方案之一是挖掘最大频繁模式集．该文在频繁模式完全集挖掘算法Opportune Project基础上,提出了挖掘最大频繁模式的新算法MOP．它采用宽度与深度优先相结合的混合搜索策略,能恰当地选择不同的支持集表示和投影方法,将闭合性剪裁和一般性剪裁相结合,并适时前窥,实现搜索与剪裁效率最优化．实验表明,MOP效率是MaxMiner的2～8倍,比MAFIA高2个数量级以上．     

最大频集的挖掘方法

在对树生成的策略、模式支持集表示与投影、闭合性剪裁方法研究的基础上，提出了挖掘最大频繁集的两个新算法cap-max和op-max。cap-max是基于闭合频集的二阶段挖掘算法，先挖掘闭合频集，再从中求得最大频集；op-max是直接剪裁完全频集的算法，在频集生成过程中，通过前窥和包含关系检查及时剪裁搜索空间。实验表明，cap—max的时间效率比maxminer高1．5～4倍，op-cap的时间效率比maxminer高2～lO倍。     

数据挖掘在高校招生预测中的应用研究

高校招生人数准确预测问题,高校招生人数由于受到当前国家政策、社会需求、社会经济状态等因素综合影响,使招生人数变化存在非线性、复杂性。传统预测线性模型难以进行准确预测,预测准确率低。为了提高高校招生人数预测准确率,提出一种数据挖掘的高校招生人数预测模型。首先采用数据重构方法,获取多维高校历史数据,然后采用主成分分析对其进行处理,消除数据之间的重复信息,最后采用非线性预测能力强的支持向量机进行建模。采用某高校1994-2010年招生数据对模型的性能进行仿真,预测准确率高,证明建立的模型可以为高校招生未来人数预测提供参考。     

体育信息管理系统的设计与实现

本文旨在实现学校体育信息的全方位、多层次、方便快捷的计算机管理与分析。使用SQLServer后台数据库,以PB作为前台开发工具,进行体育信息的摄入、管理与设计;同时实现了部分信息的网络传送与发布。     

直接挖掘跨层关联规则的新方法

文章定义了一种跨层扩展频繁项目图Clefig,提出了基于Clefig直接产生频繁模式算法Clefig-Prod。它能高效地挖掘单层、多层特别是跨层关联规则。实验表明,在多层、跨层和支持率阀值较小的单层挖掘上,Clefig-Prod效率优于Cumulate、Apriori等经典算法。     

体育信息管理系统的设计与实现

本文旨在实现学校体育信息的全方位、多层次、方便快捷的计算机管理与分析。使用SQL Server后台数据库，以PB作为前台开发工具，进行体育信息的撮入、管理与设计；同时实现了部分信息的网络传送与发布。     

一种改进的C/S模式在管理信息系统中的应用

针对两种模式在管理信息系统应用中存在的不足,提出一种将C/S和B/S结合的策略,并作进一步的改进,构造成一个C/S模式的分布式数据库系统.分析这种方案的优点及实现的可行性,对该种方案在医疗卫生行业的应用作具体说明.     

关联规则挖掘技术研究的新进展

在数据库中发现频繁模式和关联规则是数据挖掘领域的最基本、最重要的问题。自从Agrawal的开创性工作以来,有关研完从未停止过。然而由于其内在的计算复杂性,这一问题并未完全解决。本文对关联规则的基本概念和类型、重要挖掘算法、特别是近年来相关研究的新进展做了全面综述与深入分析,并指出了未来的研完方向。     

基于蚁群算法的煤矿运输车辆调度应用研究

现代物流运输煤矿运输车辆调度过程复杂多变,蚁群算法是一种新型的启发式搜索算法,可以很好地解决这一问题。传统蚁群算法容易出现早熟和停滞现象,因此,通过对基本蚁群算法中的选择策略和信息素的改进,提出一种新的蚁群算法,克服传统蚁群算法的缺陷。将它用于求解煤矿运输车辆调度问题,仿真实验证明了改进算法的有效性和可行性。