基于矩阵的多段支持度关联规则挖掘算法

为有效提高关联规则挖掘算法效率,提出了一种基于矩阵的多段支持度关联规则挖掘算法,该算法通过一次数据库扫描将事务数据存放在矩阵中,利用矩阵进行支持度的计算和频繁集的寻找,同时将项集支持度分段计算的思想应用其中,减少候选集生成,实验表明,算法效率得到了较大提高。     

基于图的频繁闭项集挖掘算法

为了提高数据挖掘效率，提出了一种基于图的频繁闭项集挖掘算法GFCG(graph—based frequent closed itemset generation)．该算法采用位矢量技术构造有向图，表示项与项之间的频繁关系，并在有向图的基础上递归产生频繁闭项集，从而只需扫描数据库2次，不产生候选集；引入扩展频繁项集的概念，大大减小了检查频繁项集是否闭的搜索空间．用1个真实数据库和2个合成数据库对GFCG进行了测试，并与A-close和CLOSET算法的结果进行了比较，结果表明，该算法具有良好的速度和可伸缩性性能．     

广义关联规则基及其挖掘算法

为了解决传统的关联规则挖掘中产生大量规则的问题，提出了项目集上闭集和广义关联规则基的概念，并得出了闭项目集的上闭集是它本身、上闭集是惟一的等性质．基于这些性质，给出了事物数据库的广义关联规则基，不仅保留了数据库中所有关联规则的信息，而且规则有一致的结构，从而最大限度地减少了规则生成的数量．此外，还设计了广义关联规则基的挖掘算法，并通过实例验证了它的正确性．     

变权值加快收敛的路径寻优实时算法

为获得满意解为目标的最优路径选择问题，给出了一种加权的LRTA^*(Learning Real-TimeA^*)算法，通过改变估价函数值更新规则与解时间和解质量的相对折中，加快算法收敛速度。实例应用表明，该方法比LRTA^*算法更快地收敛于满意解，是一种求解大城市稠密路网两点间最优路径的有效方法。     

Mining φ-Frequent Itemset Using FP-Tree

The problem of association rule mining has gained considerableprominence in the data mining community for its use as an important tool of knowledge discovery from large-scale databases. And there has been a spurt of research activities around this problem. However, traditional association rule mining may often derive many rules in which people are uninterested. This paper reports a generalization of association rule mining called φ-association rule mining. It allows people to have different interests on different itemsets that are the need of real application. Also, it can help to derive interesting rules and substantially reduce the amount of rules. An algorithm based on FP-tree for mining φ-frequent itemset is presented. It is shown by experiments that the proposed method is efficient and scalable over large databases.     

基于决策属性的关联规则挖掘

针对具有决策属性的数据库模型,提出了高效挖掘关联规则算法,即矩阵划分算法:根据决策属性将扫描后的数据库划分成两个包含不同决策属性的矩阵,分别采用向量法挖掘频繁项目集.关联规则的生成可充分利用“与”运算的优点,查找规则前件或后件的支持度.所提出的算法减少了候选二项频集的生成,以及“与”运算的大小,与apriori算法及传统的向量法挖掘关联规则相比,效率明显提高.     

荷载模糊模式识别中的应变传感器优化布置

根据遗传算法的多目标优化方法和结构荷载模糊模式识别的原理,提出了一种应变传感器测点的优化方法.根据各点应变的变异系数和线性相关性,确定了测点的候选集;采用混合遗传算法,对测点的选择进一步优化;以钢牛腿结构为例,进行了模型数值仿真分析.结果表明,采用优化后的测点,钢牛腿结构荷载的大小和作用位置的识别精度得到了很大的提高.     

一个基于Web挖掘的网站优化系统

利用web数据挖掘方法对网站进行优化,提出了网站优化系统的基本框架,并给出相应的web数据挖掘算法:频繁模式发现及序列模式挖掘两个主要算法以找到网站访问者感兴趣的页面集合以及频繁使用的链接序列,该结果以改进网站的设计,提高网站的访问率.     

Effect of Header Configuration on Refrigerant Distribution in Parallel Flow Microchannel Evaporators

The refrigerant flow distribution in the parallel flow microchannel evaporators is experimentally investigated to study the effect of header configuration.Six different configurations are tested in the same evaporator by installing insertion device and partition plate in the header to ensure the consistency of the other structure parameters.The results show that the uniformity of refrigerant flow distribution and the heat transfer rate are greatly improved by reducing the sectional area of header.The heat transfer rate can increase by 67.93% by reducing the sectional area of both inlet and outlet headers.The uniformity of refrigerant flow distribution and the heat transfer rate become worse after installing the partition plate in the insertion devices and changing the inner structure of the header further.     

改进的Skowron可辨识矩阵及其属性核求解方法

针对可辨识矩阵求核方法无法兼顾正确性与高效性的问题,首先从理论上证明了可辨识矩阵中单个元素与核的关系,在此基础上,设计了一种Skowron可辨识矩阵的改进方法以及基于这种改进的Skowron可辨识矩阵的属性核求解方法,该方法不仅适用于任何决策表信息系统,而且有效降低了计算代价．     

Apriori算法在汽车销售客户分析中的应用

文章以4S店客户信息数据库作为研究对象,利用数据挖掘中关联规则挖掘算法Apriori,挖掘出已成交的客户特征和规则,对分类结果进行分析,并在某品牌4S店销售汽车过程中借鉴这些规则,有针对性的地进行引导销售,从而提高了销售成功率。     

航空运输信息系统的数据安全

航空运输信息管理的数据库安全问题，要同时满足最大限度共享和保密性的要求，必须由一整套安全策略来保证。为了解决这个问题，论述了在航空运输信息系统内建立数据库安全策略的问题。分析了航空运输信息中各类信息的内容和安全特性，介绍了数据库安全的基本概念，并阐述了建立数据库安全策略的步骤和方法。根据航空公司的实际需要，结合一个已实现的机场航空运输信息管理系统LKIMS，围绕授权机制的建立为中心，结合用户认证、数据库备份、事务日志等方法，充分运用了数据库管理系统（DBMS）自身的特点，提出了一套航空运输信息管理的数据库安全策略，并给出了这个安全策略在实践中的评价。     

铁路集装箱旅客化运输系统开行方案研究

针对铁路集装箱旅客化运输系统开行方案编制问题,采用基于备选集的优化方法,同时结合货物运输组织特点,规定了箱流物理径路和运输方案的唯一性.在考虑箱流守恒、箱流换乘、箱流运到期限,以及列车开行频率等约束的基础上,以运输企业成本最小化为目标,建立了整数线性规划模型,并设计模拟退火求解算法.最后,构建运输网络进行案例分析,验证了模型和算法的有效性.研究结果表明,与现有货物运输系统相比,新型集装箱系统充分发挥了网络运输的优势,在列车开行频率、货物送达速度和运到期限方面表现更加优异,但同时牺牲了部分列车“上座率”.     

一种改进蚁群优化算法的仿真研究

针对蚁群优化算法存在容易陷入局部最优、收敛速度慢、参数设置复杂等缺点,提出了一种改进的蚁群优化算法,研究了伪随机比例转移规则中参数 的取值方法,并对信息素的取值方式和信息素的更新规则进行了改进。最后以中国31个城市的旅行商问题和路径规划问题为实例,分别运用改进前后的蚁群算法进行了仿真研究。仿真结果表明：改进之后的算法不仅能够得到更好的解,更能显著地提高算法的收敛速度。     

NUMERICAL STUDY ON FLOW DISTRIBUTION IN PLATE-FIN HEAT EXCHANGERS

Inthethermodynamicdesignofplate finheatexchangers,itisgenerallyassumedthattheinletfluidisuniformlydividedamongallthe parallelpassagesinthewholeexchangercore .Inpractice ,however,flowmaldistributionexistspossiblybe causeoftheimproperstructure,imperfectdesign ,andflow passages[1 ] .Forplate finheatexchangers ,theflowmaldistributionnotonlycanresultinanobviousreductioninthemechanicalperformance ,butalsocauseasignificantdeteriorationofthether malperformance .Therefore ,theflowmaldistribu tionhasbec…     

用遗传算法解决固定需求交通平衡分配问题

为了提高交通量预测模型的可靠性,利用遗传算法的结构并行性将其用于求解固定需求交通平衡分配问题中。算法设计中采用多维并行交叉、变化的交叉率与变异率、优先策略及目标函数加惩罚项等改进措施,从而大大提高计算速度,减少了交通分配的时间,降低了分配的复杂性,为交通分配问题开创了一条新的途径,同时显示出遗传算法在交通规划中潜在的实用前景。     

带硬时间窗车辆路线问题的混合遗传启发式算法

为了提高物流配送效率,建立了集货和配送一体化的带硬时间窗的车辆路线问题的数学模型,提出了混合遗传启发式算法,并对模型进行了求解。采用改进节约法与随机法相结合的手段构造了初始解群体以增加解的多样性,对遗传算法中较优的一部分染色体进行了禁忌搜索以使搜索更容易跳出局部最优,同时加快搜索初期的搜索速度。仿真计算结果表明:混合遗传启发式算法具有更好的适应性,采用改进交叉算子使解的精度提高11.0%;在宽时间窗情形下采用倒位变异可使解的精度提高11.6%。     

SQL Server大数据量数据库性能优化初探

SQL Server作为一种企业级的数据库,提供了丰富的特性,开发者可以从多个角度进行性能分析与优化。特别是聚集索引非常关键,而一个表只能有一个聚集索引,应该合理应用。同时要善于利用数据库系统提供的各种工具,有针对性地分析和调校性能。实践表明,只要适当进行优化,在普通服务器平台上,SQL大数据量数据库的性能是基本可用的。     

用粗集理论挖掘项目审查(评估)中的专家共识

为了改进现有的评估方法。在项目审查(评估)中，采用基于决策表的粗糙集模型算法。从众多专家的决策中找到潜在地存在于各个决策中的、公认的决策共识作为项目审查的依据和最终结果．应用该算法可以找出条件属性集中对决策最为重要的影响因素，确定实际应用中的数据采集规则．提出采用条件属性集的约简作为新的条件属性集的方法，以降低决策的复杂性，防止决策者个体的舞弊行为．     

基于改进YOLO v3模型与Deep-SORT算法的道路车辆检测方法

针对道路车辆实时检测遮挡严重与小目标车辆漏检率高的问题，提出了基于改进YOLO v3模型和Deep-SORT算法的车辆检测方法；为提高模型对道路车辆的检测能力，采用K-means++聚类算法对目标候选框进行聚类分析，选择合适的Anchor box数量，并在网络浅层增加了特征提取层，可提取到更精细的车辆特征；为加强网络对远近不同目标的鲁棒性，在保留原YOLO v3模型输出层的同时，增加了一层输出层，将52像素×52像素输出特征图经过上采样后得到104像素×104像素特征图，并将其与浅层同尺寸特征图进行拼接，实现车辆目标的检测；为了降低目标遮挡对检测效果的影响，提高对视频上下帧之间关联信息的关注度，将改进YOLO v3模型和Deep-SORT算法相结合，以此来弥补两者之间的不足。试验结果表明:改进YOLO v3模型有效地提高了车辆检测的性能，与在网络浅层增加特征提取层的模型相比，平均精度提高了1.4%，与增加一层输出层的模型相比，平均精确度提高了0.8%，说明改进YOLO v3模型提取的特征表达能力更强，增强了网络对小目标的检测能力；改进YOLO v3模型在引入Deep-SORT算法后，查准率和召回率分别达到90.16%和91.34%，相比改进YOLO v3模型，查准率和召回率分别提高了1.48%和4.20%，同时保证了检测速度，对于不同大小目标的检测具有良好的鲁棒性。