径向基函数神经网络的一种在线学习算法

用在线学习算法和梯度法为学习规则，推导了径向基函数神经网络的在线学习算法，将影响网络输出的各个参数的学习过程作为一个整体来处理，并用Matlab实现了此算法．最后用一个26个印刷体大写英文字母的识别来验证此算法．实验的结果表明了该算法的正确性和有效性．     

增量数据挖掘算法在区域交通管理中的应用

分析了基于关联规则的增量数据挖掘算法，指出其效率低下的原因，针对传统数据挖掘算法多次迭代扫描，每次迭代产生数目更大的频繁项集的不足，提出链表增量数据挖掘算法LIUA，并将该算法应用于区域性车辆自动识别管理系统中，有效地挖掘出系统中的关联规则，对挖掘出的关联规则进行了分析．通过测试结果表明该算法是合理有效的．     

基于粗集理论的决策规则约简算法的研究与应用

粗集理论是一种新型的数据挖掘方法，其中约简是它的重要概念．粗集理论的主要思想是在保持分类能力不变的前提下，通过属性约简和值约简，导出问题的决策或分类规则．本文不同于目前将属性约简作为决策规则挖掘的重点，而是在属性约简的基础上又进一步提出了值约简算法，大大提高了规则的挖掘效率．该算法对原有算法进行了改进，最终可获得更简的决策规则．实例分析表明了该算法是较优的、有实用价值的．     

基于异几率属性的可视化关联规则挖掘

在分析数据特性的基础上，提出了一种基于异几率属性的可视化关联规则挖掘算法，不仅提高了质算法的运行效率，而且提供了一个可视化的交互平台，使用户主动地挖掘感兴趣的关联规则。     

带中转设施的垃圾收集VRP的改进蚁群算法

为减少城市垃圾的收运成本和各车辆路径之间的重叠区域,设计了一种具有聚类策略、改进全局信息素更新规则和交叉算子的多重蚁群算法.用该算法求解2个标准算例,一个达到目前已知的最优解,另一个偏离度为2.13%.此外,还对含有不同规则的蚁群算法进行了比较.结果表明:与不带聚类策略的蚁群算法相比,该算法求解的路径最佳,其长度缩短4.90%,紧凑度降低83.33%;不同转移更新规则的贡献程度从大到小依次是:带块可见度的聚类策略、全局信息素更新规则和交叉算子.     

一种由RBF网络驱动的模糊产生式系统

介绍了ＲＢＦ网络和模糊产生系统，分析了由ＲＢＦ网络实现模糊产生式系统的条件，并研究了ＲＢＦ网络的训练算法，以确定模糊系统的参数，运用这种学习算法，可同时确定模糊系统规则的数目和规则的参数。仿真结果说明了该方法的有效性。     

一类约束变尺度算法的收敛性

对带有等式和不等式约束条件的非线性规则给出一类新的变尺度算法，并证明当目标函数和约束函数一致凸时，该算法是一步超线性收敛的。     

基于Rough集理论的增量式数据挖掘算法

提出一种求精简规则的带支持信息的增量式算法IDMA,该算法改进了传统挖掘算法的缺点,可充分利用已挖掘出的规则集来对新增实例进行决策规则挖掘,同经典Rough集挖掘算法比较,算法IDMA计算过程简单,而且效率较高.     

一种基于图论与最大路径的关联规则挖掘算法

关联规则的挖掘目标是发现数据项集之间的关联关系或相关关系,是数据挖掘中的一个重要课题.对于超大数据集,传统算法效率较低,对其加以改进,给出了一种基于图论与最大路径的关联规则挖掘算法.该算法将事务集构造成布尔矩阵,经矩阵清理后,将其转换为图的形式,根据关联规则图生成邻接矩阵.当取步长为k且k>2时,按行从第一个非0元素开...     

解TSP的有序遗传算法

根据生物进化原理，提出了一种求解ＴＳＰ的有序遗传算法。利用有序编码规则，通过有序交叉算子和有序变异算子的作用，保证该算法不仅能获得ＴＳＰ的有效解，而且能可靠地获得全局最优解。计算机模拟实验表明，该算法具有收敛速度快，易获得最优解等特点。     

基于模拟退火遗传算法的内河港口船舶进出港调度方法

综合考虑基于模拟退火遗传算法的内河港口进出港调度方法，充分发挥两种算法的优势，增强模型的全局搜索能力。构建模拟遗传退火算法模型，利用船舶调动的规则，对遗传算法中的交叉算子和变异算子进行了优化。通过港口的船舶潮汐数据和泊位情况，对模型进行验证，实验结果证明，该模型可以较好的完成船舶进出港调度的任务。将该算法与其他算法进行对比，分别考虑调度船舶数量分别为20艘、30艘和40艘的情况。实验结果证明，该算法具有较好的收敛能力，在船舶的总体等待时间方面，优于其他常用调度算法和其他遗传算法。     

一种新的频集发现算法P＆FP

在分析已有关联规则挖掘算法的基础上,提出了应用于Web 文本集的特征关联规则挖掘框架,详细地论述了该框架所涉及的主要技术和实现过程中涉及的诸多问题,据此给出了该框架主要模块的实现算法.在该框架中,Web 文本集的特征关联规则挖掘以Web 文本的结构化处理和特征化处理为前提,核心的挖掘模块由频集发现算法P&FP 和关联规则生成算法GenNoRedundantRule 构成,算法P&FP 结合了Partition 算法的数据分片思想和FP-生成树算法的高效性,算法GenNoRedundantRule 可以避免大量冗余规则的产生.这两个算法较之已有的算法是比较高效的,而且它们还具有较好的扩展性和并行性.     

ψ—频繁闭项目挖掘问题及其算法

关联规则挖掘问题是数据挖掘领域一个重要的研究方向，ψ－关联规则挖掘问题是它的一种推广形式，利用闭项目集的思想，提出了了ψ－频繁闭项目挖掘问题，它是ψ－关联规则挖掘问题的一种替代，并给出了一种有效的挖掘算法，有效解决ψ－关联规则挖掘问题产生大量规则的问题。ψψψ     

对Apriori算法的进一步改进

介绍了关联规则挖掘的情况，并在分析关联规则的数据挖掘算法的基础上，针对Apriori算法和Apriori-1算法进行深入研究，提出了Apriori-2算法，新算法在计算候选大项集支持度所涉及的记录数目将小于事务数据库中原始的记录数目，提高了原算法的效率，具有一定的实用性．     

基于GPS,ARPA和陀螺罗经信息开发船舶自动避碰模型及其仿真

迄今为止，元人驾驶船舶沿计划航向航行以及与相遇船舶避碰的问题未能令人满意地加以解决．解决该问题的核心在于建立一个既能体现《1972年国际海上避碰规则》的原则，叉符合海员通常做法，且能为航海人员和专家所接受的知识库．文中提出了一个可用于构建这种知识库的“船舶自动避碰模型”，并提出相关算法，对该模型进行编程仿真．分析仿真结果证明了该模型的可行性和有效性．     

基于粗糙集理论的模型结构选择与知识发现

为了合理选择决策模型，提出了一种基于粗糙集理论获取模型选择知识并利用获取的知识选择模型的方法．通过随机设定模型参数，得到备选模型的属性值为连续值的决策表；通过设定误差范围，获得决策表中对象之间的关系；利用该关系和粗糙集理论，对决策表进行属性约简，获得决策规则；按该决策规则进行推理，实现智能决策的模型选择．实例表明，该算法是可行的。     

Apriori算法剖析

本文讨论在海量数据中挖掘数据项之间的关联规则,剖析典型算法——Apriori算法。根据算法的基本思想,给出它的形式化的描述,并且通过分析实例给出关联规则的挖掘步骤及算法实现,最后对该算法进行了评价。     

对APriori算法的一个改进

介绍了关联规则挖掘的研究情况，并在分析关联规则的数据挖掘算法的基础上，针对Apriori算法进行深入研究，提出了Apriori—1算法，新算法在计算候选大项集支持度所涉及的记录数目将小于事务数据库中原始的记录数目，提高了原算法的效率，具有一定的实用性．     

基于元胞理论的船厂码头移泊作业问题算法

为了解决大规模船厂的码头移泊作业问题，基于船舶移动路径具有过程演进的特性，建立了码头移泊作业问题的元胞数学模型。按照问题元胞模型的演进特性和演变规则，采用蚁群智能算法来对模型进行求解，并论证了该算法的收敛性。通过实例计算，其结果与船厂实际操作安排进行比较和分析，验证了该算法的有效性和优越性。     

基于DCL算法的模糊控制规则提取

在对一些复杂的控制系统进行模糊控制时，由于对系统的不了解，很难建模，难以找到合适的控制规则。为此，介绍一种基于DCL算法的模糊控制规则的提取方法，并应用于实例。对算法的优缺点进行了分析。