外关联规则挖掘

根据项集内项的关联性,现有关联规则挖掘算法可分为正关联规则挖掘和负关联规则挖掘两大类,它们反映的是项集内频繁项之间的关联性。通过对实际数据集的分析发现,一个项集可以划分成若干子项集,子项集内的项有较高的相关性,而不同的子项集相关性则较低,这意味着每个子项集与其外部的一个潜在因子间存在着关联,由此本文提出了外关联规则的概念,并基于因子分析和主成分分析方法,提出了外关联规则挖掘算法(FAAR),从而将项集内的关联规则挖掘外推到子项集和潜在因子集之间的外关联规则挖掘,扩展和丰富了关联规则挖掘的应用,在此基础上还可进一步发现它所蕴涵的正、负关联规则。     

一种新的空间多维关联规则模型与算法

空间对象具有自相关、连续性、多尺度等特点,导致空间关联规则挖掘与传统的统计关联规则挖掘不同,不存在统计的“事务”,挖掘更加复杂。本文用基于空间相关的影响域来创建“空间事务”,以代替传统关联规则挖掘中的事务,建立了一种新的应用于挖掘空间多维数据的空间多维关联规则模型(Spatial multidimensional association rules model,SMARM)。设计并实现了一种新的挖掘算法SMARBIA,用基于影响域、空间支持度等剪枝技巧,克服了空间多维关联规则挖掘过程中候选项目集庞大的困难。实验表明,该算法能有效地减少候选项目集而获得较好的性能。     

挖掘周期性一般关联规则

在事务数据库中的周期性一般关联规则可以揭示类的不同层次之间的关系和呈现周期性变化。这些信息对于识别在关联中的趋势和预测非常有用。由于数据噪声对发现周期性一般关联规则的巨大影响 ,文中用噪声比来抑制数据噪声对发现周期性一般关联规则的影响。同时根据对周期性与一般高频集之间关系的分析 ,利用周期裁剪技术来节省挖掘时间 ,给出了 (Cyclic general-ized itemsets,CGI)算法。实验证明 ,该算法可高效地发现周期性一般关联规则。     

基于模糊ISODATA*的关联规则聚类算法

在对模糊ISODATA算法分析的基础上,提出了一种适用于关联规则聚类ISODATA^*算法。本文首先分析了距离聚类的不足,然后结合关联规则的表示形式,提出了基于属性权重实现规则聚类的思想,并给出了相应的实现算法。最后采用国际上的UCI数据库进行了实验。实验表明该算法能有效地对关联规则进行聚类。     

多时间序列关联规则分析的论坛舆情趋势预测

为了预测论坛舆情及其动态演变趋势,基于多时间序列的关联分析,集中分析了论坛中3个量的时间序列之间的关联规则:活跃者之间的关系强度的时间序列、坚定支持者人数的时间序列以及坚定支持者成员的变化频度的时间序列。然后给出了一种新的基于多时间序列关联分析的论坛舆情预测算法(Forum sentiment trend prediction based on multi time series association rule analysis,TPMTSA),并在真实数据集和拟合数据集上进行了大量的实验。结果表明:TPMTSA算法具有有效性和较高的运行效率。研究结果可用于论坛舆情预警监控。     

飞机复杂系统故障诊断的灰色粗集推理方法

传统的复杂系统故障诊断规则不易获取且方法单一,不能满足系统维护要求.文中全面考虑复杂系统诊断的数据来源,用灰色关联理论降低系统复杂性并通过粗糙集约简数据的思想实现灰色粗集推理.基于灰色粗集推理方法实现了故障诊断规则的获取,并通过实例验证方法的可行性,结果明显优于神经网络算法,可有效提高诊断效率.     

WEB访问信息挖掘中的关联规则发现算法的研究

本文采用了一种快速算法Aprioti，将传统数据挖掘技术中的关联规则发现技术引入web数据挖掘，并针对在Web应用的特点进行了改进，有效地提高了求高频站点集的效率。     

基于数据挖掘的飞机系统故障关联规则研究

为在日常运行中降低飞机系统故障率,提高飞机运行的可靠度,运用Apriori算法挖掘飞机系统故障间的关联规则。首先从2010-2019年间有记录的空客A320和波音B737系列飞机故障案例中提取有效数据,建立原始数据库;然后使用Apriori算法建立飞机系统故障关联规则挖掘模型,确定最小支持度和置信度;最后,使用MATLAB编程,遍历数据库,挖掘出各故障间的强关联规则。实证计算结果显示,飞机系统不同故障间存在隐形联系和不同强度的关联规则。     

应用聚类分析对关联规则进行分组

关联规则是要从大量的数据中找到数据之间的规律，但有时所产生的规律十分繁多，从而形成新的知识管理问题。针对该问题本文提出了一个新的算法，该算法利用系统聚类分析方法对规则进行分组，从而可更好地帮助用户解所发现的规律，该方法的距离（RatioD）是基于关联规则本身，因此，可对规则进行高效地分组。实验结果表明，该算法是有效的。     

基于粗集的调度Agent知识库建模研究

首先通过相识集、招标集、投标集和中标者的概念，描述了车间调度系统中的调度Agent与资源Agent间任务分配的招投标关系；运用粗集理论，基于任务的属性和资源Agent完全任务的成本、质量、负荷和时间等属性构造决策表；在分析了决策表的特征基础上，生成调度规则集，即调度知识库；最后给出车间调度Agent的调度过程算法。     

一种基于改进遗传算法的模糊建模方法

针对复杂系统的模糊建模问题，提出了一种改进遗传算法的模糊建模方法。首先在标准的T—S模糊模型基础上，提出了扩展的T—S模糊模型。然后采用改进的遗传算法优化扩展的T—S模糊模型参数和规则数。最后．通过数字仿真结果验证了算法的可行性和有效性。     

基于遗传算法整定的PID网络流量控制

结合经典控制理论和优化控制理论设计了基于遗传算法的线性PID控制器,并与经典的PID控制器进行了比较．此控制器较好地控制了交换机缓冲器的队列长度,动态性能明显优于一般PID控制器．并得到了仿真结果的验证．     

基于改进NSGA-Ⅱ算法的航班战略冲突解脱研究

设计了一种改进的非支配排序遗传算法（Non-dominated sorting genetic algorithm Ⅱ, NSGA-Ⅱ）解决战略阶段轨迹规划大规模优化问题。在经典的NSGA-Ⅱ的框架下,采用一种自适应交叉算子与自适应变异算子加快算法的收敛速度并提高解的质量,同时给出衡量Pareto解集优劣的评价指标。大规模四维航迹的引入不可避免地增加了问题的复杂性,本文提出了一种有效的战略冲突解脱模型,旨在最小化潜在的冲突数量和冲突解脱成本。采用中国航路网络繁忙时段1 472架航班进行实例验证,并所提算法与经典的NSGA-Ⅱ算法及MOEA/D进行对比。实验结果表明,改进的NSGA-Ⅱ算法具有更好的优化效果,能够有效地解决航空器之间的冲突并产生较小的航空器航迹调整量。     

偏好多属性决策表概率决策的扩展粗糙集方法

通过用优势关系代替不可分辨关系,并设定置信阈值α,提出了一种可以从偏好多属性决策表中发现偏好概率规则集的扩展粗糙集模型。该方法可以处理偏好多属性决策表中可能的不相容性,获取由偏好对象组成的偏好概率决策规则,设计了相应的算法。研究结果表明：由该方法获取的最小偏好概率规则集,使用的务件数量较少,且导出规则的数量较少、较强。     

基于商空间理论的模糊控制在航空相机中的应用

针对航空相机快速返回定位问题,应用商空间理论提出了一种快速无超调定位模糊控制算法。将位置偏差量模糊化．并根据模糊等价关系合并正规峰集,从而得到了不同粒度下的控制规则．系统通过不断改变粒度,采用粗拉度粗调,细粒度细调的方法,实现快速无超调定位。在模拟相机平台上采用3个粒度层,通过模糊规则调整模糊输出和PID控制器的积分时间实现最速控制、模糊控制和PID控制在不同粒度下的转换．实验结果表明此算法具有定位快、稳定精度高以及无超调等优点．     

基于改进遗传算法的机器人动态路径规划

针对基本遗传算法解决移动机器人路径规划的不足，提出了一种改进的遗传算法。首先，采用栅格法对机器人路径规划进行建模。然后，提出一种生成初始种群的方法和精英策略，设计出自适应变异概率，提高了算法的求解质量。同时，在规划过程中，将全局路径规划与局部路径规划相结合，并且根据机器人与动态障碍物碰撞类型的不同，提出了相应的避碰策略。仿真实验表明:该算法优于基本遗传算法，能够有效地指导机器人在动态环境中实现避障，获得无碰最优或次优路径。     

用于多峰函数优化的改进跳跃基因遗传算法

跳跃基因是维持生物大脑神经细胞多样性的主要原因,因此在遗传算法中引入跳跃基因操作能够提高算法的全局搜索能力。然而,标准跳跃基因遗传算法的随机跳跃过程容易破坏较优性能染色体的基因。针对此问题,提出了一种改进跳跃基因遗传算法。在改进方案中,适应度越高的染色体上的跳跃基因,能以越高的概率朝性能比它差的染色体上跳跃,以提高进化速度。并且,在适应度函数中引入密度函数,以保持染色体的多样性。通过对经典多极值测试函数的寻优仿真表明,改进跳跃基因遗传算法能够更有效地提高遗传算法对复杂多峰函数最优解的求解速度与精度。     

一种改进的隐私保护关联规则挖掘算法

部分隐藏的随机化回答方法是基于关联规则数据挖掘的隐私保护算法,针对该算法在重构频繁项集支持度上的指数级时间复杂度导致算法执行效率下降的不足,采用分治策略和集合运算方法对该算法进行改进,消除重构数据的指数级运算。改进算法降低了算法的时间复杂度并有效提高了执行效率。仿真实验与分析表明了改进算法的有效性。     

基于模糊数据挖掘的网络入侵检测模型

提出了一个基于模糊数据挖掘的入侵模型.异常检测的一个主要问题是正常模式随时间变化.如果一个实际的入侵行为稍有偏差就有可能与正常的模式相匹配,而异常检测系统则无法检测到这种入侵行为.为解决这个问题,本文利用模糊数据挖掘技术建立正常模式,并用一组模糊关联规则表示.在进行异常检测时,利用新的审计数据挖掘当前模糊关联规则,并计算其与正常模式的相似度,如相似度低于规定的阈值,使其产生入侵警报.最后,文中利用遗传算法优化模糊成员函数来选择其参数.     

基于改进实数遗传算法的函数全局优化

将一种改进的实数遗传算法用于函数全局优化。改进的算法建立在对基本实数遗传算法搜索特性判断的基础上。文中对实数遗传算法的基本操作进行了简单的讨论和选择 ,将一种混沌序列作为刺激因素加入到算法中 ,并将区域划分与取舍的思想应用到算法结构改进中。数值实验显示 ,新方法对寻找复杂问题的全局解、提高搜索精度方面较基本实数遗传算法有较大改进。