挖掘关联规则的Apriori_OAR算法

阐述了Apriori算法是挖掘关联规则的一个经典算法,但算法效率不高,通过分析、研究该算法的基本思想,提出了采用项集的有序性特性和减少扫描数据库记录个数两种方法的 Apriori_OAR算法,以提高挖掘效率。     

基于关联规则挖掘的一种改进Apriori算法

关联规则挖掘是数据挖掘技术的一个重要分支,其中Apriori是目前最经典和具有影响力的关联规则挖掘算法.在分析研究关联规则挖掘中Apriori算法的基础上,针对Apriori算法中的两个主要操作--连接和剪枝进行改进,通过扫描1-项集、去除分解子集操作及不生成候选项集等多种策略结合的方法来减少连接操作的数据项数和算法运行过程中对数据库扫描的次数,最终使改进后的Apriori算法的性能得到提高.     

基于先验频繁模式算法的航班延误关联规则挖掘

为探究航空公司航班延误特性，利用基于约束-聚类的多维数据预处理方法，采用先验频繁模式算法挖掘运行要素和延误事件之间的内在关联。选取某航空公司连续3年的北京—广州航班运行数据，通过频繁模式搜索和关联规则挖掘，经置信度和支持度阈值的筛选，选取提升度大于1的强关联规则形成规则库；分析研究了包含前项数为1和2在内的32条强关联规则，并使用真实数据进行了饱和性和有效性验证。研究结果表明：航班延误关联规则库的判断准确性较高，达到了86.7%;极端气象条件、前序航班延误状态、航班计划时刻和其他部分时间属性，显著增大了航班延误现象出现的概率；此外，对特定属性要素组合发生的潜在作用的挖掘，证实了对航班运行控制决策参考的有效性。     

基于QAR数据的关联规则挖掘算法能研究

介绍和分析了关联规则的概念和Apriori算法,针对Apriori算法需要多次扫描数据库而导致运算效率不高的缺点．设计并实现了基于事务标识列表的频繁项集的产生算法——TagList Apriori。对比实验证明,新方法可以有效减少数据库扫描次数,节省运算时间．提高算法的运算效率,提高OAR数据关联规则挖掘的效率。     

基于QAR数据的关联规则挖掘算法的研究

介绍和分析了关联规则的概念和Apriori算法,针对Apriori算法需要多次扫描数据库而导致运算效率不高的缺点,设计并实现了基于事务标识列表的频繁项集的产生算法——TagList Apriori.对比实验证明,新方法可以有效减少数据库扫描次数,节省运算时间,提高算法的运算效率,提高QAR数据关联规则挖掘的效率.     

基于分段序列离散度的异步航迹关联算法

为解决异步不等速率航迹关联问题，提出一种基于分段序列离散度的异步航迹关联算法。定义分段混合航迹序列的离散信息度量，给出不等长航迹序列分段划分规则，通过计算离散度，利用经典分配法进行关联判定，并针对多义性问题设置二次检验环节。与传统算法相比，不需要时间对准，且具有不受噪声分布影响的特点。仿真结果表明，算法在航迹异步、传感器采样率不同等条件下均能以较高正确率稳定关联，并可有效分辨航迹交叉、分叉和合并等复杂情况，具有明显的优势。     

基于特征的流场数据挖掘

将数据挖掘技术应用于流场分析,有可能挖掘出常规数值方法难以发现的复杂流动规律。流场数据与传统数据库数据不同,通常组织为不规则的空间离散点和单元。为建立流场数据挖掘的统一范式,提出了基于特征的流场数据挖掘流程,并设计了两类相应的数据模型组织方式:邻域时空盒模型和连接图模型。使用该框架,对特定Rayleigh-Benard对流现象的数值计算结果进行了关联规则分析。其中涡特征提取使用λ2准则,关联规则提取使用Apriori算法。实验挖掘到了一些非平凡的流场规则,证明了该方法的有效性。     

双模复合寻的导引头数据融合算法

提出利用最小航迹距离法进行双模航迹关联的算法;利用最大似然估计法导出了双模复合探测器的数据融合结果.给出了融合后的目标状态估计和估计误差协方差阵,为双模复合寻的导引头的性能分析和算法研究提供了新的技术途径.     

改进概率关联算法在组合导航系统中的应用研究

针对组合导航系统中子系统提供的量测信息相互之间关联性不足的问题,在组合导航系统中引入改进概率关联算法,通过改进的概率关联算法将这些导航信息按一定关系联系起来并进行融合计算。首先通过推导短时间概率关联算法求解惯性导航系统(INS)得到信息的可信概率,并引入掩模算子对全球定位系统(GPS)信息进行精度判断;然后,推导出长时间概率关联算法对组合导航系统信息进行融合;最后,建立修正算法并利用长时间概率关联算法得到的信息对惯性导航系统进行误差修正。仿真结果表明,这一改进的概率关联算法可以有效判断GPS信息精度并提高组合导航系统的导航精度。     

一种基于鲸鱼优化算法的飞行动作识别规则提取方法

针对飞行动作识别规则提取,传统智能优化算法存在调节参数多、易陷入局部极值等问题,介绍了一种新型仿生智能算法:鲸鱼优化算法。利用该算法参数简单,快速收敛性和全局优化的优点对符号化的飞行参数规则属性进行组合寻优,计算出相应的飞行动作识别规则。经过测试函数及仿真实例表明,鲸鱼优化算法寻优精度高于传统智能优化算法PSO,提取的规则相比BPSO方法更简洁、有效。     

基于Levenberg-Marquardt算法的航空发动机模型求解混合算法

为了降低航空发动机非线性模型求解的收敛性要求，将模型非线性方程组的求解问题转化为最小二乘问题，提出了基于Levenberg-Marquardt(L-M)算法的混合算法。为了使L-M算法跳出局部解，混合算法使用动力学方法修正局部解；为了提高计算效率，利用Broyden拟牛顿法加速L-M算法。以涡扇发动机为研究对象，应用混合算法、L-M算法、牛顿法和Broyden拟牛顿法进行稳态和瞬态仿真。结果表明：在稳态工况下，L-M算法和混合算法收敛范围更大，在随机初值条件下能达到90%以上的收敛率，远高于牛顿法和Broyden拟牛顿法不到20%的收敛率，且混合算法计算速度与Broyden拟牛顿法相当。在瞬态工况下，L-M算法和混合算法能够在牛顿法和Broyden拟牛顿法都不收敛的强瞬变工况收敛，且混合算法瞬态计算时间仅为Broyden拟牛顿法的1.13倍。仿真结果表明该算法在航空发动机模型求解上具有良好的适用性。     

空管中飞行轨迹预测算法的比较研究

研究比较了用于空中交通管制中飞行轨迹预测问题的三种不同算法，即α／β或α／β／γ滤波算、自适应单一模型卡尔曼滤波算法和当前正研究应用的相互作用多模型卡尔曼波算法。针对三种算法，根据民航飞行的实际情况，分水平面和高度方面两部分设计了具体的飞行轨迹预测方案，并对这几种方案进行了蒙特卡洛仿真，给出了有关的仿真结果，证明相互作用多模型算法在空管轨迹预测中是更为有效和可行的。     

基于Apriori算法的数据挖掘技术在某型发动机飞参数据处理中的应用研究

针对飞参数据信息量大,单一趋势分析技术不能很好处理相关参数间关联问题,将基于Apriori算法的数据挖掘技术用于某型发动机飞参数据进行关联分析。在对典型故障原因进行分类基础上,形成布尔矩阵,经过兴趣度筛选,去掉不符合某型发动机使用需求的关联规则,找出5种典型故障因素之间的关联规则,并确定了各种发动机反常数值之间的因果关系,为某型发动机的故障分析和使用保障提供理论支持。     

多目标演化算法的对比研究

多目标演化算法已成为优化技术研究的一个重要方向，介绍了多目标演化算法的分类方法，给出了其基本流程。按时间顺序详细介绍了现有的九种典型多目标演化算法的实施过程，对比了这些算法的优缺点，并讨论了与多目标演化算法相关联的一些问题如约束的处理、算法的收敛性等。     

基于蚁群算法的TSP的仿真与研究

对于旅行商问题的研究始于19世纪,从20世纪中叶开始随着计算机技术的发展而不断发展。蚁群算法是一种新型的优化算法,于20世纪90年代提出,最早成功应用于解决旅行商问题。研究表明,蚁群算法有着极强的鲁棒性发现较好解的能力。通过编程实现了用蚁群算法解决旅行商问题,通过仿真实验研究了各参数对算法的影响。     

Doo-Sabin细分算法的实现

在细分曲面造型中，对Doo-Sabin曲面为代表的细分曲面的研究，已成为近几年来图形学领域最重要的研究课题，但已有文献在细分算法的实现方面缺乏具体操作过程，不便于工程应用。本文分析了Doo-Sabin细分算法的数据结构特点，研究了细分算法的具体实现过程，对连接规律进行了总结，实现了Doo-Sabin细分算法的二次曲面细分，为各种相关文献缺乏具体操作过程作了补充。     

一种多信息融合简捷算法的研究

根据特定的实际情况 ,结合信任函数的结构特点 ,对信任函数进行简化 ,推导出不同于传统Dempster规则的一种新算法 ,并介绍了该算法在FMS工程系统状态监测和故障诊断方面的应用。     

形式计算的计算量与信息熵的关系以及在算法优化中的应用

通过对计算建立形式计算的模型,在形式计算模型下研究信息量与形式计算输入/输出信息熵[1]的关系.并利用计算量与信息熵的关联结论,优化在JPG编码算法[3]中的核心算法DCT.     

基于改进蚁群算法航空电缆路径规划

针对航空电缆在布局空间安装中存在的可靠性差，效率低和成本高等问题，提出了一种基于改进蚁群算法的航空电缆布局路径规划优化方法。对布线安装空间进行栅格化处理，通过分析航空布线要求与约束条件，对待布线安装空间进行模拟真实环境建模，获得的建模空间用于航空电缆的二维布线路径优化。采用了向终点方向引导的转移规则，并增加转弯拐角惩罚因子，来改进启发函数，减少了路径搜索的盲目性，提高了规划路径平滑度；采用一种自适应调整方式的信息素挥发因子，提高算法的搜索效率和后期收敛速度；引入了遗传变异，避免算法陷入局部最优。在仿真实验中，将所提出的方法与其他算法进行了对比分析并表明：应用该算法优化后总体电缆的路径布局电缆路径明显减少、即电缆长度用量减少；拐点数明显减少、即电缆电器性能变好，能够提供航空发动机系统的稳定性。验证了该算法的可行性和有效性。     

最小生成树算法及其应用

Kruskal算法和Prim算法是求最小生成树的常用算法,设计了这两种算法的C语言程序,并通过实例研究了这两种算法的实际应用价值。