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。     

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。     

关联规则发现技术中的Apriori算法及FP—树算法

在数据挖掘研究中，关联规则发现技术是一个重点研究方向。本文对关联规则发现的Apriori算法及FP－树算法进行了总结介绍，并讨论了它们之间的差异。     

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。     

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。     

基于二维表的频繁集组合方法

挖掘关联规则时,频度集的计算是一个关键问题。现有算法大多从apriori,fp-growth算法演化而来,这些方法都存在有组合爆炸问题:apriori算法是候选模式造成的,而fp-growth算法是条件模式基造成的。因此,对于具有稠密数据的事务数据库现有的方法无法完成频度集的计算,即使是现有最好的fp-growth算法。将给出一种基于迭代思想的频度集计算方法,既不用频繁扫描数据又不用组合计算,实验表明此方法是十分有效的频度集计算方法。     

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。     

基于并行关系与因果关系的关联规则

目的是建立同时具备并行关系、时序关系和因果关系等三个关系新前提下的数据挖掘的关联规则.本文指出了初始关联规则存在的三个潜在的前提;探讨了同时背离这三个潜在前提建立新的关联规则的可行性;给出了建立两并行关联事件之间因果关联规则的方法;从而获得了在新的背景下的关联规则.在此基础上,本文提供了联系并行关联的因果关系的范例,作为在具有并行、时序和因果等复杂关系数据库中的综合挖掘的一个途径.     

非页面日志信息在改进会话识别中的应用研究

会话识别是web日志挖掘数据预处理的关键步骤,其质量对日志挖掘结果有重要影响。文章介绍了现有的会话识别方法,提出了利用数据清洗中废弃的图片等日志数据和web图结构,改进会话识别中的页面分组规则和路径补全算法,并通过实验证实方法对改善会话识别质量是有效的。     

一种改进的果蝇优化算法及其在气动优化设计中的应用

果蝇优化算法(FOA)是一种新的群体智能优化算法,具有良好的全局收敛特性。为进一步提高FOA的寻优性能,将其引入到气动优化设计中,发展形成了改进的果蝇优化算法(IFOA)。IFOA通过引入惯性权重函数动态调整搜索步长,有效实现了算法全局搜索和局部搜索之间的动态平衡,提高了算法整体搜索效率和寻优精度;对于多维优化问题,IFOA每次搜索仅随机扰动其中一个决策变量,并在每个迭代步内将所有优秀果蝇个体(可行解)结合产生一个全新的果蝇个体进行一次搜索,大大加快了算法的收敛速度。函数测试结果表明,IFOA显著提高了FOA的寻优性能。将IFOA应用到气动优化设计中,翼型反设计和单/多目标优化设计的算例表明,IFOA是一种简单高效的优化方法,可广泛应用于气动优化设计。     

可行SLP法在发动机在线优化中的应用

研究了航空发动机在线优化算法问题。基于序列可行方向法,提出了一种用于解决一般非线性优化问题改进的序列线性规划(SLP)在线优化算法——可行下降序列线性规划(FSLP)方法。其显著特点是通过适当的步长修正算法,在保证目标函数下降的同时,确保解的可行性。根据对偶理论证明了其核心算法的收敛性,对步长修正原理进行了数学分析,并详细介绍了算法实现途径。基于上述优化算法,以某型双转子涡扇发动机最大推力模式为仿真算例,验证了该算法在解决航空发动机在线优化问题时,相比传统的序列优化方法,在提高优化算法解的可行性方面效果更好。     

一种变步长LMS自适应滤波算法研究

为了解决最小均方(LMS)算法的稳定性以及收敛速度和稳态误差之间的矛盾,提出了一种复数型自适应变步长的LMS算法,它的权系数的调整取决于误差曲面在新权值点上的梯度。分析了新算法的收敛特性以及参数选择对算法性能的影响。算法具有较快的收敛速度、鲁棒稳定性且运算小易于实现的特点。计算机仿真的结果与理论分析相一致,证实了算法的收敛性能优于标准的LMS算法并且具有较好的实用性。     

飞机空中解体事故的残骸轨迹重建

本文采用高精度的数值解法－龙格－库塔法和二维分步优化计算方法，对飞机空中解体事故的残骸轨迹进行了分析研究，并复现了残骸的运动轨迹。为飞机事故调查单位分析事故原因提供了重要的线索和依据，同时给出模型机空中解体试验的计算结果，以证明这种方法是正确的、实用的。     

基于数据关联的故障快速检测

 多数情况下,快速实时地进行故障检测是很重要的。将故障看做是通过多传感器观测的动态模型,进行多传感器多模型概率数据关联,以各个模型的关联结果和设定的阈值为依据,可以有效地实现故障检测。联合概率数据关联（JPDA）算法是解决多传感器多目标跟踪的一个有效方法,文中通过分析概率数据关联算法,对联合概率数据关联算法进行了改进：（1）通过正确地选择阈值,移除小概率事件,进而建立一个近似的确认矩阵;（2）根据被跟踪目标故障跟踪门的相交情况,将跟踪空间进行数学划分,形成若干相互独立的区域;（3）对同一区域内公共有效量测的概率密度值进行衰减,计算出关联概率。仿真对比表明,本文的改进算法能显著减少计算时间,有效提高故障检测的快速性和实时性。     

改进型蚁群算法的全局路径规划仿真研究

针对传统蚁群算法收敛较慢的问题,提出了一种在复杂环境下全局路径规划的改进型蚁群算法。利用链接图法建立了路径规划的空间模型;借鉴狼群分配原则对信息素进行更新;在缩小搜索区域,提高搜索效率的过程中,引入了启发式概率公式和启发函数;通过参数自适应调整策略,进一步对最优解进行了优化。将基于Dijkstra算法的初始路径规划和改进后蚁群算法的规划结果进行了仿真对比,结果表明,改进后蚁群算法的全局优化性能较好,具有一定的有效性和可行性。     

竞争失效场合步进应力加速试验统计分析

竞争失效场合加速试验(AT)技术是加速试验由简单结构产品向复杂结构产品推广应用的基础.但目前的方法主要针对恒定应力加速试验.而对竞争失效场合步进应力加速试验缺乏相关研究.针对这一问题,对最一般形式(突发型失效和退化型失效并存)的竞争失效场合步进应力试验进行建模与分析.充分考虑了试验数据由于试验截尾和失效样本对应的失效模...     

Mixture Reduction Algorithms for Point and Extended Object Tracking in Clutter

The Bayesian solution to the problem of tracking a target with measurement association uncertainty gives rise to mixture distributions, which are composed of an ever increasing number of components. To produce a practical tracking filter, the growth of components must be controlled by approximating the mixture distribution. Two mixture reduction schemes (a joining algorithm and a clustering algorithm) have been derived for this purpose. If significant well spaced mixture components are present, these techniques can provide a useful improvement over the probabilistic data association filter (PDAF) approach, which reduces the mixture to a single Gaussian component at each time step. For the standard problem of tracking a point target in uniform random clutter, a Monte Carlo simulation study has been employed to identify the region of the problem parameter space where significant performance improvement is obtained over the PDAF. In the second part of this paper, the formal Bayesian filter is derived for an extended target consisting of an array of measurement sources with association uncertainty. A practical multiple hypothesis filter is implemented using mixture reduction and simulation results are presented.