【摘 要】
：
传统模糊频繁项集合挖掘方法的挖掘范围较大,且无法预处理模糊频繁项集合,导致存在运行内存过大、应用有效性低的问题.因此提出新的间隔约束条件下的模糊频繁项集合挖掘方法.方法预处理模糊频繁项集合,修补缺损数据,并引入主成分分析法完成数据的降维,并为数据添加间隔约束条件,缩小挖掘范围.利用蚁群算法获取最优爬行路径,挖掘模糊频繁项集合.实验结果表明,与传统方法相比,所提方法运行内存小,挖掘有效性更理想.
论文部分内容阅读
传统模糊频繁项集合挖掘方法的挖掘范围较大,且无法预处理模糊频繁项集合,导致存在运行内存过大、应用有效性低的问题.因此提出新的间隔约束条件下的模糊频繁项集合挖掘方法.方法预处理模糊频繁项集合,修补缺损数据,并引入主成分分析法完成数据的降维,并为数据添加间隔约束条件,缩小挖掘范围.利用蚁群算法获取最优爬行路径,挖掘模糊频繁项集合.实验结果表明,与传统方法相比,所提方法运行内存小,挖掘有效性更理想.
其他文献
针对现有图像序列弱小目标识别存在图像特征学习不全面、训练样本较大,导致对相似物体识别率及准确率较低的问题,提出基于多模态深度学习的图像序列弱小目标识别.利用弱小目标与背景之间的相关性对单帧图像进行背景抑制,得到目标和高频噪声,对图像做目标分割处理,剔除高频噪声.在此基础上,使用加入稀疏性约束的自编码器不断调节其自身参数,压缩输入信息,提取有用的输入特征,训练出最佳唯一向量,使用优化的CNN深度学习模型完成弱小目标识别.实验结果表明,所提方法能够在不依赖大量识别训练的情况下,始终保持较高的识别率,最大识别率
为帮助用户快速、准确地获取所需的网络资源为目的,提出基于深度学习的网络资源优先协同过滤推荐方法.首先分析推荐过程的组成架构,将其划分为信息处理、用户建模、推荐算法等多个功能模块.然后通过共现关系分别描述网络资源与用户之间的关联性,从而建立资源-用户特征矢量模型,获取表示全面特征的目标函数.将能够反映丰富物理量的张量引入到神经网络中,合并一阶张量与二阶张量,得出神经网络的输出信号,再采用反向传播算法对神经网络做深度学习,获得输出层、隐含层与输入层误差.计算整体损失函数的偏导数,直到损失函数收敛,结束学习过程
当前的网络多入侵行为识别方法无法计算入侵信任度,导致传统方法下网络流量数据振幅识别结果波动不大,识别结果存在失真问题.为解决上述问题,基于信任度计算设计多入侵识别数学建模仿真方法.通过构建动静结合的信任度模型,计算网络节点多入侵信任度,并输入至基于深度学习神经网络多入侵识别数学模型中.利用自适应特征映射和深度学习神经网络算法,通过确定各网络节点的权值实现网络多入侵特征匹配.并通过深度学习神经网络调整模型的误差,实现网络多入侵识别.实验结果表明,上述方法通过引入动态信任度反映节点的信任度变化,对网络多入侵识
深层碳酸盐岩本身具有的较强非均质性与位置深度,均使储存空间预测难度有所上升,为此,引入概率后缀树模型,面向深层碳酸盐岩提出一种储存空间预测方法.基于经典马尔科夫模型,采用概率后缀树描述模型参数、指代模型建模序列,建立条件概率存在差异时的约束条件.通过遍历概率后缀树,获取深层碳酸盐岩储存空间的匹配序列,结合与预测储存空间具有较高相似度的空间信息规律,构建融合预测模型,解得深度碳酸盐岩储存空间预测概率.实验阶段,选取塔河油田实际数据作为仿真依据,根据物性参数特征、波阻抗剖面特征以及波阻抗平面特征分析结果可知,
面对突发任务调度过程中存在卡顿、负载均衡分配效果不佳等情况,对基于Forth虚拟机技术的嵌入式突发任务调度展开仿真探索.利用Forth虚拟机构建嵌入式突发任务调度框架,其中任务控制块利用任务R/D堆栈形成任务映像后,利用RAM模块形成任务信息块并在FLASH任务字典内创建任务名词,利用静态分配方式经过创建、初始化等步骤建立突发任务;虚拟机通过判断突发任务调度优先级均衡分配负载,利用时间轮转调度算法实现突发任务调度.实验结果表明:删除突发任务后,任务占用空间数值大且内存占用率下降幅度较大,调度流畅性较好;任
针对采用当前方法分析嵌入式控制软件的可靠性时,没有对软件可靠性度量参数进行分析,存在分析错误率高、分析效率低和适应性差的问题,提出基于构件技术的嵌入式控制软件可靠性分析方法,在软件可靠度、失效概率、失效强度、失效率、平均失效时间、平均失效间隔时间六个软件可靠性度量参数的基础上,通过构件技术,结合融合容错技术和软件敏感度分析方法对嵌入式软件可靠性进行分析.实验结果表明,所提方法的分析错误率低、分析效率高、适应性好,解决了当前方法中存在的问题,为计算机的稳定运行提供了保障.
针对传统的图像识别算法在压印字符识别领域存在识别精度低、速度较慢的问题,提出了一种基于LeNet-5压印字符识别方法.与传统的LeNet-5不同,在文中网络各卷积层中采用小尺寸卷积核,以提取更多的特征并加快模型的训练速度;使用InceptionV2卷积模块取代C5全连接层,可加深网络宽度,从而提高网络的识别精度;放弃全连接层F6,改用全局平均池化层,并且选用性能优越的Relu函数作为激活函数,以便减少训练参数,提高网络的训练速度.通过实验发现,文中模型的识别精度达到98.57％,与传统LeNet-5模型以
为深入了解乡村空间形态地域分布状况,分析不同层面的形态特征和演化规律,提出一种基于门槛值法的空间形态地域特征识别方法.拍摄空间形态地域红外遥感图像,建立图像数据采集系统,使用基于相位保持的图像预处理手段,预防发生非均匀现象,减少图像噪声,增强空间图像成像质量,为特征识别提供先决条件;在门槛值法的基础上,建立门槛值回归模型,划分不同空间形态地域基础特征;运用基于改进型PCNN赋时矩阵的地域特征识别方法,实现图像特征提取与目标精准识别.仿真结果表明,所提方法可以有效识别乡村空间形态地域的规模结构和形态分异的格
针对目前方法对扩展软件进行稳态训练时,存在软件检测缺陷的时间较长,检测率较低、误报率较高的问题,提出基于长短期记忆网络的扩展软件稳态训练方法.方法首先利用长短期记忆网络对软件中的数据进行特征提取,建立数据集与验证集并以此构建马尔可夫链稳态训练模型,再引入关联缺陷矩阵对软件中的缺陷关联关系进行计算,获取缺陷关联系数,最后依据缺陷的检测率、关联回扣值、关联系数设定资源函数,通过计算剔除软件中的缺陷,完成对软件的稳态训练.实验结果表明,运用上述方法对软件进行稳态训练时,检测缺陷的时间较短、检测效率较高、误报率较
针对传统目标识别算法在目标遮挡情况下识别准确率较低的问题,提出一种基于轮廓分段特征可信度的遮挡目标识别算法.为获取有效分段,提出了基于弯曲度的轮廓分段优化算法,首先根据轮廓曲率分布进行初步分段,再根据分段的弯曲度进行分段优化,得到有效分段.然后用重要性和局部性两个参数对分段的特征可信度进行评价.在此基础上提出加权相似度匹配,将分段之间的相似度与其特征可信度结合起来,最后得到衡量识别准确率的加权相似度,获得遮挡目标的最终识别结果.通过对MPEG-7数据库进行仿真,实验证明所提出算法对于遮挡目标的识别可以获得