福建省自然科学基金(A0610014)
- 作品数：6 被引量：29H指数：3
- 相关作者：叶东毅谢丽聪白清源谢伙生张莹更多>>
- 相关机构：福州大学福建农林大学更多>>
- 发文基金：福建省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于区间编码挖掘邻近序列模式
- 2007年
- 提出一种快速挖掘邻近序列模式的RCSP算法。该算法只需扫描一次数据库,且通过建立前序链接编码树,借助结点的区间编码,可以在常数时间内确定序列在树中的不同映射片段之间的祖孙关系,实现序列支持数的快速计算,不必额外创建中间树,直接在树上进行挖掘,就能得到所有邻近序列模式。实验表明RCSP算法具有较好的性能。
- 严金妹谢伙生白清源谢丽聪张莹
- 基于合并FP树的频繁模式挖掘算法被引量：4
- 2007年
- FP-growth算法是一个挖掘频繁模式的有效算法,但它在挖掘过程中需要产生大量的条件FP树,因此其时空效率不够理想。提出了DFP-mine算法,通过在改进的FP树上合并子树来挖掘频繁模式,并在挖掘过程中结合了自顶向下和自底向上的双向搜索策略。理论分析和实验表明本文提出的算法具有较好的时空效率。
- 林森媚谢伙生白清源谢丽聪张莹
- 关键词：FP树
- 一种基于扩展差别矩阵的规则获取方法被引量：3
- 2008年
- 本文对Skowron差别矩阵[1]进行扩展,提出了一种不求决策表属性约简,直接获取决策规则的方法。此外,该方法只需根据同一决策类中扩展差别矩阵元素来提取规则,且不会造成规则冲突,适合于分布规则提取。
- 林晓斌叶东毅
- 关键词：粗糙集差别矩阵
- 快速挖掘频繁模糊项集被引量：1
- 2008年
- 针对模糊频繁集的挖掘问题,提出一种有效的算法FMF.该算法采用FFP-树结构,将与模糊项目相关的事务的序号保存在树结点中.算法通过直接找到所有包含模糊项集的全部事务来计算该项集的支持度,不必扫描整个数据库,提高了模糊频繁项集挖掘的速度.
- 石明兰叶东毅杨晖
- 关键词：数据挖掘模糊关联规则
- 基于邻域辨识矩阵的属性约简增量式算法被引量：10
- 2009年
- 邻域粗糙集模型可以直接处理连续型数据。属性约简是邻域粗糙集模型的重要研究内容之一。目前已有的增量式粗糙集约简算法主要考虑经典的粗糙集模型的情况,不适用于邻域粗糙集模型。为此,提出一种基于邻域辨识矩阵的属性约简增量式算法,主要考虑连续型数据对象动态增加的情况下的属性约简问题。为了解决该问题,提出了一种邻域决策系统的辨识矩阵,通过辨识矩阵的动态更新实现动态求核,并在此基础上,利用原有的属性约简进行属性约简的更新。
- 林俊伟叶东毅
- 关键词：邻域粗糙集属性约简增量式更新
- 最小约简问题的一个免疫离散粒子群算法被引量：11
- 2008年
- 把求决策表最小属性约简问题归结为一个不含非线性约束的0-1组合优化问题,证明了两个问题之间最优解的等价性.针对问题的特性,对原有的二进制粒子群算法进行改进,引入基于决策表差别矩阵的疫苗接种机制以及k-精英保优策略,由此提出一个免疫二进制粒子群算法并用于求解转化后的组合优化问题.仿真计算结果表明该算法有效地提高了获得最小属性约简的可能性,同时还具有较快的收敛速度.与其它类型的最小属性约简算法相比较,该算法取得明显的改进效果.
- 叶东毅廖建坤
- 关键词：粗糙集最小属性约简二进制粒子群优化免疫机制
