盛立
- 作品数：12 被引量：35H指数：4
- 供职机构：山东师范大学信息科学与工程学院更多>>
- 发文基金：山东省自然科学基金山东省优秀中青年科学家科研奖励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理学文化科学更多>>
- 基于粗糙集理论的数据挖掘方法的研究
- 随着计算机技术的不断发展，人们在信息时代面临着越来越多的数据，如何发现隐藏在众多数据中的内部信息成为人们研究的热点问题。传统的数据库管理系统已经不能满足人们从数据库中抽取隐藏信息的需要，因此提出了知识发现和数据挖掘的概念...
- 盛立
- 关键词：知识发现数据挖掘粗糙集数据库管理
- 文献传递
- 基于矩阵相乘的Apriori改进算法
- 规则挖掘在商场的顾客购物分析、商品广告邮寄分析、网络故障分析等领域都具有重大的应用价值.本文对关联规则挖掘算法Apriori进行了研究,提出了一种利用矩阵相乘,直接生成频繁2-项集而不产生侯选频繁2-项集的思想,以及基于...
- 高明刘希玉盛立
- 关键词：数据挖掘关联规则APRIORI算法矩阵相乘
- 一种用于加快发现频繁项目集的预处理策略被引量：5
- 2005年
- 分析了Apriori算法关于发现频繁项目集的方法及其效率,提出了一种基于无向项集图的预处理策略,用于加快频繁项目集的生成过程.采用预处理策略的Apriori算法(UIGApriori算法)加快了频繁项目集的发现效率,改善了算法的性能.
- 高明刘希玉盛立
- 关键词：关联规则挖掘频繁项目集
- 基于粗糙集理论的数据挖掘算法研究
- 研究了粗糙集理论在数据挖掘中的应用,提出了一种基于粗糙集理论的数据挖掘方法。首先对信息系统的数据加工泛化,然后构造其二进制可辨矩阵,最后对矩阵进行化简得到属性约简并生成规则。文章结合银行申请信用卡的实例利用上述方法进行数...
- 盛立刘希玉高明
- 关键词：数据挖掘粗糙集属性约简
- 文献传递
- 一种新的全局优化前馈神经网络被引量：1
- 2004年
- 将 L-M算法与填充函数法相结合,提出一种训练前向网络的混合型全局优化新算法.L-M算法的收敛速度快,利用它先得到一个局部极小点,然后利用填充函数算法跳出局部最小,得到一个更低的局部极小点.重复计算即可得到全局最优点.经实验验证,该算法收敛速度很快,避免局部收敛,而且性能稳定.
- 高明刘希玉盛立
- 关键词：填充函数前馈神经网络全局优化全局最优L-M算法收敛速度
- 一种新的全局优化BP网络被引量：10
- 2006年
- 将L-M算法与填充函数法相结合,提出一种训练前向网络的混合型全局优化GOBP(G lobalOptim izationBP)算法。L-M算法的收敛速度快,利用它先得到一个局部极小点,然后利用填充函数算法跳出局部最小,得到一个更低的局部极小点,重复计算即可得到全局最优点。经实验验证,该算法收敛速度很快,避免了局部收敛,而且性能稳定。
- 盛立刘希玉高明
- 关键词：L-M算法填充函数全局优化BP网络
- 基于免疫遗传算法的建筑构件创新设计被引量：1
- 2006年
- 分析建筑构件的特点,使用免疫遗传算法对建筑构件的设计进行约束和控制。对原有的遗传算法做了改进,在适应度函数构建方面增加了对称度、均匀度和平滑度的度量,在选择算子构造方面引入了免疫算法抗体的相似度。实验结果表明,该算法能够增强建筑构件设计的创新性。
- 盛立高明刘希玉
- 关键词：免疫算法遗传算法建筑构件
- 基于遗传算法的创新建筑构件概念设计被引量：4
- 2006年
- 通过分析建筑构件的特点,提出使用遗传算法对建筑构件的概念设计进行约束和控制。对原有的遗传算法做了改进,在适应度函数构建方面增加了对称度、均匀度和平滑度的度量。实验结果表明,该算法能够增强建筑构件概念设计的创新性。
- 高明盛立刘希玉
- 关键词：遗传算法概念设计建筑构件
- 改进的关联规则增量式更新算法被引量：2
- 2005年
- 发现频繁项集是数据挖掘应用中的关键问题,发现过程的高花费要求对增量数据挖掘算法进行深入研究．考虑保持最小支持度不变,一个事务数据集d动态的添加到事务数据库D中时,利用基于矩阵的MFUP(Matrix＿Fast＿Update)算法生成事务数据库DUd中的频繁项集．
- 高明刘希玉盛立
- 关键词：数据挖掘频繁项目集关联规则增量式更新
- 一种高效的关联规则挖掘算法被引量：2
- 2005年
- 在AprioriTid算法的基础上提出了两点改进:一是利用压缩的候选项目集代替数据库D,减少了数据量;二是根据优化的频繁k-1项目集L’k-1来生成候选项目集Ck,避免了不必要的组合.实验证明,改进算法在缩小数据库规模方面是行之有效的.
- 盛立高明刘希玉
- 关键词：关联规则数据挖掘APRIORITID算法
