摘要：针对目前验前信息融合方法存在主观性和单一性的缺陷,引入验前分布的不确定性测度和支持度,提出了基于不确定性测度与支持度相结合的验前信息加权融合方法.首先,利用β分布对测试性验前信息的不确定性进行描述,运用不同的验前信息确定验前分布超参数;然后,引入不确定性测度和支持度作为验前信息加权因子,设计了相应的融合算法;最后利用混合验前分布,结合测试性现场试验数据,计算了Bayes融合评估的验后结果.该方法不仅考虑了验前分布本身对测试性参数的真实情况描述的接近程度,还考虑了不同来源的验前信息之间的支持程度.实例分析表明,在同一置信水平下,基于该方法的测试性评估置信下限相对于传统方法的测试性评估置信下限大约提高了0.7%.

摘要：当同时研究正、负关联规则时会遇到一些新问题,如非频繁项集的挖掘及如何避免产生自相矛盾的规则等。该文对这些问题进行了深入的研究,设计了能够同时挖掘频繁项集与非频繁项集以及能够同时挖掘这些项集中的正、负关联规则算法,实验表明该算法是非常有效的。

摘要：2012年国庆首次实行的高速公路免费政策,作为一项惠民举措极大地激发了人们出游的热情,在引爆假日旅游尤其是自驾车旅游市场同时,高速公路拥堵不堪、事故频发和旅游质量下降等弊端集中凸显,有违制定政策的初衷。文章在探索性因子分析基础上构建了城市居民对高速公路免费政策的支持度及出游行为感知概念模型,并采用纵向研究方法,借助2013年春节后及2013年国庆后调研数据,通过结构方程模型验证性因子分析,实证研究居民对高速公路免费政策感知与支持度及出游行为相关关系变化,结果显示:(1)春节和国庆调研中出游质量与支持度相关性最强,且关联性得到提升;(2)公共服务能力不足和安全隐患都是支持度的重要影响因素,公共服务能力的影响程度略有下降的同时安全隐患的影响力得到提升;(3)出行成本与支持度的相关性有所减弱,相反地,公平性对支持度产生了影响,但并不显著;(4)支持度作为居民出游行为感知与再次出行决策的中介变量,中介效应提升。

摘要：受到通信或其它设备及配网二次回路故障、缺陷及运行单位人为修改的影响,本已庞大、复杂的配网自动化控制系统数据库的数据质量问题更为严重,数据不准确、不一致、不可靠等问题层出不穷。针对这一问题,文章设计了一种基于支持度-置信度-提升度框架的挖掘算法,从配网自动化控制系统历史数据库中低质量的海量数据中智能挖掘频繁项集,建立符合配网自动化动作逻辑的、具备整体一致性的强关联、强相关规则。文章以具体案例详细介绍了该算法的应用,并通过分析说明该算法不仅为建立客观、合理的配网自动化系统指标评价体系提供可靠、准确的数据挖掘方法以及科学的理论依据,而且可以为管理部门日常运行、管理、维护、消缺工作提供智能的判定工具,节约人力、物力及时间成本,具有很强的工程意义。

摘要：为解决高时间复杂度和牛顿插值算法中的凸点问题,提出了一种分块算法、牛顿插值算法、Apriori算法及哈希表冲突处理方法思想等相互结合的方案。充分利用分块算法的分块特性,解决了高时间复杂度问题;通过利用哈希表冲突处理方法思想对点值误差进行修正,解决有关凸点问题。结合电子商务应用系统实例,对设计方案进行了研究、对比与验证,得到了一个低时间复杂度、算法运行稳定的可行方案,使关联规则挖掘结果的精度得到进一步的提高,从而增强了用户的决策和收益能力。

摘要：目前多传感器融合算法大都需要先验知识,而现实环境中常常无法满足。为有效解决这一问题,在信息融合中利用指数衰减函数引入了支持度的概念,进而设计了两种不依赖任何先验知识的基于支持度的多传感器信息融合算法。最后,应用该算法对3部雷达的观测数据进行处理,实验结果表明,该算法有较好的融合效果,并具有计算简单的特点。

摘要：提出了一种用于在多数据库环境下确定模式的支持度的方法。数据挖掘总是在强关联规则模式中进行挖掘,因此计算模式的支持度必不可少。由于多数据库与单数据库的本质不同,单数据库中的支持度只具有本地效应,它的数值和计算方法在多数据库中都是不适用的,因此需要找到一个在多数据库中计算支持度的方法。又由于每个本地数据库的各方面情况不同,因此各自在总部制定决策时的地位和重要性也就各异。于是,在考虑某模式的支持度时,不能简单的将该模式在各本地数据库中的支持度进行平均,而需要引进"权值"的概念。在综合考虑了这些因素之后,提出了一些确定权值的方案,并给出了一个基于权值计算支持度的方法。

摘要：为避免融合算法依赖于先验信息,剔除复杂环境下多传感器测量数据中的干扰误差,一致性数据融合方法得到广泛研究。比较分析了典型的支持度度量方法,并构造了两种新的支持度度量方法。进而设计了一种新的基于传感器一致性和可靠性的融合算法,实现传感器的加权融合。仿真计算验证了新的支持度算法和融合算法的有效性。

摘要：对当最小支持度和最小置信度都不变的情况下数据库中数据量增加时的关联规则增量更新问题进行了研究。给出了一个简单的判定公式,依据项集在原数据库DB和新添加的数据库db中的实际支持度来判定该项集在更新后的数据库DB∪db中是否频繁。对Apriori算法进行了改进,使其能适应本增量更新算法。对BISIUA算法思想进行了详细的论述,并在此基础上给出了该算法的形式化描述。由理论分析可知,BISIUA算法能有效提高关联规则增量更新的效率。

摘要：本文以计算机为辅助设计语文阅读理解词义判断题的支持度计算解答模型。首先设计词义判断题解答架构,其次详细设计语言模型、点互信息、句子相似度三种不同支持度计算解答模型,最后进行实验分析。实验结果表明,在真实数据集中三种模型正确率,即63.2%、76.1%、63.2%;而在自动生成数据集中,正确率为68.2%、66.2%、65.1%。因此,此支持度计算解答模型为语文阅读理解问答解答奠定了坚实基础,促进了阅读理解深化探究。