简介：

简介：提出了一种新的恒虚警检测算法SOSGO-CFAR。该算法应用检测单元采样作为选择参考单元的依据，使用了基于转换恒虚警（S-CFAR）和排序选大恒虚警（OSGO—CFAR）的复合算法。文章给出了该算法在均匀背景中的数学分析。并在均匀背景、杂波边缘和多目标情况下，用MonteCarlo方法进行了仿真分析。结果表明，该检测器既具有均匀背景下和CA-CFAR相近的良好性能，在杂波边缘环境中，具有接近OSGO-CFAR的性能，且在多目标环境中，其性能明显好于S-CFAR。

简介：摘要关联规则反映了大量数据中项集之间的相互依存性和关联性。Apriori算法是关联规则挖掘中的经典算法。本文在对Apriori算法分析的基础上，针对该算法存在的缺陷，即会产生大量冗余的候选集并频繁扫描数据库，提出了改进的Apriori算法，并给予验证。实践证明，改进后的算法效率优于传统的算法。

简介：对Apriori算法进行优化，提出了一种Z_Apriori算法。该算法在首次产生频繁项集时。扫描数据库并通过二进制编码串记录每个项目在事务里是否出现过，在每次进行计算迭代过程中无需再对数据库进行扫描．避免了对数据库的重复扫描，在系统性能和效率上较经典的Apriori算法有一定的改善。

简介：然后扫描数据库来确定Ck中那些k-项目集是频繁项目集,频繁k项集c的每一单个项目i所对应的频繁1项集{i}或者从L1中取,所以在利用FUP算法对关联规则进行更新时

简介：针对数据删除的关联规则的更新问题，提出了一种新的算法，该算法充分利用了保留下来的原数据库中所有项目的计数以及挖掘出来的最大频繁项目集及其计数，找出更新后的数据库中新增的频繁一项集和被删除的原频繁一项集，进而挖掘出更新后的关联规则。

简介：设计了一种基于遗传算法的关联规则算法,该算法将遗传算法和关联规则相结合.对遗传算法的编码方法、适应度函数的构造、交叉算子和变异算子进行了分析,给出了所设计方法的具体步骤,并进行了试验.试验表明,改进后的算法的执行效率高于Apriori算法.

简介：摘要当今信息化发展速度惊人，大数据、云计算、人工智能技术应用于各行各业，给社会的发展带来了很多便利，也为我国经济的快速发展注入了新的血液。因此，根据实际情况研发出科学而有效的数据挖掘算法，对于整个信息行业来说都有不可估量的意义，在进行大规模数据信息处理的时候，在关联规则下的数据挖掘算法就体现出了它本身重要的优势。因此，本文将对关联规则下的数据挖掘算法进行详细的分析，以供参考。

简介：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.

简介：摘要：数字化转型、智能化改造已成为港口发展的重要趋势和核心驱动力。不规则件杂货智能识别算法研究项目课题通过集成“视频流+多点识别+AI识别”等信息技术，对理货模式进行智能化改造，实现了视频流自动抓拍识别、算法深度自主学习和多视频流技术校验，在散杂货港口针对件杂货货物形状、重量、大小不统一及装卸工艺复杂等特点，针对码头前沿装卸、水平运输以及堆场作业等不同作业场景，研究针对不同类型件杂货的智能识别算法，并探索嵌入港口现有智能理货系统之中，突破当前港口件杂货理货，（某货种）形状不规则、长度和直径不统一、单车积载相互遮挡、单摄像头无法完整采集整车图像等理货关键难题。

简介：摘要：随着科技的不断进步，能源互联网背景下,电网表现出“双高”和“双随机”特征,致使其电压、频率随机且频繁出现波动变化,引发新的电能质量问题。动态条件下如何实现电能的准确计量,以保证其公平公正,已越来越受到关注。文章从稳态和动态两方面对现有电能计量算法进行梳理和归纳,总结点积和与快速傅里叶变换等稳态算法的原理、技术特征及对信号动态变化的不适用性;对估计基波频率类动态算法,以及短时傅里叶变换、小波变换、希尔伯特-黄变换和S变换等时-频分析类动态算法的原理、技术特点、局限性等进行比较和分析;并重点归纳了小波变换方法的优缺点及应用前景。在此基础上,对动态电能计量算法的未来研究给出了建议。

简介：

简介：摘要健康管理学领域研究工作离不开计量资料的统计推断，但统计推断方法的选择在实际研究分析中又较容易混淆。因此本文主要介绍了常用的计量资料的参数估计、单变量假设检验和相关分析方法，结合健康管理学研究实例，通过路径图和文字对这些方法进行了理论介绍，并说明了这些统计方法在SPSS软件中实现的方式，以及统计结果的简要解读，为本领域研究者在计量资料统计分析时提供帮助和指导。

简介：1．[改编自2013·北京]执行如图所示的程序框图，输出的S值为___．

简介：【摘要】随着计算机视觉技术的日益成熟，人脸识别技术正逐渐成为社会安全、金融支付等领域的研究热点。传统的基于统计的方法在处理复杂场景和多姿态人脸时仍然面临诸多瓶颈。为了提高人脸识别的准确性和效率，研究者们开始尝试将先进的统计学习算法应用于人脸识别领域。本文旨在梳理和总结基于统计的人脸识别算法的基本原理，分析不同类型算法的优点与不足，探讨它们在实际应用中的表现，并对未来的研究方向提出建设性意见。

简介：其中W(p1)=W(p0)．F(t1)=0.90．0.90=0.81,W(p5)．F(t6)=0.53．0.75=0.40,W(p0))且p=P0

简介：假设自然地表分布连续，在地形起伏不大的情况下，局部地表的高程值具有正态分布的特点，而地物点的存在往往会破坏正态分布的平衡性。基于这种思想文中引入偏度和峰度两个统计量，设计了基于参数统计的LiDAR分割算法。该方法无需事先设定阔值，实施简单方便，不仅适用于格网形式LiDAR数据，也可用于离散分布的激光脚点。

简介：本文指出了文[1]中次序统计量抽样分布证明中的错误，并进行了更正．

简介：传统的关联规则Apriori算法在产生频繁项集的过程中,需要多次扫描事务数据库以及多次扫描频繁项集,从而造成算法性能下降.为了减少扫描事务数据库以及频繁项集的次数,在生成的候选k项集中,除了存储项集item-set以及支持度计数count之外,加入事务标识符列表Tidlist属性,在生成频繁k项集时,可以直接通过Tid-list的交集得出事务标识符列表以及项集的计数,不需要去扫描事务数据库,从而可以有效地提高算法的性能.文中提出了一种改进的关联规则挖掘模型以及关联规则挖掘算法I-Apriori算法.实验证明,I-Apriori算法相比Apriori算法的执行时间有明显改进.

简介：本文对关联规则采掘中的主要方法进行了概述,指出了关联规则采掘中的不足,介绍了算法优化上的一些进展情况