检索结果

Select

1. 基于智能优化算法的高效用项集挖掘方法综述

高智慧, 韩萌, 刘淑娟, 李昂, 穆栋梁

《计算机应用》唯一官方网站 2023, 43 (6): 1676-1686. DOI: 10.11772/j.issn.1001-9081.2022060865

摘要（342）

HTML （20）

PDF （1951KB）（199）

高效用项集挖掘（HUIM）能够挖掘事务数据库中具有重要意义的项集，从而帮助用户更好地进行决策。针对智能优化算法的应用能够显著提高海量数据中高效用项集的挖掘效率这一现状，对基于智能优化算法的HUIM方法进行了综述。首先，以智能优化算法的类别为角度，从基于群智能优化、基于进化以及基于其他智能优化算法的方法这3个方面对基于智能优化算法的HUIM方法进行了详细的分析与总结。同时，从粒子更新方式的角度对基于粒子群优化（PSO）的HUIM方法进行了详细梳理，包括基于传统更新策略、基于sigmoid函数、基于贪心、基于轮盘赌以及基于集合的方法。另外，从种群更新方法、对比算法、参数设置、优缺点等角度对比分析了基于群智能优化算法的HUIM方法。然后，从遗传和仿生两个方面对基于进化的HUIM方法进行总结概括。最后，针对目前基于智能优化算法的HUIM方法所存在的问题，提出了下一步的研究方向。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 概念漂移复杂数据流分类方法综述

穆栋梁, 韩萌, 李昂, 刘淑娟, 高智慧

《计算机应用》唯一官方网站 2023, 43 (6): 1664-1675. DOI: 10.11772/j.issn.1001-9081.2022060881

摘要（443）

HTML （30）

PDF （1939KB）（272）

传统分类器难以应对含概念漂移的复杂类型数据流分类这一难题，且得到的分类效果往往不尽如人意。针对不同类型数据流中处理概念漂移的方法，从不平衡、概念演化、多标签和含噪声4个方面对概念漂移复杂数据流分类方法进行了综述。首先，对基于块的和基于在线的学习方式对不平衡概念漂移数据流、基于聚类和基于模型的学习方式对概念演化概念漂移数据流、基于问题转换和基于算法适应的学习方式对多标签概念漂移数据流和含噪声概念漂移数据流这四个方面的分类方法进行了分析介绍；然后，对所提到概念漂移复杂数据流分类方法的实验结果及性能指标进行了详细的对比和分析；最后，给出了现有方法的不足和下一步研究方向。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

3. 基于斜率的自适应中值滤波算法

刘淑娟赵晔董蕊王志巍杨芳芳

计算机应用 2012, 32 (03): 736-738. DOI: 10.3724/SP.J.1087.2012.00736

摘要（1205）

PDF （502KB）（575）

针对图像中椒盐噪声点的准确检测与去除问题,提出一种基于斜率的自适应中值滤波算法。该算法首先用n×n(n为大于或等于3的奇数)的模板作用于待检测图像的每一个像素,若当前像素的灰度值为其邻域内所有像素灰度值的极值,判断此点为准噪声点;再利用像素灰度值序列中两段子序列斜率的差值及模板区域内像素灰度值的均值自适应地判断准噪声点是否为真正的噪声点;最后对被判定为噪声的像素做中值滤波处理。与标准中值滤波方法相比,该方法加强了噪声检测的条件。实验结果表明,该算法具有较好地去除椒盐噪声和保留细节的效果。

参考文献 | 相关文章 | 多维度评价