改进方法

基于核心区域顺序度量特征和转换距离，提出了快速高效的视频拷贝检测方法。通过统计分析真实网络拷贝视频特点，选取稳定核心区域提取顺序度量特征，并设计基于最小转换代价的度量标准和快速匹配方法。实验验证了该方法在真实网络和 MUSCLE-VCD-2007 数据上的有效性。

熵值法优化TOPSIS计算公式，提出改进熵权TOPSIS法，结合定性定量因素对电力营销服务进行评价，验证了该方法的实用性。

这是一些关于Matlab数值算法的代码示例，展示了改进的欧拉方法的应用。

在关联规则算法中，提出了一种基于散列函数的改进方法。该方法采用一种新的散列函数，可以有效地减少散列冲突，提高散列效率。通过实验对比，改进后的散列方法可以显著提高关联规则算法的性能。

基于Matlab进行了Kalman滤波的仿真，并探讨了联邦卡尔曼滤波法的实现及其改进。

Matlab编程：移除异常值的改进方法。利用改良的Thompson-Tau方法，可以将向量或矩阵中的异常值转换为NaN。

XML树匹配在数据挖掘、自然语言处理和图像检索等领域有广泛应用。分析现有的匹配度计算方法发现，前期要求过于严格，导致匹配结果存在误差，影响了匹配的准确性和效率。基于XML的内容约束和结构约束，结合节点相似度和层次相似度，提出了一种改进的结构相似度计算公式，有效提高了匹配计算结果的准确度。经实验证实该公式的有效性。

这是一个对标准POLAR绘图函数进行修改的版本，允许用户旋转绘图标签而不是整个绘图。此外，还能重新定义半径标签，以处理包含负值而不是负半径的数据，这在声学领域中尤为常见。虽然最初设计用于方向图，但这种修改对其他应用也十分实用。此版本还支持半圆形极坐标绘图、自定义径向网格步长以及调整径向标签的角度。返回的句柄可供用户进一步调整使用。已经在MatLab版本R12、R14和2017a上进行了测试，并与旧有的POLAR语法兼容。

关联规则发现算法是数据挖掘中的核心技术之一，广泛用于从大型数据库中挖掘有价值的信息。Apriori算法作为其中经典算法，能够在频繁项集的性质上优化搜索，但在处理大数据时因频繁扫描数据库而效率下降。为解决这一问题，提出了AprTidList算法。 AprTidList算法原理AprTidList改进了Apriori算法的不足，使用链表结构来记录满足最小支持度的频繁项集。它在完成一次数据库全面扫描后，将所有符合条件的1-项集存入链表中。此链表记录项集出现的交易标识符（TID），在后续计算中通过遍历链表生成候选项集，从而减少了不必要的迭代和数据库扫描操作，显著提高了算法效率，尤其适合大型交易数据库。 关联规则的定义与度量关联规则通过项集之间的相关性来揭示潜在的规律，形式通常为“如果...那么...”。其中规则的支持度表示规则项集在所有交易中的频率，而置信度表示在包含X的交易中也包含Y的概率。为提升关联规则的有效性，通常设定最小支持度和最小置信度作为筛选阈值，仅保留强度高且具有业务价值的规则。数据挖掘者关注这些强规则，以发现有实际意义的关联关系。 支持度计算与交易数据库结构每一项集与交易的支持度均通过交易数据库中的TID进行关联计算。交易数据库的结构决定了支持度的计算效率，利用链表存储和遍历加速项集支持度统计，从而有效避免了Apriori算法的多次扫描问题，为大规模数据处理提供了高效的解决方案。

在实际问题中，数据库的数据常受多种因素干扰，导致数据不完备。基于粗糙集理论，研究了不完备信息系统的完备化问题，并提出了改进的ROUSTIDA算法。新算法扩展了处理能力，解决了原算法对缺失数据处理的局限性。针对不一致信息的问题，本研究提出了相应的填充策略，为下一步的数据挖掘提供了充分的数据准备。