基于项目序列集操作理论的关联规则的挖掘算法

在关联规划挖掘理论研究上,首次给出了项目序列集格空间,并且探讨了在这个空间上的基本操作算子、基于项目序列集格空间及其操作,建立了关联规则挖掘模型.在关联规则挖掘算法方面,设计了基于项目序列集操作理论的关联规则挖掘算法SIS,该算法执行时间整体上优于Apriori算法,而且随着数据量的增大,该算法执行时间的增长幅度也小于Apriori算法.     

基于概念格的频繁闭项集增量挖掘算法研究

近年的研究表明，概念格可以应用于解决频繁闭项集的挖掘问题．针对已有渐进式概念格构造算法中存在的问题，提出了一种基于概念格的频繁闭项集增量挖掘新算法——FIPT-I算法．新算法利用模式树对概念格进行组织，并利用模式树压缩数据库中的事务，在渐进式构造概念格的同时实现了事务的批处理，减少了概念格的调整操作时间．实验结果表明，与其他同类算法相比，FIPT-I算法对于增量挖掘频繁闭项集来说具有更高的效率．     

一种定量关联规则的控制算法及实现

给出了关联规则的相关概念,描述了布尔型关联规则的一般算法,对定量型关联规则的挖掘算法进行了分析讨论,最后,以学校智能型学生测评系统为应用基础,研究了如何在数据库中挖掘关联规则的问题,给出了挖掘定量型关联规则的算法.     

一种定量关联规则的控制算法及实现

给出了关联规则的相关概念,描述了布尔型关联规则的一般算法,对定量型关联规则的挖掘算法进行了分析讨论,最后,以学校智能型学生测评系统为应用基础,研究了如何在数据库中挖掘关联规则的问题,给出了挖掘定量型关联规则的算法.     

基于概念层次的关联规则挖掘算法

在经典关联规则挖掘算法的基础上,给出了带有概念层次的事务数据的关联规则有效挖掘算法,并通过实验,给出算法执行效率的分析。结果表明,该算法能得到有效的基于概念层次的关联规则。     

基于概念格和随机游走的社交网朋友推荐算法

在社交网络朋友推荐上,现有方法通过用户注册的共同属性或者用户共同邻居来对用户进行朋友推荐,由于缺乏对用户之间关系的深入的挖掘,推荐精度不高。本文采用概念格从数据中挖掘知识,利用用户特征属性和社交网络图建立概念格,提出了弹性随机游走方法SRWR,并在此基础上用概念格知识指导随机游走,提出了融合概念格和随机游走的FCASRWR方法,度量了用户之间的相似性,算法最终根据相似度进行朋友推荐。实验采用Facebook的真实数据集,采用AUC和精确度评价指标,实验结果表明了该方法比目前主流的方法在指标上有较大提高,验证了方法的准确性。     

高效关联规则数据挖掘算法研究

关联规则挖掘是数据挖掘领域的一个重要问题，由于关联规则挖掘通常是基于超大型数据库或数据仓库，算法的效率在一定程度上决定挖掘的成败，针对关联规则挖掘中的主要任务－－频集发现过程中存在的几个问题，提出了项目树的概念，引出了一种新的控制模式，并设计了相应的高效挖掘算法，大大提高了挖掘效率。     

一种基于时态因子约束的关联规则挖掘算法

时间是事物本身固有的性质,挖掘关联规则的时候把时间因素考虑进去会更符合现实的情况,时态关联规则挖掘是一种考虑带时间约束的关联规则挖掘方法.研究如何对关联规则进行时间上的约束是一个有待解决的问题,运用时态因子对关联规则进行时间上的约束是解决问题的一个办法,在给出时态因子的相关定义后,提出基于时态因子的关联规则相关概念,并给出了一种基于时态因子约束的关联规则的算法.最后结合实验结果,给出了一种关联规则实验结果分析方法,这种分析方法使得所挖掘的实际结果更为直观.     

基于多媒体数据库的数据挖掘模型和方法

多媒体挖掘是数据挖掘的一个新兴且富有挑战性的子领域.多媒体挖掘的概念、内容和方法都没有一个统一的定论,多媒体挖掘的体系结构和框架有待于进一步研究.基于此,介绍了一种适合多媒体挖掘的系统模型;阐述了与模型相关的多媒体挖掘方法:多媒体数据立方体、聚类、分类和关联规则;最后给出了采用关联规则数据挖掘方法对多媒体数据库进行数据挖掘的实例.     

基于多媒体数据库的数据挖掘模型和方法

多媒体挖掘是数据挖掘的一个新兴且富有挑战性的子领域。多媒体挖掘的概念、内容和方法都没有一个统一的定论,多媒体挖掘的体系结构和框架有待于进一步研究。基于此,介绍了一种适合多媒体挖掘的系统模型;阐述了与模型相关的多媒体挖掘方法：多媒体数据立方体、聚类、分类和关联规则;最后给出了采用关联规则数据挖掘方法对多媒体数据库进行数据挖掘的实例。     

融合概念格约简的中文领域本体学习方法

在基于形式概念分析的中文领域本体学习中,为提高概念格构建效率,将概念格约简理论应用于概念格构建中。首先对基于语义依存分析获取的形式背景进行对象和属性约简,然后基于约简的形式背景采用Godin算法构造概念格,最后根据修复定理修复约简概念格,得到完整的概念格。通过有关对萝蘼科植物的文本学习,得到一个萝蓐科植物领域本体。实验结果表明,引入概念格约简理论,概念格的构建效率提高70％,进而提高了领域本体构建的效率。     

基于概念提升的概念格更新构造算法

概念格因其结构生动简洁地表明概念之间的泛化一例化关系,成为一种有效的数据挖掘工具。然而直接从形式背景中直接构造概念格的效率较低,为了提高概念格的构造效率,针对形式背景中的多个属性合并,给出了一种基于概念提升的概念格更新构造算法UCP．该算法充分利用了属性合并之前的概念格,仅对部分概念结点进行更新处理,从而提高了概念格的构造效率。最后,以恒星光谱数据作为形式背景,采用VC＋＋6．0和Oracle9i为开发工具,实验验证了该算法的有效性。     

Discrimination conditions and process of water-resistant key strata

Water-preservation mining is one of the most important parts of the 'Green Mining' technology system,which can realize the effective regulation of groundwater resources by controlling strata movement,changing passive prevention and governance of water disasters to active conservation and utilization of groundwater resources and thus obtaining coal and water simultaneously in mining.The concept of water-resistant key strata further enriches the content of the key stratum theory and provides a theoretical basis for water-preservation mining.In order to realize the idea of water-resistant key strata as a guideline in the design of water-preservation mining and engineering applications,the conditions for discrimination in the process of water-resistant key strata,we have presented a mechanical model,as well as its corresponding computer program,based on a large number of theoretical analyses and field measurements,as well as on a comprehensive consideration of the position,structural stability and seepage stability of key strata.Practical engineering applications indicate that this discrimination method and its corresponding computer program on water-resistant key strata are accurate and reliable and can satisfy the actual design needs of water-preservation mining and thus have instructional importance for water-preservation mining in mining areas lacking water.     

基于三支概念格合并的决策背景规则提取

作为当前形式概念分析领域的研究热点,利用三支概念格可以实现更为有效的决策分析。该文在现有基于属性导出三支概念格的规则提取基础上,研究了基于对象导出三支概念格的规则提取,并与经典概念格及属性导出三支概念格下的规则提取进行了比较。然后通过对象导出三支概念格和属性导出三支概念格的合并,定义了对象/属性导出合并三支概念格,并提出了相应的规则提取算法。理论分析和实例结果表明,对象导出三支概念格和属性导出三支概念格的合并进一步改善了生成规则的质量。     

基于对象扩展的概念格批处理构造算法

大多数概念格批处理构造算法,由于产生大量不满足外延最大扩展性的结点即冗余结点,导致相同内涵的结点重复生成,降低了概念格的构造效率。给出了一种新的基于对象扩展的概念格批处理构造算法（OEBCA）,该算法对每层新生成的结点进行对象扩展,使其满足外延最大扩展性,相同内涵的结点只生成一次,从而避免了冗余结点的产生,提高了概念格的构造效率。实验结果表明,该算法是正确的和有效的。     

BIDEFCE：一种基于双向扩展的频繁闭情节挖掘算法

在事件序列上挖掘频繁闭情节时,为避免维护频繁情节集,加快挖掘进度,提出基于双向扩展的频繁闭情节挖掘算法BIDEFCE.该算法基于非重叠的最小发生的支持度定义和深度优先搜索策略,在生成新频繁情节的同时,采用向前和向后扩展检查,尽早判断并淘汰非闭情节,将待定情节加入频繁闭情节超集FCE中.然后再对FCE中的情节进行闭合性检查,保留真正的闭情节.该算法避免维护频繁情节集,只需维护频繁闭情节超集,节省存储空间,提高运行效率.实验证实BIDEFCE算法在事件序列上能有效挖掘频繁闭情节.     

基于生态安全理念的我国铀矿冶业可持续发展

生态安全是矿业可持续发展的重要问题．铀矿冶工业是核工业和核电事业发展的基础,但是铀矿采冶对生态环境的影响也是较大的,主要包括尾矿与废石、废水、辐射影响等．本文通过分析生态安全与可持续发展的辩证关系,结合从生态安全角度对我国铀矿冶工业受制约因素的分析,就如何充分发挥生态安全理念对我国铀矿冶工业可持续发展的作用进行深入探讨．我国铀矿冶工业要实现可持续发展,必须从以下四个方面建立生态安全理念：树立生态安全管理观;树立科学生态安全观;树立生态安全投入观;树立生态安全责任观．     

一种基于数据隐含涵义的查询方法DCMQ

许多领域的业务中均需要存储用户的数字标识,并在随后的系统业务处理过程中通过这些数字标识对用户信息进行检索。针对这一现状,为了同时满足对用户信息精确和模糊检索的需求,文章以数据挖掘预处理中基于概念树的数据浓缩思想为基础,提出了一种基于数据隐含涵义的有效存储查询方法———DCMQ。解析分析表明该方法不仅可以节省数据库开销,并能有效提高系统的检索速度。     

一种基于网格的概念格分布式构造方法

分布式构造是降低面向海量数据的概念格构造复杂性的一种有效途径。目前,概念格分布式构造方法普遍偏向理论,存在扩展性差、资源利用率较低等问题。利用网格作为分布式计算平台,采用适合概念格构造规模的多次分发调度策略,给出了一种网格环境下的概念格分布式构造方法。最后,采用恒星光谱数据作为形式背景,实验验证了方法的正确性和有效性。