通过聚类在数据库中发现判别式规则

讨论了在结构化的数据库中发现有用知识的一些研究工作。这项工作是在前期工作的基础上进行的 ,〔1〕文曾提出了一个新的知识发现系统 ,本文对该系统作了改进 ,它使用遗传编程方法得到一组对象集 ,系统对该对象集在数据库查询表中发现判别式规则。为了在数据库中发现有用的判别式规则 ,首先要对给定数据库聚类产生相似对象集 ,再将所得对象集应用于发现系统     

基于高频模式树的项约束关联规则发现方法

项约束关联规则发现是在关联规则发现中加入先验知识、提高算法执行效率、精简所发现的规则数量的重要方法,现有的项约束关联规则发现算法都基于Apriori算法框架,在高密度数据库上的执行性能不佳,而且没有提出高效的约束条件检验方法,在一种新型高效关联规则发现算法FP-Growth的基础上,提出了一种全新的项约束关联准则发现算法FPC。FPC算法利用FP-Growth算法逐步生成高频项集的方式,构造了一种约束数据结构,及时检查高频项集满足约束条件的情况,尽早删去不满足约束的条件,实验证明,此算法执行效率比Reorder等基于Apriori的算法高一个数量级。     

基于Petri网的主动数据库规则分析方法

提出一种基于Ｐｅｔｒｉ网的主动数据库的规则分析方法。通过Ｐｅｔｒｉ分析可自动检测出循环触发规则集、冲突规则集、矛盾规则集，进而通知用户修改规则，以保证数据库中规则在有限时间内完成，即为保证规则终止性提供手段。     

基于粗糙集理论的C波段无线电信号特征约简

以C波段无线电信号数据库为研究对象,提出了一种新的数据离散化方法。将C波段无线电信号数据库转化为集值信息系统,然后借助于相容粗糙集理论实现了C波段无线电信号的特征约简与规则提取。     

基于图的主动数据库规则集终止性分析

主动数据库中规则集的行为很难预测,用触发图可以判断规则集是否保证终止,为了精确判定规则集的终止性必须找出触发图中的全部环路．在OO模式下对主动规则集的可终止性进行深入分析,得出了判定规则集终止性的方法,给出了计算触发图中全部环路和判定规则集是否保证终止的算法．     

基于FP-Growth算法的多维关联规则挖掘方法

基于FP-Growth算法在不产生侯选项集的情况下产生所有的频繁项集的思想上提出一种多维关联规则挖掘方法。该方法以数据立方体下的多维数据为研究对象,通过挖掘频繁谓词集发现多维关联规则,并通过理论和实例验证的方法证明了该方法的可行性。     

基于FP树的最大频繁项目集增量式更新算法

发现最大频繁项目集是关联规则挖掘的重要步骤,针对关联规则挖掘中最小支持度发生变化的增量式更新问题,提出了高效发现最大频繁项目集的更新算法.该算法在FP树的基础上增加了记录各项目支持数的表,在头表中增加了域,从而减少了访问事务数据库和FP树的时间,提高了发现最大频繁项目集的效率.     

一种多重最小支持度关联规则挖掘算法

针对单一最小支持度挖掘关联规则不能反应不同数据项出现频度与性质的问题,提出了一个基于频繁模式树的多重支持度关联规则挖掘算法MSDMFIA(Multiple minimum Supports for Discover Maximum Fre-quent Item sets Algorithm),根据不同数据项的特点定义多重支持度,通过挖掘数据库中的最大频繁项目集,计算最大频繁候选项目集在数据库中的支持度来发现关联规则.该算法可以解决关联规则挖掘中经常出现的稀少数据项问题,并解决了传统的关联规则挖掘算法中的生成频繁候选集和多次扫描数据库的性能瓶颈.实验结果表明,本文提出的算法在功能和性能方面均优于已有算法.     

基于FP树的最大频繁项目集增量式更新算法

发现最大频繁项目集是关联规则挖掘的重要步骤，针对关联规则挖掘中最小支持度发生变化的增量式更新问题，提出了高效发现最大频繁项目集的更新算法．该算法在FP树的基础上增加了记录各项目支持数的表，在头表中增加了域，从而减少了访问事务数据库和FP树的时间，提高了发现最大频繁项目集的效率．     

基于活化路径同步关系的规则集可终止性判定

支持主动规则机制已经成为现代数据库系统的一个重要特征.主动规则集的可终止性判定是主动数据库中核心问题之一,利用触发图和活化图的方法来判定可终止性都存在一定的局限性.为此,根据规则与其活化路径的同步关系,介绍了一个新的判定主动规则集可终止性的方法.分析的结果表明文中提出的方法较现有方法可以发现更多的可终止性情形,最后给出了相应的算法及其可终止性、正确性证明.     

AC_SAR:基于强关联规则的可行动分簇算法

提出一种基于强关联规则的可行动分簇算法(AC_SAR)。AC_SAR算法为每一个对象寻找关联性最强的对象,并通过反对称原则和可连接原则删除和合并相应规则,最终挖掘出涉及事务数据库中所有对象的多个连通子图(簇)。与传统算法相比,新算法无需设置阈值,没有冗余知识,算法的中间挖掘结果及最终生成的簇,能有效地解决诸多领域的实际问题。大量试验结果表明,该新算法具有较高的效率、准确性以及较强的可行动性。     

基于核映射的无相关鉴别矢量集算法

针对人脸识别这一非线性分类问题,提出了一种基于核的无相关鉴别矢量集算法。应用了支持向量机中核函数的思想,通过核映射将原空间的非线性分类问题转化为特征空间的线性分类问题,然后在特征空间进行无相关鉴别矢量集的求取。其优势在于:利用核函数不但可以将非线性问题转化为线性问题,而且可以提取样本图像的高阶统计特征。在ORL人脸库中的测试结果表明,与传统的全局正交鉴别矢量集算法及传统的无相关鉴别矢量集算法相比,基于核映射的无相关鉴别矢量集算法有更高的识别率,最高识别率可达到99%。     

基于鉴别流形的不相关稀疏投影非负矩阵分解

基于流形学习、稀疏表示和鉴别分析理论,提出一种基于鉴别流形的统计不相关稀疏投影非负矩阵分解(discriminative manifold—based uncorrelated sparse projective NMF, DMUPNMF)算法。该方法继承了线性投影NMF优点,充分利用了数据集的局部和非局部几何鉴别信息,能够从数据集中抽取不相关鉴别特征,且分解结果具有良好的数据局部表示和稀疏性;给出多乘更新规则求解优化算法并证明其收敛性,还给出投影梯度优化算法以提高收敛速度。为解决大规模数据处理中计算量和存储空间过大问题,提出一种从训练集选取少量代表性样本学习DMUPNMF方法。大量的实验表明,该算法优于现有的改进NMF算法。     

基于双向关联规则项目评分预测的推荐算法研究

针对用户评分数据稀疏性问题,通过对事务数据库项目空间关联性分析,提出基于双向关联规则项目评分预测的推荐算法。算法利用双向关联规则挖掘事务数据库中相互关联的项目,找到目标项目的关联集,利用已评分项目初步预测用户对目标项目的偏好程度,最后结合协同过滤算法为用户提供推荐服务。实验结果表明,当置信度水平在60%～90%之间变动,支持度在5%～10%之间变化时,关联规则数目随着置信度和支持度水平的增加而逐渐减少,而推荐精度逐步提高。为了验证算法的有效性,选取置信度为80%以及支持度为7%与传统的推荐算法比较,所设计的算法能够较精确地找到目标项目的关联集,推荐精度和效率明显优于传统的推荐算法。     

Rough集理论在结构损伤识别中的应用

提出以光纤光栅传感嚣为传感元件、简支板结构为研究对象、运用粗集理论对结构损伤部位进行检测识别。介绍了用Rough集理论来构建检测对象的知识表示方法，用K-均值量化算法实现连续信息离散化，采用基于Rough集的约简方法来生成目标决策规则。检验样本的实验显示出所提方法获得了满意的检测识别结果，且运算效率远高于神经网络。     

粗糙集在CBR中的应用研究

在CBR中引入了粗糙集技术，可以有效地进行知识约简，从中发现规则；建立基于粗糙集的案例索引机制；对案例库的精简维护，以及实现集成推理等，极大地提高了案例推理的能力与效率。     

离散时空索引研究

越来越多的数据库系统需要存储和管理空间位置和／或范围随着时间的变化而变化的时空对象，时空索引机制是数据库系统中支持时空对象有效存取的关键技术。本文分析了离散情况下时空对象的特点，研究了离散时空索引应支持的基本查询类型，并详细讨论了支持离散时空索引的关键技术。     

粗糙集在数据挖掘分类规则中的应用研究

数据集中的冗余性会降低数据挖掘结果的解释能力和精度，介绍了数据集中挖掘分类规则的基本原则，并利用粗糙集理论中核及决策类覆盖的概念，提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系，并简化带有不同相容规则的决策系统的数据挖掘算法，并应用一简单的例子说明如何在数据库中发现分类规则。     

基于模糊相似度的实值属性信息系统规则约简

为了克服传统的规则约简方法容易导致信息丢失和约简错误的不足，提出了一种对实值属性信息系统进行规则约简的算法.该算法在粗糙集理论的基础上，把模糊集合相似度引入到信息系统的规则约简中，通过把每一个实值属性的取值归一化，使得每一条规则所对应的条件属性值都落在0到1范围内；并且把每一条规则看作一个模糊集合，通过模糊集合的相似性来考察规则的相似性；在规则约简过程中，用改进的模糊集合相似度参数进行规则约简，并针对国际水稻信息系统（IRIS）数据库进行了实验.结果表明，该算法能够正确地对实值属性信息系统进行规则约简.