约束性相联规则发现方法及算法

文中研究了在大型事务７库中发现有约束条件的相联规则问题,提出了有效实现约束性相联规则发现的两种方法,过滤数据库算法Ｆｉｌｔｅｒｉｎｇ和频繁项集生成算法Ｓｅｐａｒａｔｅ,这两种可以同时并有物方法比已有算法运算效率有显著性提高。     

相联规则增量算法研究

相联规则模型可以用于在海量数据库中发现有价值的知识 ,各种求解相联规则的算法都需要较大的计算量 .随着时间推移 ,数据库中的数据也随之发生变化 .由于原先发现的规则已经过时 ,需要重新在数据集中挖掘规则 .本文通过向数据库中不追加数据的方法研究孕育在数据库中的相联规则变化情况 .在借鉴 FUP等算法的基础上 ,充分利用前次挖掘中获得的有关信息 ,提出用于再次挖掘的相联规则增量算法 Super FU P.该算法核心思想是更多地注重新增数据集 ,有效利用前次挖掘信息 ,仅仅对整个数据库扫描一次就能达到求解更新相联规则的目的 ,提高了相联规则增量算法的效率 .     

分层相联规则中求强项集的并行算法

相联规则发现算法的研究在提高算法效率、发现多种形式的规则两方面都取得了较快的发,但较多的研究工作是围绕着具体事务的关联性的,也就是对概念级相联规则的研究。近期.Han在算法中弓}人面向属性的概念分层树,达到对事务进行一     

入侵检测中的模糊数据挖掘技术

本文论述了模糊数据挖掘技术在入侵检测中的应用，详细描述了利用审计数据挖掘模糊相联规则的算法，给出了相联规则集合相似度的函数，最后给出了利用它进行异常检测的简单的试验结果，结果表明利用模糊数据挖掘可以识别系统的异常行为。     

基于集合理论的KDD方法

本文运用集合理论对ＫＤＤ进行了描述，介绍了基于集合理论从数据库中发现分类规则的方法，并给出了实现算法和一个应用实例     

基于高频规则发现的大学生个性分析研究

高频规则发现作为关联规则发现的子问题，在许多重要的教据挖掘领域中起着关键的作用。经典的高频规则发现算法是一个多次遍历的算法，计算的复杂度较高。对高频规则算法的关键思想以及性能进行了研究，给出了高频规则发现算法Apriori的改进算法，并应用于大学生个性分析。该算法有效地提高了原算法的性能，对Apriori算法的各种变形同样适用。     

KDD的最小化与最大化分类规则及其实现算法

本文针对ＫＤＤ分类规则的发现与学习,提出了最小化分类规则和最大化分类规则的概念,并给出了对分类规则进行最小化和最大化的算法。     

挖掘相联规则的并行算法研究

在研究多段支持度数据挖掘算法的基础上提出并行挖掘相联规则的算法。给出了在并行条件下以负载平衡为目的的种子项集的划分的贪心算法策略。基于多段支持度特征，为减少各个处理机之间的制约，提出按事务长度进行数据集划分的方案，并具体实现了多段支持度的并行算法。实验结果表明该算法具有很高的效率，特别是在双CPU情况下，并行算法的效率接近顺序算法的两倍，如果把算法修正和推广到群集环境下，会更一步增加相联规则的实用性。     

具有利润约束的关联规则发现

关联规则发现是数据挖掘中的重要问题，有广泛的应用领域。然而，现有的关联规则发现算法是依据统计学上的显著性作为获取关联规则的条件。该文在关联规则发现中引入了利润约束，给出了具有利润约束的关联规则问题的性质，并根据该问题的性质给出了高效的求解算法。     

基于云模型的Web信息获取研究

本文讨论了云模型的基本概念和相联规则的含义．从应用的角度提出一种新的相联规则智能信息获取方法CM-T，并给出了算法的步骤和度量标准．由于云模型较好地软化了数量属性论域的划分边界,从而为进一步满足Web信息检索提供一种个性化的高效信息检索工具．