挖掘空间关联规则的前缀树算法设计与实现

空间关联规则挖掘是在空间数据库中进行知识发现的一类重要问题．为此提出了挖掘空间关联规则的二阶段策略，通过多轮次单层布尔型关联规则挖掘，自顶向下逐步细化空间谓词的粒度，从而空间谓词的计算量大大减少．同时，设计了一种基于前缀树的单层布尔型关联规则挖掘算法(FPT-Generate)，不需要反复扫描数据库，不产生候选模式集，并在关键优化技术上取得了突破．实验表明，以FPT-Generate为挖掘引擎的空间关联规则发现系统的时间效率与空间可伸缩性远远优于以经典算法Apriori为引擎的系统。     

基于数据立方的多层关联规则的元模式制导发现

元模式制导数据恨掘是以人为中心的经式数据发掘方法,用户可以通过元模式指定其假高,从而引导数据发掘,本文提出在于数据立方结构的多层关联规则的模式制导发现方法。     

空间关联规则挖掘算法研究

提出了多层次空间关联规则的定义后，利用多层次的空间概念关系。给出了一种基于元模式的多层次空间关联规则挖掘算法AP-MLSAM；在此算法中，预先确定用户感兴趣的规则模式与对象。然后分别在该对象的各数据层上进行大项集的计数。最后得到与用户给定的元模式形式一致的宅间关联规则。实验表明，算法是有效的。     

基于多维数据模型的交叉层关联规则挖掘

多层关联规则是带有一定概念分层的关联规更哇，它描述了不同抽象级别上数据项之间的关联性，且不同级别上的关联性具有不同的指导意义．但目前已讨论的多层关联规则，大都局限于挖掘同一抽象层上数据项之间的关联，因而，针对这一问题，本文对已有的FP—Tree算法进行扩充和改进，实现了既能挖掘同一抽象层上也能挖掘不同抽象层上数据项之间关联性的多层关联挖掘算法，即交叉层关联规则挖掘算法FP—Tree＊．同时，在算法实施之前，还结合多层关联挖掘本身的特点，对现有的数据存储结构进行改进，提出用字符序列对事务项编码的方法，从而简化了大量的数据预处理工作．     

一种模糊多层关联规则挖掘算法

针对传统数据挖掘中的“尖锐边界”问题,采用将模糊理论和关联规则挖掘技术相结合的思想,在改进传统Apriori算法的基础上,结合多层关联规则挖掘的方法,提出了一种模糊多层关联规则挖掘算法。对模糊多层关联规则挖掘的基本概念进行了定义,详细描述了模糊多层关联规则挖掘算法。最后用Visual FoxPro6．0语言实现了该算法程序,通过交易数据库挖掘实验表明算法是有效的。     

通用的多概念层关联规则发现方法的改进

文章全面分析现有的多概念层关联规则的发现算法,结合多概念层的生成方法,提出通用的多概念层关联规则发现的新方法,以研究生入学考试数据集为实例进行验证,并将该算法和现有的算法进行比较,结果表明该算法在搜索空间和计算复杂度等方面更为有效。     

一种基于交互式知识发现的入侵事件关联方法研究

分析了入侵检测系统的现存问题，总结了入侵事件关联系统的最新进展和缺陷，提出一个基于人机交互式知识发现的入侵事件关联系统．该系统离线部分在入侵事件关联领域首次引入FP-Tree和WINEPI算法进行交互式知识发现，并将发现的频繁模式和序列模式转化成人侵事件关联规则；在线部分利用先验知识和交互式知识发现的关联知识，以嵌入式CLIPS推理组件作为推理引擎，对多个入侵检测器上报的事件进行高效关联和归并．在集成化网络安全监控及防卫系统Net-Keeper中的实际应用表明本系统是一个开放、高效的入侵事件关联平台．     

基于统计和浅层语言分析的维吾尔文语义串快速抽取

该文提出了一种基于统计和浅层语言分析的维吾尔文语义串快速抽取方法,采用一种多层动态索引结构为大规模文本建词索引,结合维吾尔文词间关联规则采用一种改进的n元递增算法进行词串扩展并发现文本中的可信频繁模式,最终依次判断频繁模式串结构完整性从而得到语义串。通过在不同规模的语料上实验发现,该方法可行有效, 能够应用到维吾尔文文本挖掘多个领域。     

基于SVG的空间关联规则挖掘

随着网络技术的飞速发展，SVG成为矢量图形发布的新一代标准，越来越多的SVG文档涌现出来。SVG文档中隐藏着大量有趣的空间信息，因而如何从SVG文档中发现有趣的空间信息成为数据挖掘领域中值得研究的问题。讨论空间关联规则的挖掘，采用多维多层交叉关联规则挖掘技术，综合利用SVG文档中的空间信息和非空间信息进行挖掘，可以较好地从SVG文档中挖掘隐藏的空间关联规则。     

基于量化相关模式的多值关联规则挖掘算法

为了解决多值关联规则挖掘中忽视罕见且有价值的非频繁模式的问题,提出了一种新的多值关联规则挖掘算法-QCoMine.该算法引入了量化相关模式的概念,通过考察多值属性间互信息熵和全置信度,找到具有强信息关系的属性集进而产生规则.实验结果表明,由于在属性层和区间层进行了剪枝,因此缩减了搜索空间,提高了算法的性能,且得到更高置信度、更有价值的规则.     

Mining multiple-level association rules in large databases

A top-down progressive deepening method is developed for efficient mining of multiple-level association rules from large transaction databases based on the a priori principle. A group of variant algorithms is proposed based on the ways of sharing intermediate results, with the relative performance tested and analyzed. The enforcement of different interestingness measurements to find more interesting rules, and the relaxation of rule conditions for finding “level-crossing” association rules, are also investigated. The study shows that efficient algorithms can be developed from large databases for the discovery of interesting and strong multiple-level association rules     

分布式数据库项约束多层关联规则挖掘

由于分布环境的日益普遍并且需要结合使用者的实际要求对数据集按层次挖掘关联规则，故本文针对在分布式环境下基于项约束的关联规则挖掘和多层关联规则挖掘的特点，将交易表按概念层次进行编码。使用逐层迭代挖掘蓑略，结合CD算法和Direct算法提出一种在分布式环境下挖掘约束性多层关联规则的有效算法：MLACD算法。并通过实验验证该算法是正确有效的。     

快速多层次关联规则的挖掘

知识发现是指对原始数据进行分析，提取出隐含的，有用的规则，是当前快速发展的研究领域，是知识获取的重要方法，关联规则是知识发现的重要研究内容之一，本文提出了一种新的多层次关联规则挖掘算法ＭＬ＿ＡＲ，算法ＭＬ＿ＡＲ在挖掘过程中，只对最低概括层次上的候选系模式进行模式的匹配计算，求解出简化的频繁式集合，最后再求解各个概括层次上的繁频模式集合，算法ＭＬ＿ＡＲ有效地利用了概括的层次关系，减少了模式的匹配计算     

Mining Fuzzy Multiple-Level Association Rules from Quantitative Data

Machine-learning and data-mining techniques have been developed to turn data into useful task-oriented knowledge. Most algorithms for mining association rules identify relationships among transactions using binary values and find rules at a single-concept level. Transactions with quantitative values and items with hierarchical relationships are, however, commonly seen in real-world applications. This paper proposes a fuzzy multiple-level mining algorithm for extracting knowledge implicit in transactions stored as quantitative values. The proposed algorithm adopts a top-down progressively deepening approach to finding large itemsets. It integrates fuzzy-set concepts, data-mining technologies and multiple-level taxonomy to find fuzzy association rules from transaction data sets. Each item uses only the linguistic term with the maximum cardinality in later mining processes, thus making the number of fuzzy regions to be processed the same as the number of original items. The algorithm therefore focuses on the most important linguistic terms for reduced time complexity.     

基于多最小支持度的多层模糊关联规则挖掘

为了在事务数据库中发现关联规则,在现实挖掘应用中,经常采用不同的标准去判断不同项目的重要性,管理项目之间的分类关系和处理定量数据集这3个方法去处理问题,因此提出一个在定量事务数据库中采用多最小支持度,在项目集中获取隐含知识的多层模糊关联规则挖掘算法。该挖掘算法使用两种支持度约束和至上而下逐步细化的方法推导出频繁项集,同时可以发现交叉层次的模糊关联规则。通过实例证明了该挖掘算法在多最小支持度约束下推导出的多层模糊关联规则是易于理解和有意义的,具有很好的效率和伸缩性。     

关联规则的启发式发现方法

文章分析并阐述了数据挖掘技术领域中的关联规则,通过使用启发式方法&&`规则模板'(rule template)的简单机制描述用户感兴趣的规则结构.最后,提出了一种规则可视化与规则模板相结合的方法.     

基于兴趣度的时态关联规则挖掘算法

关联规则挖掘是数据挖掘研究中的一个重要方面,给出了一个关联规则中事件所包含信息的模型,在此基础上,提出了一种基于兴趣度的时态关联规则挖掘算法。该算法较好地弥补了应用模板匹配方法筛选基于兴趣度的关联规则时主观性太强,兴趣度阈值的定义过于简单,所挖掘出来的关联规则没有体现时态约束的缺陷。最后,将该算法应用到了股票数据的趋势挖掘中,得到了满意的实验结果。     

元规则指导下的逐步求精多层空间关联规则挖掘算法

提出了元规则指导下逐步求精的多层空间关联规则挖掘算法，该算法采用了自顶向下、逐步求精以及元规则等技术。文章最后以挖掘农产品市场的芝麻价格与铁路、国道和河流间的空间关联关系为例，介绍此算法的应用。     

一个最优分类关联规则算法

分类和关联规则发现是数据挖掘中的两个重要领域。使用关联规则算法挖掘分类规则被叫做分类关联规则算法,是一个有较好前景的方法。本文提出了一个最优分类关联规则算法——OCARA。该算法使用最优关联规则挖掘算法挖掘分类规则,并对最优规则集排序,从而获得一个分类精度较高的分类器。将OCARA与传统分类算法C4.5和一般分类关联规则算法CBA、RMR在8个UCI数据集上进行实验比较,结果显示OCARA具有更好的性能,证明OCARA是一个有效的分类关联规则挖掘算法。     

一种新的关联规则挖掘方法

关联规则挖掘是数据挖掘的主要任务之一。为了进一步提高关联规则挖掘算法的认知特性和运算效果,提出了一种新的关联规则挖掘思想并由此构造了一种基于规则模糊认知图的关联规则挖掘算法。该算法使用规则模糊认知图进行知识表示,对每个挖掘到的关联规则进行可达模糊推理,从而减少了与数据库交互的次数。实验证明该方法与Apriori的关联规则算法相比,提高了关联规则挖掘的效率,增强了智能化程度。