基于序列模式的关联规则Apriori算法的研究与优化

本文对数据挖掘中关联规则和序列模式的概念和作用进行了研究，论述了在关联规则中寻找大项集的Apriori算法的实现，以及在序列模式基础上对Apriori算法的结果进行了改进和优化，使数据的关联规则与时间和序列之间建立了密切的联系，从而更好的实现了对于大规模数据库中有用信息的挖掘和利用.     

基于关联规则的教务信息挖掘

在高校中,教务管理系统每年都产生大量和教学相关的数据,如教师基本信息、学生基本信息、成绩数据及各项测评信息等。这些数据真实的反映了高校的教学情况,但并没有充分利用这些数据来挖掘出有用的决策信息。通过对基于关联规则的教务信息挖掘的研究,把改进的Apriori算法应用在教务信息挖掘中,对影响学生成绩的因素进行分析,确定相互之间的关联规则,以改善教学。     

全矢关联规则在轴承故障预警中的应用

大型旋转机械设备在发生故障时所造成的损失是不可计算的,因此建立了关联规则库预警模型.首先采用全矢Hilbert对正常运行状态下的同源双通道原始样本数据进行信息融合,然后进行离散化等预处理,建立后期工作所需要的数据库.利用Apriori算法发现滚动轴承八个特征频率幅值数据之间的未知关系,继而用挖掘出的关联规则构建一个规则...     

关联规则数据挖掘技术在中小企业ERP中的应用研究

为了挖掘现行企业资源计划(Enterprise Resource Planning,ERP)中海量数据的价值,运用关联规则数据挖掘技术,给出了构造产品销售数据集市以及运用Apriori算法进行挖掘处理的完整过程,为企业优化销售行为模式提供依据.     

改进的关联规则算法在数据挖掘中的探讨

数据挖掘技术在客户关系管理(CRM)中的有效运用可以从与客户有关的大量数据中挖掘出对企业经营决策有价值的知识和规则。本文根据数据挖掘中关联规则的性质以及钢铁企业的自身特点,在经典关联规则算法APriori算法的基础上提出了一种改进的算法,并利用该算法对数据库进行了关联规则挖掘,得到了隐含在数据库中的有用信息。     

对数据挖掘中关联规则算法的优化处理

在挖掘关联规则的执行过程中,早期循环生成最大项目集的过程是很重要的.文中提出基于哈希表的算法,对生成侯选项目集的过程进行了优化,尤其是时生成二维侯选项目集更是有效.由于在早期循环中,生成侯选项目集的势较小,使得能更有效地修剪数据库,从而减小了后期循环的计算代价,同时也减小了1/0请求.     

一种模糊加权关联规则算法及其在流程工业中的应用

采用模糊加权关联规则对流程工业中的大量运行数据进行了分析。阐述了模糊理论和关联规则的内容和性质,在证明模糊关联规则也具有“频繁项集的所有非空子集也必须都是频繁的”基础上,借鉴加权关联规则算法的特点,提出了模糊加权关联规则Fuzzy_WedApriori算法流程,针对不同情况采用不同隶属函数对实际数据进行模糊化,根据此算法的步骤对模糊化的参数点进行处理,得到了有价值的模糊加权规则,为流程工业的生产优化提供了理论依据。     

基于关联规则的数据挖掘技术在ERP中的应用

根据数据挖掘技术的特点，针对传统ERP系统在海量数据中发现隐藏知识的功能不足，提出把数据挖掘技术应用到ERP中去，直接从现行ERP系统的数据库中提取数据进行数据挖掘的应用策略，以提高ERP中的决策支持功能。编制程序实现了关联规则挖掘算法与ERP系统的整合，通过挖掘模型测试，证明了这些策略的有效性。     

一种高效的关联规则增量更新算法

本文对数据库发生删除的情况下的增量更新进行分析,在原始交易数据库DB的两个最小支持度下的频繁项目集的基础上,提出一种不需要访问原数据库DB的高效增量更新算法。     

关联规则算法在卫星定位精度考核中的比较分析

卫星导航系统在役考核应用中,关联规则分析作为数据挖掘中一种有效的数据分析处理技术,可以总结内在规律知识,评估历史数据和当前各指标的关联关系。针对卫星导航系统在役考核中影响定位精确度的关联因素过于冗余和复杂的问题,通过Xgboost对12项相关指标重要性进行排序,筛选出与定位精度联系更为密切的指标进行分析。重点从挖掘规则的有效性和时效性两个方面进行对比分析,实验设置最小支持度为0.05,最小置信度为0.8。结果表明,挖掘范围无论是全指标集(全域)还是与定位精度相关程度更高的指标集(精简域),Apriori算法挖掘关联规则数量比FP-Growth算法挖掘的更多,但时效性明显不及。同时发现,在精简域两种算法得到的满足支持度和置信度且以定位精度为结论的规则完全相同,说明了两种方法的可用性和有效性,也从关联规则的角度为卫星导航系统在役考核的定位精度分析提供了参考。     

基于改进遗传算法的制造资源关联规则挖掘

为满足基于应用服务提供商平台的制造资源管理和决策的需求,提出了网络制造资源模糊关联规则的挖掘模式.根据应用领域数据类型的特点,提出了制造资源管理数据预处理方法,并建立了应用服务提供商平台制造资源虚拟数据仓库.针对制造资源关联规则的挖掘,提出了一种新型的遗传算法.最后,通过实例验证了基于改进遗传算法的模糊关联规则挖掘在基于应用服务提供商平台制造资源管理中的决策意义.     

基于MapReduce的海量事件日志并行转化算法

随着大数据时代的来临,为了高性能地转化海量分布式日志,提出事件日志在云平台上基于MapReduce架构的分布式转化算法.提出基于案例拆分的改进算法,以转化单机上的日志,使其变得可行;进一步提出基于MapReduce的并行转化算法.这是在过程挖掘领域中首次实现从海量原始日志到可扩展事件流事件日志的并行转化,极大地提高了转化性能.     

基于Apriori算法的典型工序序列获取方法

为从计算机辅助工艺设计技术积累的大量工艺数据中,获取可继承的工艺经验和知识,并将其中的关联规则和Apriori算法应用于典型工序序列的获取,建立了典型工序序列获取的关联规则模型,提出了采用改进Apriori算法获取典型工序序列的算法。通过计算实例的分析,说明该算法可以有效地实现典型工序序列获取。     

数据挖掘与汽包液位多模型自适应控制研究

针对目前汽包液位控制中的难点问题,提出了利用多模型自适应控制策略加现代数据挖掘技术的方法加以解决,仿真试验表明该方法相对于传统方法具有更佳的控制性能.     

基于数据挖掘的电子商务推荐系统

基于数据挖掘的电子商务推荐系统,通过使用关联规则算法来对客户的事务执行购物篮分析,知道那些产品比较热销,以及一个特定商品与另一个商品被一起购买的可能性有多大。从而通过商品的推荐和捆绑销售,为客户提供个性化服务,同时实现利益的最大化。在总结前人挖掘模型的基础上,设计了基于Apriori算法的电子商务推荐系统。Apriori算法作为最有影响的挖掘布尔关联规则频繁项集的算法,简单可靠,适合于机器学习。     

基于支持度变化的关联规则重挖掘技术

当使用关联规则进行数据挖掘时,使用者为了达到一定的挖掘效果,经常需要不断地改变关联规则的支持度阈值(support)。在这篇文章中我们提出了一种从大型数据库中挖掘关联规则的快速算法,该算法以经典的Apriori算法为基础,可以在提出新的支持度后直接在首次挖掘的基础上进行再一次挖掘。结果表明,它较Apriori算法的实现速度有明显的提高。     

基于暂态稳定评估的数据挖掘预处理

数据预处理技术在数据挖掘中起到了针对其初始样本集数据及其数据的特点,并结合关联规则挖掘算法数据要求,进行了数据挖掘预处理的研究与实现,采用模糊聚类判断离散点个数并结合信息熵技术将连续属性值离散化,同时通过Matlab编程实现了仿真.