基于S-C元图的关联规则表示方法

针对现有的关联规则可视化形式中,面向专家用户而忽略了普通用户的感知能力,以及当规则数量增多时,边和节点的代表元素易发生重叠,缺乏有效的展现形式,降低了可读性等问题,提出了一种新的基于S-C元图形式的一对一、一对多、多对一、多对多的关联规则可视化表示方法。首先给出了S-C元图的基本定义和以S-C元图展示关联规则的模型;接着给出了S-C元图的性质和推导过程;最后以某省全员人口数据为基础,结合前注意加工理论与格式塔理论,以S-C元图和纺锤体相结合的形式对多模式的关联规则进行可视化展示,并分析了展示效果。实验结果表明,所提出的可视化方法具有良好的展示效果。     

中文文本同频词统计规律及在关键词提取中的应用

通过大量实验对中文文本中同频词的统计规律进行了研究,利用齐普夫定律推导出了适合中文文本的同频词数的数学表达式,能更准确地表示出不同长度的文本中各频次的同频词数;借助同频词数的数学表达式,重新确立了中文文本中高频词和低频词的界分公式,并通过实验验证了该公式能够更好地界分高频词和低频词。将提出的统计规律应用于中文文本关键词提取,有效提高了关键词提取效率,在文本长度不小于3010词的前提下,频次为1和频次为2的词不必参与TF-IDF值的计算,可将计算效率提高2-7倍,且没有造成关键词丢失。解决了学术界关心的如何处理中文低频词的问题,对关键词提取中如何处理低频词提供了可操作标准。     

基于加权向量提升的多尺度聚类挖掘算法

多尺度聚类挖掘在指导人们进行多尺度决策方面有着不可取代的作用,然而传统的多尺度聚类挖掘算法有一个致命的弱点,即需要在每个用户感兴趣的尺度上应用聚类挖掘算法.为克服此缺陷,定义了一种将数据的多尺度特性进行向量化的方法;结合地学领域的尺度转换机制,提出了一种新的知识的多尺度转换机制——基于加权向量提升的多尺度聚类挖掘算法WVB-MSCA(Weight Vector Based Multi-scale Clustering Algorithm).算法首先在选定的基准尺度上进行聚类挖掘,获取聚类结果,并借助尺度转换机制将基准尺度的聚类结果反演到其它感兴趣的尺度上.实验表明,算法WVB-MSCA是可行且有效的.     

一种新的关联规则Vis-Meta图知识表示方法

针对传统关联规则表示方法无法展示领域知识,缺少对规则信息一对一、一对多、多对一、多对多的多模式表示,忽略知识发现结果的共享等问题,提出了一种新的基于Vis-Meta图的多模式关联规则知识表示方法.首先给出了Vis-Meta图的相关定义与关联规则的Vis-Meta图表示方法,接着定义了关联规则Vis-Meta图知识表示中的概念关系,并在此基础上给出了关联规则概念关系知识表示算法、关联规则实例对比算法和关联规则知识表示优化算法.最后,以某省全员人口数据为基础,对关联规则信息进行可视化分析.实验结果表明,所提出的知识表示算法具有良好的展示效果与知识共享能力.     

多尺度数据挖掘方法

多尺度理论已被引入到数据挖掘领域,但人们对其研究仍不够深入和完善,缺乏普适性理论与方法.随着大数据处理应用的不断深入,其研究变得更加迫切.针对上述问题,进行了普适的多尺度数据挖掘理论和方法的研究.首先,基于概念分层理论给出了数据尺度划分和数据尺度的定义以及多尺度数据集之间的上下层尺度数据集关系;其次,阐明了多尺度数据挖掘的定义、研究实质和方法分类;最后,提出了多尺度数据挖掘算法框架,给出其理论基础,并将此框架应用于关联规则挖掘,提出了多尺度关联规则挖掘算法MSARMA（multi-scale association rules mining algorithm）,实现了多尺度数据集之间知识的跨尺度推导.利用IBM T10I4D100K数据集和H省全员人口真实数据集对MSARMA算法进行了实验和分析,实验结果表明：算法具有较高的覆盖率、精确度和较低的支持度估计误差,是可行且有效的.     

多尺度聚类挖掘算法

数据挖掘领域在多尺度研究上已取得了一些进展。然而,当前研究主要集中于空间、图像数据的多尺度挖掘,并且传统的聚类挖掘并未对数据集的多尺度特性进行单独的研究。针对存在的问题,进行了普适性的多尺度聚类挖掘理论和方法的研究。首先,根据概念分层理论扩展尺度定义并构建多尺度数据集;其次,阐述尺度转换原因、分类,归纳多尺度聚类的定义;然后,以克里格法为理论基础,给出多尺度聚类尺度上推算法MSCSUA和多尺度聚类尺度下推算法MSCSDA;最后,利用公用UCI聚类数据集和H省全员人口真实数据集对算法进行实验验证,结果表明MSCSUA和MSCSDA是有效、可行的。     

家谱关系的元图表示

针对已有家谱图展示形式中,边的数量随节点数的增加而快速增长导致表现力下降的问题,提出以元图的形式对家谱进行可视化展示。家谱的元图表示形式中,产生集表示家族中所有人员组成的集合,每条边仅表示“父母〖CD*2〗子女”关系,不必存在表示夫妻关系的边。其中,边为产生集的两个子集的有序对,分别为具有夫妻关系的两个节点组成的入点集和单个的孩子节点组成的出点集。实验结果表明,在数据相同的情况下,家谱的元图可视化形式中边的数量约为通常的展示形式中边数量的一半,使得展示结果清晰易懂。同时,对家谱的数学建模、可视化研究以及家谱信息系统的改造具有一定指导作用。