基于子块划分的关联规则的挖掘

关联规则是数据挖掘的重要研究内容。提出了基于分块的关联规划挖掘算法ＰＡＲＭ通过把数据集合划为适当的子块,挖掘子块上的频繁模式,进行合术,求解出数据集合上的关联规则,提高了挖掘的速度。算法ＰＡＲＭ可用于分布环境中关联规则的挖掘。实验结果表明算法ＰＡＲＭ是有效的。     

TP TO P——从PASCAL语言到PROLOG语言的转换方法

<正> 引言随着第五代计算机研究的深入,PROLOG 语言越来越引起人们的重视。日本把PROLOG 定为第五代机的核心语言,已经制造出了基于逻辑推理的 PROLOG 机,美、英等世界计算机大国也在积极进行这方面的研究。PROLOG 语言在专家系统、自然语言处理、数据等许多领域已经得到了应用。在第五代机上,主要是以 PROLOG 为核心的逻辑推理运算,其控制结构和数据结构与过程型高级语言完全不同。这就产生了如何把过程型高级语言程序移植到第五代机     

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     

概念指导的关联规则的挖掘

关联规则是数据依赖关系泊有效描述方法,是知识发现研究的重要内容,传统的关联规则挖掘算法缺少挖掘的针对性,挖掘速度慢,挖掘效果难于理解,挖掘析数量巨大,需要进行大量的筛选以便抽取出有用规则,文中提出了将概念融入挖掘过程中,提高挖掘的效率和挖掘的针对性的方法,给出了概念指导的关联规则挖掘算法ＣＧＡＲＭ和大数据库中概念的交互式生成方法。算法ＣＧＡＲＭ是对基于分类的挖掘算法的拓展。实验结果表明,算法ＣＧＡ     

挖掘所关注规则的多策略方法研究

通过数据挖掘,从大型数据库中发现了大量规则,如何选取所关注的规则,是知识发现的重要研究内容。该文研究了利用领域知识对规则的主观关注程度进行度量的方法,给出了一个能够度量规则的简洁性和新奇性的客观关注程度的计算函数,提出了选取用户关注的规则的多策略方法。     

某教学楼地基不均匀沉降事故的检测鉴定及旋喷桩加固

某多层框架结构教学楼由于浸水湿陷发生不均匀沉降事故。介绍了该事故的检测鉴定、地基加固设计、旋喷桩加固方案和地基加固施工等情况,取得了较好的技术经济效果,可供同类工程参考。     

元规则指导的知识发现方法研究

传统的知识发现方法缺乏挖掘的针对性,效率较低,挖掘出的规则数量巨大,需要进行复杂的知识筛选工作;挖掘出的规则用低层次的原始数据表示,难以理解。无规则是对挖掘结果模式的一种表示方法,是将背景知识融入知识发现过程、提高挖掘结果的有趣性和挖掘速度的重要方法。该文研究利用概念表示数据之间的关系,提高规则的可理解性;将概念和无规则相集合,提出了基于概念的无规则指导的知识发现方法,并给出了概念的生成方法和无规则的构造方法。     

Microsoft Excel中数据的快速移动

在Excel中运用鼠标拖动,可以快速地对工作表进行编辑,如复制,移动,数扭运算,插入,删除等。下面仅对数据的快速移动加以说明。 在同一工作表内进行数据的移动,当数据移动到新单元格(位置),可以覆盖原数据,也可以插入其中。     

多层次关联规则的有效挖掘算法

数据挖掘(Data Mining)被认为是解决“数据爆炸”和“数据丰富，信息贫乏(Data Rich and Information Poor)”的一种有效方法.关联规则(Association Rules)是数据挖掘的重要研究内容.提出了多层次关联规则的挖掘算法——AR_SET，利用集合“或”、“与”运算求解频繁模式(Frequent Itemset)，提高了挖掘的效率和速度.实验结果表明,算法AR_SET是有效的,并对AR_SET算法的几个变种进行了讨论.