利用数据挖掘的关联规则方法来解决网络拥塞的问题

随着WWW上信息的爆炸性的增长,在如此大量的数据中发现有用的信息变得困难。因此,将传统的数据挖掘与Web结合进行Web挖掘,已成为数据挖掘的一个重要和繁荣的子领域。本文在研究Web挖掘关联规则的基础上,提出了一种采用关联规则的方法解决网络拥塞问题。     

关联规则解决网络拥塞改进方法研究

将数据挖掘技术和网络优化管理相结合,解决网络拥塞问题。该文应用Web预取技术,面向常见的纵向结构事务数据库,提出一种改进的关联规则挖掘算法实现Web页面预取,进而缩短页面下载时延。     

模糊关联规则的数据挖掘

1 引言关联规则是指包含了一组对象间特定关联关系的规则。由于关联规则的挖掘有着广阔的应用背景,因此,人们对关联规则的挖掘算法作了大量的研究。从离散的布尔型变量、枚举型变量分析到连续的数值型变量分析;从平面的单事务项内部关系的分析到立体N维的多事务项之间关系的分析;从集中式的整体的静     

例外关联规则挖掘

1 引言数据挖掘是一种新的商业信息处理技术,其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理,从中提取辅助商业决策的关键性数据。通常,经过某些数据挖掘工具的挖掘后,例如,文[1]所给出的快速算法,我们会得到大量的关联规则。对用户来说,从这些大量的规则中找出自己感兴趣的规则十分困难,而且,也     

基于关联规则的网络漏洞信息数据挖掘方法

为提高对网络漏洞信息数据的挖掘效率,提出关联规则下网络漏洞信息数据的挖掘方法。通过粒子群空间聚类算法生成关联规则,构建决策树挖掘漏洞,建立适应度函数来评价漏洞信息数据的挖掘效率,完成对网络漏洞信息数据的有效挖掘。实验结果表明,运用该方法挖掘网络漏洞信息数据时,构建决策树所消耗的时间较短,挖掘方法效率较高,能够有效处理大量的数据集。     

关联规则数据挖掘方法的改进和实现

本文首先介绍了关联规则的定义，然后对两种常见的关联规则数据挖掘的典型算法Apriori和MAQA进行了介绍与比较，并且在此基础上提出了适合于销售型数据仓库的独特改进方法一统计关联规则数据挖掘方法SMAR，讨论了该方法的原理、优点以及具体实现，文章最后对数据挖掘的发展作了展望。     

数据挖掘中关联规则的有趣性研究

关联规则挖掘是数据挖掘研究中的一个重要方面，而其中一个重要问题是对挖掘出的规则的兴趣度的评估，过去的研究发现，在实际应用中往往很容易从数据源中挖掘出大量的规则，但这些规则中的大部分对用户来说是不感兴趣的，本文对规则的兴趣度度量的两个方面作了讨论：一个是主观兴趣度度量，另一个是客观兴趣度度量，最后介绍了如何利用模板进行挖掘有趣的规则。     

数据挖掘中的关联规则方法

介绍了关联规则的基本概念,总结了关联规则的分类及各种挖掘算法,并对一些典型算法进行了介绍,最后,展望了关联规则挖掘的下一步研究方向。     

数据挖掘中的关联规则方法

介绍了关联规则的基本概念,总结了关联规则的分类及各种挖掘算法,并对一些典型算法进行了介绍,最后展望了关联规则挖掘的下一步研究方向。     

数据挖掘关联规则的研究

关联规则作为数据挖掘的一个重要研究分支,其主要的研究目的是从大型数据集中发现隐藏的、有趣的、属性间存在的规律。本文就数据挖掘中的关联规则做了简要论述。     

关联规则在空间数据挖掘中的研究

在智能化、集成化的空间数据应用领域中,空间数据挖掘是一门很重要的技术,而关联规则分析是空间数据挖掘的主要方法之一。文章基于数据挖掘中的关联规则分析方法,提出不同于一般数据挖掘的算法,设定兴趣度量,并通过将项的概念泛化为空间谓词,事务的概念泛化为邻域,关联规则的概念泛化为同位规则,发现多种形式的有效规则,并用逻辑语言或类SQL语言方式描述规则,以使空间数据挖掘趋于规范化和工程化。最后进行了实评。     

关联规则数据挖掘综述

阐述了关联规则及其基本算法,归纳了关联规则数据挖掘的诸多研究方向,认为算法的效率、规则兴趣度和扩展的关联规则挖掘是研究的重点.     

数据挖掘中关联弱化问题的解决方法分析

当前的支持向量机和均值聚类等数据挖掘算法中,几乎都是依靠数据之间的关联性来完成数据匹配。一旦数据库中含有大量的冗余数据,将造成数据之间的相关性降低,关联性被破坏,导致传统的数据挖掘算法效率降低。为了避免上述缺陷,提出了一种弱化关联规则修补挖掘算法。利用弱聚类方法,在数据选择过程中,不将所有的元素都进行初始分类处理,只计算某一元素属于某一个类别的概率,确定多个弱聚类中心,计算不同数据之间的弱聚类关联性,从而实现关联规则较弱的冗余环境下准确的数据挖掘。实验结果表明,这种算法能够有效提高海量冗余环境下的数据挖掘效率,取得了令人满意的效果。     

数据挖掘中的关联规则算法研究

随着计算机技术和信息技术的飞速发展,数据挖掘已经成为当今各行各业重点关注的对象。关联规则挖掘是数据挖掘中的一个非常重要的内容,通过关联规则挖掘能够从海量数据中分析出数据与数据之间存在的关系,进而为用户提供更具有参考价值的信息。现阶段关联规则挖掘已经广泛应用于保险、股市、网络数据等多个对市场信息高度依靠的行业。本文从关联规则挖掘相关概念出发,对其主要操作步骤进行了简单分析,并研究了数据分割下的挖掘问题及算法。     

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关联规则,通过使用启发式方法－“规则模板”（ｒｕｌｅ ｔｅｍｐａｔｅ）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。     

关联规则数据挖掘方法的研究

首先简要地介绍数据挖掘和关联规则的概念、关联规则的基本原理及种类。然后详细地介绍了关联规则挖掘研究现状,讨论了Apriori算法的基本原理,同时也指出了Apfiofi算法的一些不足。针对这些不足提出了解决方法,描述了几种改进算法。最后对关联规则挖掘下一步的研究方向进行了展望。     

老板通过数据挖掘得知事实

企业管理者们经常被一座数据大山搞得焦头烂额。当管理业务数据量不大，且管理业务数据又被按某种形式总结之后，从这些管理业务数据感知企业的运营规律，对一个有经验的管理者来讲并不是一件困难的事。但是，当企业拥有的管理业务数据量很大时，仅凭管理人员的经验几乎无法感知这些数据中蕴涵的企业运营规律。如何不被业务数据的汪洋大海所淹没，     

利用组播技术解决远程数据传输中的网络拥塞问题

计算机网络与通信技术的发展，为雷达目标及环境特性数据的获取与传输手段的改进提供了技术支持，但由于传输速度与网络带宽的限制，因此在现实应用中还没有很好的效果，该文根据实际雷达目标识别系统的需求，引入计算机网络中的组播技术，对网络中的数据流量进行控制，较好地解决了网络拥塞问题，为远程的实时目标及环境特性数据应用于目标识别系统扫除了障碍。     

基于图像映射的关联规则数据挖掘方法

针对大多数关联规则数据挖掘算法难以适应支持度或数据集的变化问题,提出一种基于图像映射的关联规则数据挖掘算法Pix-DM。该算法利用图像在操作系统中的显示及存储特点,结合数据挖掘理论,通过映射有效地将数据挖掘过程在线性空间中实现,提高了算法对支持度或数据集变化的适应能力。实验证明,Pix-DM算法是有效且可行的。     

经常性周期关联规则的研究

近年来,数据挖掘问题引起了人工智能、数据库、统计学等各方面的专家的广泛兴趣,文首先提出了关联规则的发现,随后如文等进行了广泛的研究,但以上的工作都是将数据库看成是一个整体,没有考虑时间段的问题。本文考虑了发现经常性周期关联规则的问题。假如在一系列有一定周期间隔的时间单元内,一条关联规则的发生次数(即支持度和信度同时超过指定值的次数)达到用户指定的比率(最小经常性信度),就称此规则是一条“经常性周期关联规则”。本文提出了发现这种规则的多种不同方法并通过实验比较了它们的性能。相信这些技术将有助于确认销售趋势与用户需求。下面首先给出了经常性周期关联规则的数学定义,然后考虑直接扩展已有的关联规则发现算法来解决这个问题。