FRPFP模型滑坡监测预警关联规则挖掘分析——以三峡库区江津到奉节段为例

采用传统的关联规则用于岩土工程监测预警领域的知识发现,在数据庞大情形下单机机器学习实时性差,无法获得多因素综合作用的规则。由于未对前后部项进行约束,得到的关联规则冗余度高,含有大量不符因果逻辑的规则。基于此,提出一种前后部项约束关联规则并行化FRPFP (fore-part and rear-part parallel FP-growth)算法,并在大数据分布式处理平台Spark下进行实现。通过对三峡库区奉节至江津库段滑坡的孕灾因子统计分类,采用7个滑坡发育基础因子和4个滑坡诱导因子作为前部集合,滑坡前缘、中部、后缘监测点位移参数为后部集合,采集研究区25个滑坡11年监测数据。以FRPFP算法为模型架构基于关联规则的滑坡监测预警大数据系统,设计区域滑坡危险性规则挖掘、典型滑坡危险性规则挖掘、滑坡发生原因分析挖掘3个功能,用于库岸滑坡稳定性预测和分析,为认清库岸滑坡的破坏机制和提升其预报水平提供新的思路。     

FRPFP模型滑坡监测预警关联规则挖掘分析——以三峡库区江津到奉节段为例

采用传统的关联规则用于岩土工程监测预警领域的知识发现,在数据庞大情形下单机机器学习实时性差,无法获得多因素综合作用的规则。由于未对前后部项进行约束,得到的关联规则冗余度高,含有大量不符因果逻辑的规则。基于此,提出一种前后部项约束关联规则并行化FRPFP (fore-part and rear-part parallel FP-growth)算法,并在大数据分布式处理平台Spark下进行实现。通过对三峡库区奉节至江津库段滑坡的孕灾因子统计分类,采用7个滑坡发育基础因子和4个滑坡诱导因子作为前部集合,滑坡前缘、中部、后缘监测点位移参数为后部集合,采集研究区25个滑坡11年监测数据。以FRPFP算法为模型架构基于关联规则的滑坡监测预警大数据系统,设计区域滑坡危险性规则挖掘、典型滑坡危险性规则挖掘、滑坡发生原因分析挖掘3个功能,用于库岸滑坡稳定性预测和分析,为认清库岸滑坡的破坏机制和提升其预报水平提供新的思路。     

基于集体度一置信度的关联规则挖掘

总结并研究了基于集体度-置信度的关联规则挖掘算法,用集体度代替支持度对搜索空间进行压缩,成功地解决了传统的频繁关联规则挖掘存在的属性集产生上的欺骗性及处理稠密数据集方面的缺陷.     

基于二级剪枝策略的正负关联模式挖掘算法

为了解决负关联规则挖掘中海量项集问题和一级剪枝策略效率不高的问题,首先给出一种计算项集和关联规则兴趣度的数学模型,然后提出基于兴趣度的项集剪枝和关联规则剪枝的二级剪枝策略,最后提出一种新的基于二级剪枝策略的正负关联模式挖掘算法B-PANR。该算法采用新的剪枝技术,避免无效的或者无趣的正负模式产生,正负关联规则数量和挖掘时间明显降低,挖掘效率得到很大提高。理论分析和实验结果表明,与现有代表性挖掘算法PAR&NAR和IPAR&NAR比较,B-PANR算法在挖掘效率、剪枝效果和稳定性方面具有很好的表现,并且具有良好的扩展性。     

基于Apriori关联规则算法的消防大数据分析

本文以消防大数据平台为基础,利用Hadoop程序模块,展开消防大数据分析,研究Apriori关联规则算法模型;并且提出了基于Apriori关联规则算法视角下,分析消防大数据之间的内在关联,力图挖掘火灾发生因素之间的关联,最大程度地减少火灾发生。     

时序关联规则的挖掘算法研究

基于概念格理论,本文研究了对时间序列的波动情况进行周期关联规则的挖掘。首先对时间序列进行了反季节化预处理,然后给出了生成周期关联规则的算法,在算法内部对生成的概念进行了剪枝处理,有效的提高了挖掘速度。并用所给出的高精度模型对不满足移动平均法反季节化预处理条件的时间序列进行了反季节化计算。     

大数据技术在学生业绩分析中的研究与应用

随着大数据技术的不断发展,通过利用大数据技术的海量分析能力能够客观地分析出学生业绩数据的规律,以此为强化学生业绩管理工作提供科学依据。文章设计基于Map Reduce的关联规则算法,以此搭建Hadoop平台挖掘、分析学生真实的成绩。     

基于分辨矩阵和Apriori算法的关联规则挖掘研究与应用

为进一步提高关联规则挖掘的运行效率,在传统Apriori算法的基础上,提出了一种基于分辨矩阵和Apriori算法的关联规则挖掘算法。在数据预处理阶段,采用分辨矩阵对原始数据集进行属性约简,达到降维的目的;在关联规则挖掘阶段,采用位图来表示原始数据集,并在每一步运算过程中通过置信度阈值对特征集进行约简。应用实例和仿真实验表明,该方法在时间复杂度和空间复杂度都有了极大的改善,具有一定的应用价值。     

关联规则在医药销售行业的研究

本文通过对关联规则挖掘的研究,探讨了关联规则在医药零售业中应用,以期找出不同药品间的销售相关程度,提高药品的营销力度,挖掘频繁项目集是关联规则挖掘应用中的核心技术。     

基于改进Apriori算法的大学生成绩关联分析

高校教学管理信息系统积累了大量的潜在有价值的成绩数据信息。针对数据多,知识少的问题,结合数据挖掘技术中的关联规则算法的特点,利用改进的Apriori算法对计算机学院的学生成绩进行挖掘分析,发现不同学科之间的关联关系,并给老师及管理决策者提供指导。帮助老师及时调整课程内容,对可能出现不及格的部分学生提出警告,督促他们学习,提高教学质量。实验表明,改进后的算法效率明显提高,挖掘的关联规则能够很好的为教学安排及决策管理提供理论支持。