关系数据库中多层次关联规则的采掘及其实现

讨论了在关系数据库中进行多层次的关联规则采掘的概念和在关系数据库中的实现方法。提出并实现了利用关系数据库的特点,高效地得到满足要求的多层次关系规则,并进行了必要的讨论和总结。     

关联规则采掘综述

介绍了关联规则采掘问题的研究情况,对一些典型采掘算法进行了分析和评价。指出了关联规则衡量标准的不足,展望了关联规则采掘的未来研究方向。     

一个基于兴趣度的关联规则采掘算法

关联规则是当前数据采掘研究的主要领域之一,获取具有更高价值的规则是该领域的一个研究重点,针对目前大多数采掘算法只能发现正项的关联规则和仅仅将兴趣度作为规则过滤工具的问题,在先前研究的基础上,提出了通过改进有关定义和引进反向项集的概念来进一步发现包含负项的关联规则的思想,并给出了相应的算法,最后,对这个算法给出了一定的评价和实例分析。     

一种多概念层数值关联规则采掘方法

目前,数据采掘已成为人工智能、数据库等领域的重要研究课题。数据采掘是从大量的数据中自动高效地提取未知的、可用的、可信的、可理解的知识的数据处理新技术。为了便于理解,数据采掘的结果可以用人们熟悉的概念来表示。某一领域中的概念按其内涵和外延往往形成一定的关系。在数据采掘中,主要有概念格和概念层次两种描述这种关系的方法,概念格主     

交易数据库中关联规则采掘的预处理

分析了交易 (事务 )数据库中的数据结构特点 ,提出了在交易数据库中关联规则采掘的一个预处理过程 ,并且实现了该过程。通过预处理使得处理后的数据库记录个数减少了 ,从而在一定程度上提高了关联规则采掘的效率     

基于多交易项目子集的并集的关联规则更新采掘

在交易数据库和最小支持度不变条件下,充分利用在多个交易项目子集中已采掘频繁模式集,对该多个交易项目子集的并集的关联规则的采掘,提出了两咱快速更虎法Ｋｚｌ－ａｒ和Ｎｚｉ－ａｒ。     

基于集合运算的关联规则采掘算法

1 引言近年来,随着商业、政府和科学数据库的急剧增长和存贮设备的不断升级,给我们带来了大量的数据。面对这“堆积如山”的数据,用传统的数据分析手段无法理解并有效地利用它们。人们希望找到能够自动地、智能地理解分析它们的方法,于是就出现了数据采掘技术。它的提出为我们有效识别出存在于这些数据中的有效的、新颖的、具有潜在效用的乃至最终可理解的模式提供了可靠的科学方法,并成为当今国际人工智能和数据库等领域新兴且热门的研究课题。在事务数据库中发现关联规则是由R·Agrawal等人首先提出的。目前己成为数据采掘领域中的一个非常重要的研究课题。有一个关联规则的例子就是“面包牛奶(20％,80％)”,其直观意义为在所有的购买交易中,同时购卖面包与牛奶的概率为20％,在所有购卖面包的交易中有80％交易同时也购买牛奶。关联规则的应用主要包括顾客购物分析、目录设计、商品广告邮寄分析、追加销售、仓储规划、网络故障分析等。     

交易数据库中带有空间性约束的关联规则采掘

文章分析了交易数据库中关联规则的不足,提出了一种带有空间性约束的关联规则模型,分析了模型的性质并且通过扩展 Ａｐｒｉｏｒｉ算法实现了该模型     

采掘关联规则的高效并行算法

采掘关联规则是数据采掘领域的一个重要问题。文中对采掘关联规则问题进行了简单的回顾,给出了一种提高顺序采掘关联规则效率的方法;分析了已有并采掘关联规则算法的优缺点;设计了一个效率较高的并行采掘关联规则的算法ＰＭＡＲ;并与其它相应算法进行了比较,实验证明,算法ＰＭＡＲ是有效的。     

基于动态交易项目集的关联规则更新

该文在交易数据库和最小支持度不变条件下,当用户动态地增加或删除交易项目集中的某些交易项目时,充分利用了交易项目集改变前已采掘出的频繁模式集,提出了两种关联规则的快速更新算法ｌｚｉ－ａｒ和Ｄｚｉ－ａｒ,经实验分析表明,该地关联规则的更 可行的和高效的。     

时态关联规则采掘的若干性质

研究了时态（时间段）数据的关联规则的数据采掘问题。给出了事件项目发生与时间段有关的关联规则的可信度概念,主要得到了几个重要的性质。     

关于采掘广义关联规则的两个算法及其比较

描述了分类和广义关联规则的概念及采掘广义关联规则的问题。首先叙述了问题解决的基本算法。随后提出了累积算法,它的优化处理和算法过程。最后通过一组实验显示两个算法的比较结果。图表显示累积算法明显优于基本算法。     

自适应区间配置在关联规则并行采掘中的作用

现行的采掘关联规则的并行算法基于经典的层次算法.该方法在每一次重复扫描数据库时都需要一次同步,这种同步运算对于共享内存多处理器并行机来说极大地降低了采掘性能,这种低效主要源于对共享的I/O通道的竞争.该文提出了在共享内存多处理机上采掘关联规则的异步算法APM.在APM中,所有参与计算的处理器能独立地产生备选集和计算支持度.而且,APM所需的扫描数据库的次数比层次方法所需的更少.该文还提出了一种增强APM的技术,使得该算法的性能对于数据分布更具有鲁棒性.文中实现了APM的变种算法,还实现了Apriori的并行版本Count Distribution算法.在SGI Power Challenge SMP并行机上,进行了性能分析,结果表明所提出的异步算法APM具有更好的性能和可扩展性.     

过程工业中关联规则的采掘

介绍了关联规则采掘的基本问题,根据过程工业中数据的特点,将关联规则采掘用于过程工业中,并对应用过程中遇到的几个有意义的问题进行了讨论。     

基于概念提升的多层次关联规则更新采掘

采掘关联规则是数据采掘的重要研究内容．本文针对交易项目中广泛存在的包含和泛化关系，充分利用已采掘出交易项目集的频繁模式集合，提出了一种快速的基于概念提升的多层次关联规则更新采掘方法与算法UMARCP．     

用数据查询语言实现关联规则脂掘

关联规则采掘具有广阔的应用前景。文章讨论了关联规则的用途,内涵,分析了关联规则采掘的算法,给出了在ＤＢＭＳ平台上用数据查询语言实现关联规则采掘的程序。测试表明,实现的算法对关联规则采掘十分有效。     

怎样获得有效的关联规则

关联规则采掘是数据中重要的研究课题，针对当前关联衡量标准的某些问题，笔者分析了产生的根源，提出了二种改进方法。     

关联规则衡量标准的研究

关联规则采掘是数据采掘中重要的研究课题。针对当前关联规则采掘中可能产生许多无效关联规则的问题，分析其原因，提出在衡量标准中增加有效度，并给出了有效度的定义。根据有效度的大小，将关联规则分为正关联规则、无效关联规则、负关联规则，提出了新衡量标准采相关联规则的算法，并用Visual FoxPro进行了试验。实验表明，新方法能明显减少无效关联规则的数目。     

数据采掘与知识发现：回顾与展望

如何大规模数据库中发掘深层次的知识和信息，而不仅仅是那些从传统数据库查调方法所获得的平凡内容，这方面的研究正受到越来越多的关注。