数据挖掘技术在经济犯罪侦查中的研究与应用

针对目前经济案件侦破过程中存在的海量数据信息无法高效利用的问题,提出采用数据挖掘技术对淹没在海量信息中的有效数据进行关联分析,通过Apriori算法对集资诈骗犯罪进行维度分析,建立用于集资诈骗分析的关联规则挖掘模型,找出隐藏在海量数据信息背后有价值的结论,把信息资源优势转化为现实破案能力,满足经济犯罪侦查工作特殊性的要求,提高执法效率和破案水平,实现运用数据挖掘技术在经济案件犯罪行为分析方面的有益实践。     

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。     

聚类与关联规则在信息舞弊识别中的应用

针对现代电子数据迅速膨胀,传统的审计方式已经无法应对海量的业务数据,试图将数据挖掘中的聚类和关联规则算法引入审计领域．在研究聚类与关联规则算法的含义及相关算法—K-Means和Apriori算法的基础上,提出了一种基于聚类与关联规则的审计模型,并以某市城镇医疗保险的审计为例,首先利用聚类分析进行数据筛选,然后利用关联规则挖掘海量数据之间潜在的关系,为审计提供线索．文章通过案例分析为数据挖掘在信息舞弊识别领域的应用提供参考．     

面向目标属性的犯罪行为关联分析

犯罪行为是刑事案件构成要素的核心,运用关联规则挖掘技术可以发现刑事案件数据中各属性的关联,从而对犯罪行为的相关因素进行分析。文章提出了一种基于SQL语言的面向案件数据中目标属性的多维关联规则挖掘算法,可以避免数据开采关联模型中查找规则的盲目性和冗余性,得出的结果可辅助公安机关进行犯罪信息研判。     

无线传感器网络节点关联规则提取改进算法

现有的无线传感器网络节点之间关联规则提取研究算法不多见,针对如何高效地处理传感器网络的海量数据,提取有用的数据,成为新的挑战.提出了一种改进的关联规则挖掘算法,利用集合的特征来分析节点关联性,对传感器网络进行数据融合起到了很大的帮助.仿真实验结果表明,该算法比AFET算法[1]有更高的运行效率,该算法进一步减少了计算所耗费的能量和占用的内存空间,延长了网络的寿命.     

关联规则数据挖掘在税务稽查系统中的应用

针对在税务信息化建设过程中海量数据的使用质量和效率问题,在研究基于关联规则的数据挖掘算法的基础上,采用一种改进的关联规则快速挖掘算法,通过增加相关性来精简关联规则的产生,并把该算法应用到税务稽查数据库纳税人涉税违法记录。实验结果表明。该算法可以高效、准确地挖掘出税务稽查数据库中各种税务违法行为之间的关联规则。     

改进Apriori算法处理海量数据的研究

随着Internet的迅猛发展和日益普及,各种数据信息急剧膨胀,各行各业积累的数据量急剧增长,如何从海量的数据中提取有用的信息成为当务之急。文章讨论海量数据处理中的机器学习算法——关联规则挖掘Apriori算法,针对Apriori算法需要多次扫描数据库的缺点,对数据库进行划分,从而提高海量数据挖掘的效率。     

基于MapReduce的关联规则增量更新算法

云计算以其强大的存储和计算能力而成为解决海量数据挖掘问题的有效途径。经典的关联规则增量更新算法FUP需要频繁扫描原数据集,不适用于海量数据的处理。文中以提高海量数据上关联规则增量更新效率为目标,将FUP算法与云计算的MapReduce编程模式相结合,提出了一种基于MapReduce的关联规则增量更新算法MRFUP。该算法只需扫描原数据集一次,并能充分利用云计算强大的存储和并行计算能力。基于Hadoop的实验结果表明,MRFUP算法可提高对海量数据的处理能力和效率,适用于海量数据的关联规则挖掘。     

基于数据挖掘的信息管理与信息系统专业课程设置研究

数据生成和收集技术的进步促使商业和科研领域产生了海量数据。传统数据分析技术在应对这些新型数据集提出的挑战时存在种种局限性,数据挖掘技术迎刃而解了这些问题。本文应用数据挖掘中关联规则的Apriori算法来进行成绩的关联分析。文中通过举例说明了该方法在分析学生成绩数据中的应用,实验结果表明,关联分析方法比传统的成绩统计方法更合理、更科学,蕴含更多有用的信息。     

刑事案件信息数据库中的关联规则分析

利用数据挖掘中的有关方法和技术,对刑事案件信息数据进行分析研判,得出各类犯罪之间的关联规则,为公安机关对相似案件的侦破提供分析依据,并对犯罪案件的发展趋势进行预测,提前采取相关措施,减少违法案件的发生。     

基于领域本体与概念格的关联规则挖掘

关联规则是数据挖掘中的核心任务之一,近年来国内外对关联规则算法的改进取得了比较大的成果.概念格是由二元关系导出的形式化工具.体现了概念内涵和外延的统一,非常适合于发现数据中的潜在关系,因此关联规则的提取也是概念格的一个主要的应用领域,极大的提高了关联规则的挖掘效率,然而由于缺乏领域知识的指导,所挖掘出的规则有些是无意义的或无法满足用户的需要,所以在规则的提取中需要引入领域知识,而领域本体是领域知识的清晰而结构化的表示,因此提出了应用领域本体对生成的概念格进行调整,从而实现对规则提取的指导,以发掘出高层关联规则以及多层次间的关联规则,以满足用户的需要.     

基于改进Apriori的网络安全感知方法

针对网络安全态势评估过程中存在数据源单一、实时性不强、准确率不高的问题,提出一种基于改进关联规则算法(Apriori算法)的网络安全态势感知方法;通过对数据的分析,发现在网络中存在关于安全态势的关联规则;通过网络攻击影响熵值序列的分析,对关联规则进行分类为空间正常和异常空间,进而对关联规则进行聚类分析;根据聚类后的规则划分网络安全态势等级;将改进后的算法应用到网络安全态势感知当中,实验结果表明,该方法满足了网络安全危险预警和实时监控的要求;改进的算法用于安全态势感知是可行的、有效的。     

对演变数据进行关联规则挖掘的新方法

针对已有经常性周期关联规则在演变数据和周期长度方面的局限性，文章提出一种新的方法，从而可以对演变数据进行经常性长周期关联规则的挖掘，这种方法针对演变数据的动态环境，通过对数据块的动态聚类得到周期分段，然后在每一分段内利用低支持度关联规则挖掘算法来发现周期较长的关联规则，整个算法可以在GEMM算法的基础上进行动态模式保持。     

基于VC 的Apriori规则算法的优化实现

关联规则算法是数据挖掘的核心。本文首先介绍了关联规则的定义,接着在现有Apriori算法的基础上分析了存在的不足,并提出了一个关联规则算法的改进模式,从而提高Apriori算法的效率。     

基于VC＋＋的Apriori规则算法的优化实现

关联规则算法是数据挖掘的核心。本文首先介绍了关联规则的定义,接着在现有Apfiori算法的基础上分析了存在的不足,并提出了一个关联规则算法的改进模式,从而提高Apriori算法的效率。     

基于审计的时态关联规则研究

传统关联规则挖掘很少考虑关联规则的时间适用性.时态关联规则是指带有时态约束的关联规则,每个关联规则都有着其成立的时间区域.结合其他算法的特点,提出了基于Fisher聚类的时态关联规则挖掘算法,它能够动态地发现关联规则以及关联规则有效的时间区域.实验结果证明该算法是合理有效的。     

一种改进的Apriori算法

数据挖掘中的关联规则挖掘能够发现大量数据中项集之间有趣的关联或相关联系,特别是随着大量数据不停地收集和存储,从数据库中挖掘关联规则就越来越有其必要性。通过对关联规则挖掘技术及其相关算法Apriori进行分析,发现该技术存在的问题。Apriori算法是关联规则挖掘中的经典算法。对Apriori算法做了改进。借助0—1矩阵给出了计算项集的支持度计数的更快方法,同时还简化了Apriori算法中的连接和剪枝操作,从而在时间和空间上提高了Apriori算法的效率。     

面向飞行器遥测数据的关联规则挖掘方法研究

飞行器遥测数据是飞行器状态的直接体现,对飞行器遥测数据的不断深入分析和研究,可为飞行器的安全性和稳定性提供有效保障;目前复杂飞行器的遥测数据存在试验数据量大、人工判读效率低、数据间关联关系复杂且不易梳理等问题;同时,数据智能化分析程度低,缺少对海量历史试验数据的有效利用;为克服现有技术不足,通过对飞行器遥测数据的关联规则挖掘方法进行研究,提出基于状态转换提取的关联规则挖掘算法,并与FP-Growth算法进行试验挖掘对比分析,实现对飞行器遥测数据参数的关联规则挖掘分析,有效地解决飞行器遥测数据间关联规则的梳理问题,试验结果准确率高,为飞行器工况与参数的关联规则挖掘提供重要参考意义.     

一种基于网格几何性质的数量关联规则聚类算法

由于数据分段在算法中的使用，对数量关联规则的挖掘经常存在着返回大量关联规则的问题。文章提出一种基于二维网格几何性质的聚类算法，对挖掘出的关联规则进行分类，减少最终得到的关联规则的数量，使结果更易于理解、更形象。     

基于云南气象数据的空间关联规则挖掘

空间关联规则挖掘可以深入发现现实世界大量空间谓词和非空间谓词之间的特定空间关系。论文结合气象数据的特点和已有传统关联规则挖掘算法的优点,针对云南气象数据提出了一种基于项目序列集的空间关联规则挖掘算法。通过严格的算法分析和具体实验表明,该算法是有效、可行的。