基于关联规则的图像数据挖掘研究

随着图像获取和图像存储技术的迅猛发展,能够方便得到大量的图像数据。为了能充分从这些图像数据中分析并提取有用信息,研究了数据挖掘中的新型领域——图像数据挖掘技术。主要介绍了数据挖掘、图像数据挖掘及关联规则在图像数据挖掘中的应用。     

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。     

关联规则在图像数据挖掘中的应用

首先分析传统用在挖掘结构化数据关联规则的基本思想,然后分析图像数据的特征,找出图像数据与传统结构化数据的区别,最后结合图像数据的特性将传统的关联规则进行改进,并将它应用在图像数据挖掘中,挖掘出图像数据的相关性.     

图像纹理联合关联规则挖掘研究

提出以纹理联合关联规则来表达图像纹理特征以及挖掘纹理联合关联规则的算法。在纹理关联规则定义基础上,通过图像降噪预处理和数据挖掘预处理,采用模板统计挖掘方法挖掘低维和高维图像纹理联合关联规则。实验表明联合关联规则能够较好表达图像纹理特征,可以据此进行纹理分割。     

图象数据关联规则挖掘

本文在介绍了多媒体数据挖掘基本思想和图象数据主要特征基础之上,对图象数据关联规则挖掘进行了讨论。首先对关联规则挖掘有关问题加以描述和分析,针对图象数据,定义了新的关联规则及其有关概念,并给出考虑项数量的原子特征和空间关系关联规则挖掘算法MaxOccur和MAR－Spatial,解决了不考虑项的重复所导致的信息丢失问题。     

图像关联规则挖掘研究*

介绍了图像关联规则的相关概念,描述了传统的双种群遗传算法的执行过程;针对采用固定染色体交叉概率和染色体变异概率容易出现早熟、收敛速度较慢等问题,设计出了能自适应调整的染色体交叉算子和变异算子。最后将改进后的双种群遗传算法成功地运用到Landsat卫星遥感图像,实现了图像关联规则的提取,为退耕还林决策提供了有力的依据。     

基于关联规则挖掘的图像检索

针对图像检索中图像相似性判断所面临的"语义鸿沟"问题,本文提出了基于关联规则挖掘的图像检索。该方法利用数据挖掘技术,对图像纹理的各种低层可视化特征进行分析挖掘,获得一系列的图像低层特征值与高层概念之间的各种规则,将这些规则构成图像知识库,并与概念集合相对应。实验结果表明,采用关联规则挖掘能很好的提高图像检索的准确率。     

遗传算法在关联规则挖掘中的应用

该文尝试和遗传算法挖掘关联规则，并结合图书馆智能型读者测评系统，给出了一个基于遗传算法进行了关联规则挖掘的实例。     

关联规则挖掘在数据录入、校对系统中的应用

本文介绍了关联规则挖掘在数据录入、校对系统的设计思路、体系结构和实现要点。     

关联规则挖掘综述

介绍了关联规则挖掘的研究情况,提出了关联规则的分类方法,对一些典型算法进行了分析和评价,指出传统关联规则衡量标准的不足,归纳出关联规则的价值衡量方法,展望了关联规则挖掘的未来研究方向。     

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。     

基于时间戳数据库的分布式多层时态关联规则挖掘

为了解决目前企业急需的交叉销售问题,提出了基于时间戳数据库的分布式多层时态关联规则挖掘问题,并实现了解决该问题的核心算法DMTARM。该算法减少了数据库的扫描次数,提高了内存的使用效率和通信效率。     

一种新的关联规则挖掘思想

提出的新的关联规则挖掘思想（以下称为“记录加权型关联规则挖掘”）是为每一条历史记录加上相应的权重值，以反映“不同记录对挖掘结果贡献不同”这一数据挖掘的实际要求。在此基础上，还对支持度、可信度和挖掘算法作了相应的修正，提出了RWApriori-Tid算法。     

分布式多层关联规则挖掘

提出了在分布式环境下对于每一层使用不同支持度的多层关联规则挖掘问题及其算法DMARM。该算法使用轮询方法处理分布式系统中各个节点间的通信问题，在各个节点上利用集合“或”和“与”运算，在求候选频繁模式的同时求出了模式的支持度，减少了数据库的扫描次数。     

关联规则增量算法

数据采集手段的丰富,使获取、保存大量数据变得容易,从庞杂的数据中提取有用的知识和信息是数据挖掘的主要任务,关联规则是数据挖掘领域的一个重要分支。本文针对事务数据库中增加新的数据集后相应关联规则的更新和维护问题,提出了一种关联规则增量式增量算法     

基于关联规则的数据挖掘研究

关联规则挖掘可以发现大量数据中项集之间相关联系的知识,这些重要信息是关于这些数据的整体特征描述以及对其发展趋势的预测,对决策的制定有着重要的参考价值。主要介绍了数据挖掘和关联规则挖掘的概念,并对数据挖掘经典算法Apriori的进行了分析与改进,算法的改进可以有效地减少对数据库的扫描次数,使挖掘的效率更好更快。     

Multipass Algorithms for Mining Association Rules in Text Databases

In this paper, we propose two new algorithms for mining association rules between words in text databases. The characteristics of text databases are quite different from those of retail transaction databases, and existing mining algorithms cannot handle text databases efficiently because of the large number of itemsets (i.e., words) that need to be counted. Two well-known mining algorithms, Apriori algorithm and Direct Hashing and Pruning (DHP) algorithm, are evaluated in the context of mining text databases, and are compared with the new proposed algorithms named Multipass-Apriori (M-Apriori) and Multipass-DHP (M-DHP). It has been shown that the proposed algorithms have better performance for large text databases. Received 12 November 1999 / Revised 27 September 2000 / Accepted in revised form 25 October 2000     

大型数据库中多层关联规则的挖掘算法

将基于垂直数据分布的关联规则的发现从单层概念扩展到多层概念,提出了自顶向下的、用等价类生成频繁项目集的发现算法,无需复杂的Ｈａｓｈ数据结构。该算法减少了项目的匹配计算,提高了挖掘的效率。     

大型数据库中关联规则的向量法挖掘

提出一个基于向量运算的崭新的挖掘算法， 它特别适用于并行运算，并且，在整个挖掘过程中，只需扫描数据库一次，而传统的Apriori算法需要多次扫描数据库。因此，数据挖掘效率大大提高。     

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。