一种基于XQuery的网络舆情关联规则挖掘系统

随着互联网的飞速发展,数据挖掘技术已成为网络舆情分析的一个研究热点.为了提高网络舆情关联规则的挖掘速度,针对网络舆情关联规则挖掘的特点,给出了基于XQuery的网络舆情关联规则的挖掘方法,设计了一种快速有效的基于xQuery的网络舆情关联规则挖掘系统,给出了实际测试结果,并验证了基于XQuery的网络舆情关联规则挖掘系统的有效性.     

基于数据立方体的关联规则挖掘方法研究

关联规则挖掘是数据挖掘领域的一个重要研究方向.针对数据立方体的结构特点,给出了一套基于元规则指导的关联规则挖掘方案,最终挖掘出用户真正感兴趣的关联规则.     

汽车ERP中关联规则挖掘与动态更新的实现策略

针对传统ERP系统缺少直接面对客户的系统功能、数据利用程度低等局限性，提出把经典数据挖掘算法——基于Apriori的关联规则挖掘方法改良后导入汽车企业ERP系统以缓解其局限性的应用策略，程序实现了FPgrowth算法和动态关联规则挖掘算法，并通过挖掘模型测试，证明了这些策略的可行性和有效性。     

基于数据挖掘技术的远程服务与故障诊断

构建一个多制造商和多客户共用一个服务平台的设备远程监测与故障诊断系统，采用现场总线技术采集现场设备状态数据，通过Internet将信息发送到远程服务中心，由不同的工具对信息进行处理，诊断中心采用智能诊断与专家诊断相结合的工作模式，利用关联规则挖掘知识并用于智能诊断，本文阐述了系统网络运行结构，系统功能模型，基于关联规则发现知识的算法以及评价与实现。     

基于改进遗传算法的制造资源关联规则挖掘

为满足基于应用服务提供商平台的制造资源管理和决策的需求,提出了网络制造资源模糊关联规则的挖掘模式.根据应用领域数据类型的特点,提出了制造资源管理数据预处理方法,并建立了应用服务提供商平台制造资源虚拟数据仓库.针对制造资源关联规则的挖掘,提出了一种新型的遗传算法.最后,通过实例验证了基于改进遗传算法的模糊关联规则挖掘在基于应用服务提供商平台制造资源管理中的决策意义.     

数控机床故障诊断关联规则挖掘方法研究

基于历史维修数据挖掘故障模式与故障原因之间的关联规则,是进行数控机床故障诊断和预防性维修的重要过程。采用改进的频繁项集挖掘算法,研究数控机床故障诊断关联规则挖掘方法。在阐述关联规则相关概念和挖掘原理的基础上,构建了数控机床故障诊断关联规则挖掘概念模型;针对传统挖掘算法执行效率低且产生大量候选项集的不足,提出改进的频繁项集挖掘算法,并给出了算法流程;根据数控机床故障特点,计算频繁项集及其非空子集的支持度和置信度,生成故障诊断的关联规则。最后,以挖掘数控机床刀架系统故障模式与故障原因之间的关联规则为例,验证了所提理论和方法的有效性。     

基于关联规则挖掘算法的教务管理系统设计

针对当前教务管理系统的信息化需求,结合当前的智能推荐技术,提出一种基于关联规则挖掘算法的教务管理系统。基于软件工程设计思想,首先对系统的功能需求进行分析;然后从逻辑架构、网络拓扑结构、功能设计等方面对系统进行初步设计,并结合Apriori算法原理,提出了基于兴趣度的关联规则算法模型。最后,给出了该系统的登录界面和课程推荐界面。     

自动协商中的近似时态关联规则挖掘

针对协商过程的时态关联具有近似性的特点,提出了一种基于聚类的近似时态关联规则挖掘方法.该方法通过对特定关联模式的实例进行聚类,找到满足给定条件的时态关联规则,并给出规则中各属性取值以及关联间隔约束的有效范围.近似时态关联规则较一般的关联规则具有更强的灵活性和适应性,其对规则的描述更符合协商中的情况.     

基于约束的多维数据挖掘技术

从特定查询驱动的系统功能出发,讨论了面向多维数据挖掘的重点——五种约束,通过一个数据挖掘查询实例,进一步阐述了这些约束及所产生的关联规则,并用数据挖掘查询语言(DMQL)进行表达.介绍和讨论了关联规则的处理,在挖掘关联规则中,联合使用维/层约束和规则约束,能够带来高效的挖掘过程,一个规则约束如果能被较深地推入到分层结构里,进一步在当前提取层和较深层上挖掘,是非常有价值的.最后给出了运用本文思想的一种联机分析挖掘系统的结构,并对其组成、功能及特点进行了描述.     

基于数据挖掘的工艺规则提取

CAPP系统在进行工艺设计时会产生大量数据，如何充分利用历史数据始终是一个技术难题。为此提出采用数据挖掘技术提取工艺规则，研究了关联规则和序列模式的定义和挖掘过程，通过实例给出数据挖掘的应用。应用表明该方法能有效提高CAPP系统的应用效率，缩短产品的开发周期，对于实现工艺设计自动化具有重要意义。     

基于双重模糊模拟的直觉模糊向量关联规则挖掘

针对传统模糊关联规则挖掘方法在原始决策表和挖掘算法方面的不足,提出基于双重模糊模拟的直觉模糊向量关联规则挖掘方法。原始决策表方面,传统模糊关联规则挖掘在表达决策者犹豫程度及自然语言多维度属性方面存在不足,故采用直觉模糊集组成的直觉模糊向量作为基本元素构建原始决策表。考虑决策者惯用自然语言的特点,引入双重模糊思想对传统直觉模糊集进行改进,并采用模糊集表达犹豫度。挖掘算法方面,直觉模糊向量关联规则挖掘存在两个难点,一是由于原始决策表的基本元素为向量,维度较大,导致挖掘效率低;二是现有挖掘算法中使用规则支持度和置信度,无法集成直觉模糊集中决策者的犹豫度。由此,提出了双层关联规则挖掘方法框架。底层关联规则挖掘方法为顶层关联规则挖掘提供内部关联规则,通过两次关联规则挖掘降低原始决策表的维度。引入双重模糊向量表达直觉模糊集的犹豫度,以双重模糊变量的期望值估算关联规则的支持度,在关联规则挖掘过程集成了犹豫度。以裸眼3D片源设计与制作中画面布局的决策过程为例,验证了所提方法的可行性和有效性。     

将数据库业务作为服务的XML数据流正负关联规则挖掘

关联规则挖掘被广泛用在数据库中寻找来正关联规则,但更有用的是数据流挖掘和负关联规则挖掘。此外,企业们希望专注于他们自己的数据库业务,而将其余的数据库业务外包,这种方法被称作"数据库处理业务作为一种服务"。本文提出了一种将数据库处理业务当作一种服务的规则挖掘系统,它能为XML数据流的正负关联规则挖掘提供高效、安全的解决方案,并且我们已经用合成数据集对此系统进行了多次实验来证明它的性能和效率。     

基于遗传算法的状态监测信息关联规则挖掘

提出了基于遗传算法的量化并联规则方法,挖掘起重机状态监测信息数据库中的关联规则。利用该算法对部分数据进行关联规则挖掘,并对发现的规则进行了比较分析,认为关联则反映起重机的机械状态,为评估和预测其机械状态提供信息。     

基于项约束的关联规则挖掘研究综述

介绍了项约束关联规则的基本概念;讨论了三类典型算法,经过比较和分析,给出各算法的优点和不足,同时介绍了项约束关联规则的应用;最后,展望了项约束关联规则挖掘未来的研究方向。     

两次挖掘的关联规则增量更新的改进算法

本文提出一种基于两次挖掘的关联规则挖掘算法（TMIUA)的改进算法,用于处理事务数据库增加新的数据集后相应关联规则更新问题,并对其性能进行了分析。     

客户时序关联规则挖掘方法研究

针对客户交易数据的特点,提出了一种基于前缀映射累加树的客户时序关联规则发现方法。将时间窗口内频繁项的信息映射到前缀映射累加树中,以降低频繁时序模式的搜索空间,提高时序关联规则的挖掘效率。另外,通过为特定的频繁项建立前缀映射累加树,可以挖掘特定的时序关联规则,并能以较精确的方式,发现具有一定模糊性的客户时序关联规则。实验结果表明,所提出的方法能够提高客户时序关联规则的挖掘效率。     

基于数据挖掘的电子商务推荐系统

基于数据挖掘的电子商务推荐系统,通过使用关联规则算法来对客户的事务执行购物篮分析,知道那些产品比较热销,以及一个特定商品与另一个商品被一起购买的可能性有多大。从而通过商品的推荐和捆绑销售,为客户提供个性化服务,同时实现利益的最大化。在总结前人挖掘模型的基础上,设计了基于Apriori算法的电子商务推荐系统。Apriori算法作为最有影响的挖掘布尔关联规则频繁项集的算法,简单可靠,适合于机器学习。     

基于虚拟社会网络挖掘的网络舆情分析

网络舆情是和谐社会的睛雨表，它的变化反映了社会公众对党建设和谐社会的态度和意见，因此对网络舆情进行挖掘、防范负面网络舆情危害社会于未然，显得特别重要。用社会网络分析方法对某一网络参政群体从密度、凝聚子群、结构洞3个角度进行分析，分析结果有利于政府通过互联网去了解民情、汇聚民智。     

内容分析技术在网络舆情智能检测中的应用

目前,网络舆情越来越引起人们的关注,特别是政府部门对网络是突发事件、重大事件的网络发站、新闻跟帖等关注.基于此目前已经有网络舆情检测方面的系统出现.本文首先对现有的网络舆情检测系统进行概述,分析其不足,并重点介绍了构建"网络舆情智能检测与分析系统"涉及的内容分析技术应用.     

基于数据挖掘的工艺规则提取

CAPP系统在进行工艺设计时会产生大量数据,如何充分利用历史数据始终是一个技术难题。为此提出采用数据挖掘技术提取工艺规则,研究了关联规则和序列模式的定义和挖掘过程,通过实例给出数据挖掘的应用。应用表明该方法能有效提高CAPP系统的应用效率,缩短产品的开发周期,对于实现工艺设计自动化具有重要意义。