基于关联规则的Web挖掘技术研究

关联规则是Web挖掘中一个重要的研究领域。为了挖掘出隐藏在数据间的相互关系,将关联规则的概念引入到Web挖掘系统中,把用户的访问路径以关联规则的形式表现出来。基于Apriori算法的思想,给出了适合Web挖掘用户访问的新Apriori算法规则及其模式,最后将结果在一些较简单的网页上进行了验证,取得了较好的应用效果。     

基于约简的关联规则采掘方法

关联规则采掘是数据采掘技术的一个重要研究方向,文章提出了一种基于约简的关联规则采掘方法,比较分析证明该睡江对于改善采掘必能确实有效。     

基于双向关联规则的网络消费者偏好挖掘研究

通过分析电子商务网站的 Web 服务器日志提取网络消费者的商品浏览行为信息,利用消费者的浏览频率、浏览时间、链接路径数及路径深度估计商品对网络消费者当前浏览期间偏好的影响权重.结合双向关联规则理论和 Apriori 算法挖掘具有相互依赖关系的商品,找出网络消费者的商品偏好浏览路径,根据消费者当前的浏览行为发现其可能感兴趣的商品,并进一步计算消费者对商品的偏好程度.最后利用自主开发的旅游电子商务网站的Web 日志数据进行仿真实验,挖掘网络消费者的旅游偏好.实验结果表明,在相同的实验条件下,与基于关联规则的偏好挖掘方法相比,基于双向关联规则的偏好挖掘方法的推荐精度增加,推荐覆盖率扩大.     

基于综合相关置信度的告警关联规则挖掘

采用置信度融合算法计算相邻告警的综合相关置信度,并根据计算结果形成告警关联事务,增强告警事务内告警之间的相关性,降低对支持度的选择要求,有效挖掘出“低支持度-置信度”告警关联规则.利用h-置信度理论筛选有意义的告警关联规则,并通过实验比较了传统方法和本文方法的执行效率和挖掘正确率.     

基于梯形云的数量型关联规则挖掘方法

本文所给出的数量型关联规则挖掘方法是将数据库中之数量型数据先基于梯形云进行概念划分．然后利用得到的概念对数量型数据进行布尔型处理．处理后的数据就可以使用成熟的布尔型关联规则挖掘算法进行挖掘。     

基于关联规则的数据挖掘算法的研究与应用

提出了一种基于关联规则二进制数组密集树的数据挖掘算法——BSC-tree算法,该算法将传统的交易数据库简化成二进制序列;其次在此基础上构造出BSC-trees,作为数据挖掘的准备条件,并由此求出BSC-trees的所有路径码,进而通过BSC-trees路径码间的逻辑与运算,他一次只需扫描整个数据库就能够快速地求出所有的关联规则。并将该算法用于交通事故历史数据的挖掘,他能够提取隐含在交通事故中未知的有用信息,为分析交通事故中各种诱因提供辅助性的决策。试验结果表明该算法优于其他算法。     

基于语言值模糊关系的关联规则挖掘算法

针对模糊关联规则挖掘时隶属函数的确定困难以及区间划分边界过硬等问题,提出了模糊关系关联规则挖掘算法,确定了关系等级数目和相邻等级相似度,将语言表达式(事务的属性值)根据模糊运算规则映射到标签集的各个等级上得到等级权值。在这些权值的基础上定义了模糊关系支持度和置信度,阐述了算法的详细步骤,最后给出了算法在服务信任领域挖掘关联规则的应用过程。     

基于关联规则挖掘的未知协议特征提取方法

在日益激烈的通信对抗中,未知协议的分析与识别占据着越来越重要的位置.传统的协议分析主要是针对已知协议类型条件下,对互联网数据传输过程中产生的大量比特流,单纯采用模式匹配方式进行特征序列提取,效率较低.针对这一问题,以更普遍的通信数据流作为研究对象,采用模式匹配和数据挖掘相结合的方法,对AC多模式识别和FP-Growth算法进行了改进和优化,提高了特征序列提取的准确率和效率.实际数据验证证明改进后算法对未知通信协议具有一定的识别效率.     

基于PSO的关联规则挖掘方法及应用

本文简要描述了关联规则问题及二进制粒子群优化算法(Binary Particle Swarm Optimization,BPSO),提出了一种基于粒子群优化算法的关联规则挖掘算法.仿真试验研究了关联规则在股市走势中的应用,选取相对强弱指标RSI,收集交易数据进行实证分析,得出若干条有用的关联规则.     

一种基于清洗关联规则的金融数据挖掘算法

充分研究新型的数据前期预处理及金融数据联系的一些时间变量的预处理方法,提出一种基于清洗关联规则的金融数据挖掘算法.引入关联规则的分析在一定支持度的约束下研究和金融紧密相关的一些因素,在应用过程中随着算法的开展,对重点部门与重点功能进行观测与预警.实验证明,该方法可以更加准确的进行金融数据状态的跟踪,挖掘效率更高.     

基于遗传算法的双向关联规则挖掘

关联规则挖掘是数据挖掘和知识发现中一门重要技术,但基于支持度-置信度框架的关联规则挖掘存在一些问题。文章引入了双向关联规则的概念,实现了基于遗传算法的双向关联规则挖掘算法。实验证明,它能弥补传统关联规则挖掘算法的不足。     

负关联规则挖掘算法研究

文中首先描述了负关联规则的基本概念,接着分析了负关联规则挖掘的特点和相关算法,并提出基于相关性和剪切策略的改进算法来进行正、负关联规则挖掘,最后指出了负关联规则挖掘的研究方向.     

一种改进的基于关系矩阵的关联规则快速挖掘算法

关联规则的开采是数据挖掘中的一个重要问题,其核心是频繁模式挖掘。频繁模式挖掘算法的高效率性近年来是许多学者研究的方向。首先对关联规则挖掘问题进行了描述,其次对一种基于项目可辨识向量及其“与”运算设计的频繁项集快速挖掘算法SLIG进行了分析,最后利用二元关系矩阵及其项之间的二元关系数目,缩减候选频繁k项集的产生,提出了改进算法SLIG*,提高了SLIG算法的效率。     

关联规则挖掘在CMMB网络分析中的实现

提出了一种基于关联规则的数据挖掘算法,以此来获取CMMB网络优化的关键指标。首先介绍了关联规则数据挖掘技术;重点研究了CMMB网络分析系统的过程实现、数据库生成以及基于关联规则的数据挖掘算法Aprior的实现;最后结合实际数据给出了分析结果。     

基于关联规则的数据挖掘系统实现及应用

文章首先介绍了数据挖掘的基本概念和主要过程，接着描述了一个基于关联规则的数据挖掘工具，讨论了系统的结构、特点和功能，包括数据转换、概念层次泛化、包含负项的关联规则挖掘及系统的二次开发接口，最后对一个应用工具的实例企业客户资源分析器模型及一些相关的问题进行了讨论。     

一种基于频繁模式树的正负关联规则挖掘算法

当前关联规则挖掘主要着眼于正关联规则,如A→B的关联规则的挖掘,这种单一的只对正关联规则的挖掘方式存在严重的弊端,他掩盖了数据之间存在的隐含负关联规则,进而无法得出一些正关联规则中某些项目间相互制约的负关联关系。在关联规则概念和性质的基础上提出了基于频繁模式树的拓展式的正、负项目的关联规则挖掘算法,通过对数据库的遍历形成前缀链表,不仅挖掘包含所有正项目的关联规则,而且还能够挖掘出所有包含负项目的关联规则,不会造成负关联规则的淹没。并对算法的效率和可行性进行分析,该算法在描述关联规则项目间的相互独立程度上比已有的单一挖掘负项目的关联规则算法更具优势。     

可拓学在数据关联规则挖掘中的应用

介绍了关联规则数据挖掘概念和可拓学思想。探讨了把可拓学理论用于关系数据库上关联规则挖掘。通过对关系数据库上多值属性进行布尔数值转换，利用关联规则挖掘算法在关系数据库对关联规则进行挖掘．再用可拓学相关性和蕴含性思想，对所获得的关联规则进行拓展，获得更多更有价值的关联规则。     

一种基于云计算的大数据关联规律挖掘分析方法

随着云计算时代的到来,云计算为海量数据的挖掘分析提供了一种新的技术途径,能够有效地解决传统数据挖掘方法不能适应海量数据挖掘的问题。介绍了云计算的含义和特点,分析了运用云计算技术实现数据挖掘的优势,设计了基于MapReduce并行处理架构的关联规律挖掘算法,并开展了试验验证。试验结果表明,基于云计算平台的并行关联规律挖掘算法能够极大地提高数据挖掘的执行速度。     

关联规则挖掘中改进型Diffsets算法

频繁项集挖掘是关联规则挖掘中至关重要的一步。对于稠密数据集的频繁项集挖掘,传统的挖掘算法往往产生大量无用的中间结果,造成内存利用率的极大浪费,尤其是在支持度较低的情况下。Diffsets算法通过引入"差集"的概念,在一定程度上解决了挖掘过程中产生的大量中间结果与内存容量之间的矛盾。改进型Diffsets算法是在原算法的基础上,在差集运算过程中根据差集中所包含的事务标识个数进行递减排序,进一步减少了挖掘过程中产生的中间结果数量。分析与实例表明,改进后的算法在执行过程中将占用更少的内存空间,加快了算法的收敛速度。