数据库关联规则挖掘算法研究

该文介绍了数据挖掘、关联规则相关概念,分析了经典的挖掘布尔关联规则频繁项集的算法-Apriori算法,阐述了关联规则的生成过程,并通过实例进行验证。针对Apriori算法的缺陷进行了分析并列举了几种算法优化方法。     

数据库关联规则挖掘算法研究

该文介绍了数据挖掘、关联规则相关概念,分析了经典的挖掘布尔关联规则频繁项集的算法-Apriori算法,阐述了关联规则的生成过程,并通过实例进行验证。针对Apriori算法的缺陷进行了分析并列举了几种算法优化方法。     

关联规则挖掘研究

关联规则挖掘是数据挖掘的知识模式中比较重要的一项任务,它的目的是发现数据集中所有的频繁模式。根据关联规则定义及属性,可发现关联规则。利用Apriori算法实现了关联规则的挖掘,关联规则可以产生清晰有用的结果;可以广泛应用于各个领域,既可以检验行业内长期形成的知识模式,也能够发现隐藏的新规律,是完成数据挖掘任务的一个重要手段。     

数据库中全部负关联规则挖掘研究

数据库中关联规则信息是知识的表述形式之一,负关联规则挖掘是数据库关联信息挖掘的重要研究内容,具有广泛的应用范围。现有的挖掘方法不能获取数据库中全部的负关联规则,考虑从数据库中提取全部的负关联规则,通过(1)扫描数据库建立数据库频繁模式树DFP-tree(Database Frequent Pattern tree);(2)在精简DFP-tree的基础上获取全部极小非频繁项集ASI;(3)对ASI中极大频繁项集的向上闭包,得到全部非频繁项集;(4)在此基础上采用相关度作为规则兴趣度量之一提取负关联规则。理论和实验表明算法的正确性和效率。     

关联规则挖掘综述

关联规则挖掘则是数据挖掘中最重要的分支之一。它着重研究大量数据中项集之间有趣的关联或相关关系，一个典型的例子就是购物篮分析。该过程可以分析出哪些商品顾客倾向于在一起购买，从而可以为商店经理提供比较好的商店布局方式。例如，通过分析，我们发现，顾客在购买了一台计算机以后，一般都会去购买财务管理软件，那么我们就可以把计算机和财务管理软件放在比较近的位置，以增加销售量。这里主要介绍了关联规则挖掘的经典算法，Apriori算法，同时给出了关联规则中的基本概念，然后分析了算法的运行效率。提出了改进的方法。     

水平分布数据库的正负关联规则挖掘

目前,正负关联规则的挖掘受到越来越多的关注,在现实运用中也越来越广泛.随着信息技术和经济全球化的发展,许多企业都在全国甚至全世界范围内拥有自己的数据中心.企业通过分析这些数据的关联来为他们的战略抉择和政策制定服务.而直接在这些庞大的数据中寻找数据之间的关联不是一件容易的事.而且,在这些大量的数据中,不是所有的数据都是分析中所需要的.文中通过在文献[4]中所提的方法中引入对不同数据库赋予不同权重值的方式,使得在分布式数据库中挖掘正负关联规则更加高效.经过测试.这一改进是有效的.     

关联规则挖掘与分类规则挖掘的比较研究

关联规则挖掘与分类规则挖掘都是数据挖掘,领域中很重要的技术。本文首先简要介绍了关联规则挖掘和分类规则挖掘的基本知识,主要从挖掘目的、发现规则算法的方法、算法的设计思想等几个方面对它们进行了比较,最后介绍了它们之间的联系。     

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。     

时态数据库中增量关联规则的挖掘

时态数据库(temporal database)中的时态数据是数据信息中重要的一类,此类数据中存在着大量未知的涉及数据的变化趋势及数据增量之间相互关系方面的知识.给出了时态数据库中的相邻关系(adjacency)和增量(increment)的定义,提出了基于定量属性离散化及编码化的增量关联规则的基本模型(model of discretization & code-based increment association rules);并针对时态数据库中的属性大多为连续定量属性的特性,比较了"部分完备法"(partial completeness)、基于分类信息熵的离散化(entropy-based discretization)、C4.5、基于粗集理论的全局离散化(rough sets-based full discretization)及其改进等多种定量属性的离散化方法,结合定性属性的挖掘算法,提出了具有时间约束的增量关联规则挖掘算法TIDM;最后,讨论了互斥属性集的概念、基本特性及处理互斥属性集的基本方法,对于诸如企业风险管理的管理决策等应用是十分有意义的.     

数据挖掘技术在中药自动发药系统中的应用

在对中药自动发药系统的发药流程以及对数据挖掘技术的概念、常用分析方法和挖掘过程等知识进行简单介绍的基础上, 探讨了数据挖掘技术在中药自动发药系统中的应用,提出了较好的解决中药自动发药系统效率的策略.     

基于Web的中药化学数据库

为了研究中药以及通过WWW来交流中药的相关信息,开发了中药化学数据库和基于Web的检索程序。本文简单介绍了中药化学数据库,说明了在开发程序中所使用的各种技术,包括ASP、VRML和JavaScript。另外还给出了一些应用实例。     

中药复方配伍多维分析系统中数据库的设计

为了揭示中药复方配伍规律,开发了中药复方配伍多维分析系统.由于中药数据涉及大量自然、人文知识,在系统中需要处理这些错综复杂的关系,因此设计存储这些复杂数据的数据库是个挑战性的工作.给出了中药复方配伍多维分析系统的分析流程,解释了中药信息的特点,详细分析了存储中药信息数据库子系统的设计.把存储子系统数据库子系统分为输入表、输出表、药物基本信息表、预处理表和临时表5类,使系统具有灵活性,可扩展性,较少的冗余、较快的处理速度,满足了多维数据分析的需要.     

利用JSP实现基于Internet中药化学数据库的检索

JSP（JavaServer Pages）是Sun公司推出的一种服务器端动态技术，是目前最先进的Web服务技术。中药化学数据库包含中药材，化合物及相关信息8500余条记录，本文用JSP技术在Internet上实现了中药化学数据库的检索。     

高效中药关联规则发现算法研究及应用

将关联规则发现算法引入到中药配方数据库的数据挖掘中,以求发现方剂中单方之间的关联规则及中药中的药对药组,可以为中药中新药的研制提供重要依据。由于常用的关联规则发现算法：Apriori算法存在多次扫描数据库的缺陷,提出了一种基于矩阵的关联规则发现算法：Apriori_Matrix算法,该算法优化了Apriori算法中集合连接过程多次比较所花费的时间,可极大地提高关联规则挖掘的效率。针对中药数据库中单方的种类有限、配伍规则各不相同、同一种病症对应多种方剂的情况,改进算法有助于缩短新药研制的周期。     

一种面向中医药领域的二维最大频繁项集挖掘算法

在中医药领域挖掘药组频繁项集时发现,尽管有些项集的支持度比人们需要的频繁项集的支持度高很多,但这些项集并不是人们感兴趣的,即过分频繁反而变得平凡.本文引入支持度区间的概念,提出了适合中药数据挖掘的二维TCM-FP森林结构及其建树算法.在针对疾病症状的中药药组挖掘过程中,采用优化的搜索策略开发了基于支持度区间的TCMA维间最大频繁项集挖掘算法.这种算法既缩小了挖掘的范围又提高了规则的意义,并且具有较高的执行效率.     

基于规模约简和多支持度的关联规则挖掘

关联规则挖掘的经典算法是Apriori算法,但是存在两大突出的问题,即多次扫描事务数据库和使用单一的支持度,导致了由于事务数据库的规模而增加搜索时间和产生冗余规则或有效规则被丢弃。以往的改进算法只从其中一方面进行考虑。因此同时考虑存在问题,给出了一种基于规模约简和多支持度的关联规则挖掘算法。分析和试验显示在效率上有提高。     

关联规则挖掘中一种实视图选择策略

关联规则挖掘是数据挖掘问题中一个典型任务。其挖掘响应时间是数据挖掘系统中重要的问题之一。为了高效解决这一问题,给出了关联规则实视图的概念以及相应的代价模型;提出了针对数据挖掘环境的实视图选择算法,以便在存储空间约束的条件下,取得较好的查询性能。实验结果表明,该算法能有效地选取实视图,从而大大提高关联规则挖掘算法的效率。     

基于策略模式的中医数据挖掘平台

随着数据挖掘技术的发展和中医信息化的逐渐深入,很多数据挖掘方法被应用到中医研究领域。针对面向对象软件设计模式中的策略模式在数据挖掘科研软件平台设计开发上的应用进行了研究,并提出了平台设计概要。在此基础之上,提出了一种中医数据挖掘研究的思想方法：将中医问题（数据）封装、将数据挖掘方法（算法）封装,实现统一的接口,从而实现在某一类中医问题中尝试不同的数据挖掘方法、将某一种数据挖掘方法应用于不同的中医问题。基于上述思想方法,实现了中医数据挖掘平台,用于中医相关领域的数据挖掘研究。     

正相关关联规则及其在中医药中的应用

关联规则是数据挖掘的重要模式之一,有着极其重要的应用价值,但是传统的基于支持度－置信度框架的关联规则挖掘算法在实际应用中存在诸多不足。引入相关性分析,设计了一种基于遗传算法的正相关关联规则挖掘算法。最后,将该算法应用于名老中医临证经验分析挖掘的实际问题,实验证明,它能有效地弥补传统关联规则挖掘算法的不足。