一种模糊多层关联规则挖掘算法

针对传统数据挖掘中的“尖锐边界”问题,采用将模糊理论和关联规则挖掘技术相结合的思想,在改进传统Apriori算法的基础上,结合多层关联规则挖掘的方法,提出了一种模糊多层关联规则挖掘算法。对模糊多层关联规则挖掘的基本概念进行了定义,详细描述了模糊多层关联规则挖掘算法。最后用Visual FoxPro6．0语言实现了该算法程序,通过交易数据库挖掘实验表明算法是有效的。     

定性空间推理的分层递阶框架

定性空间推理是定性推理和空间推理的重要组成部分 .拓扑和形状是定性空间推理研究的关键问题 .针对定性空间推理已有一般框架存在的问题 ,提出了定性空间推理的分层递阶框架 ,并结合拓扑和形状方面的定性空间推理研究工作阐述了所提出的框架的有效性和合理性 .最后总结了分层递阶框架的要点并提出了基于该框架的进一步研究工作 .     

元规则指导下的逐步求精多层空间关联规则挖掘算法

提出了元规则指导下逐步求精的多层空间关联规则挖掘算法,该算法采用了自顶向下、逐步求精以及元规则等技术。文章最后以挖掘农产品市场的芝麻价格与铁路、国道和河流间的空间关联关系为例,介绍此算法的应用。     

定性空间推理中区域连接演算的多维扩展

区域连接演算(RCC)是定性空问推(QSR)的基础理论之一．但RCC理论只支持区域,不能处理包括点、线和区域在内的空问多维对象,这阻碍了RCC应用的发展．扩展了区域概念,将点和线对象视为特殊的区域．提出了能直接用RCC理论描述空间多维对象拓扑关系的MRCC理论．在保留RCC公理的前提下,MRCC增加了2条新公理,并由此推导出了36种MRCC基本关系．进而讨论了基于概念邻域图和复合表的推理．MRCC拓展了RCC理论的适用范围,促进了RCC向实际应用的发展．     

定性空间推理的研究与进展

定性空间推理是人工智能学科处理常识性空间知识的一种方法[l],其推理任务包括图:推导知识库中的隐含知识;针对给定的部分知识或特定的上下文回答询问;维护一致性;获取新知识特别是认知图;定性场景描述的可视化。     

基于序号索引的空间关联规则挖掘算法

针对空间关联规则挖掘算法的冗余计算问题,提出一种基于序号索引的空间关联规则挖掘算法。该算法适用于挖掘单层横向空间的关联规则,在自底向上和自顶向下的搜索过程中,用定序操作产生序号索引,通过序号索引在双向挖掘过程中修剪重复候选项和删除冗余计算,以提高算法效率。实验结果证明该算法比现有的算法更快速有效。     

空间关联规则挖掘算法研究

提出了多层次空间关联规则的定义后,利用多层次的空间概念关系。给出了一种基于元模式的多层次空间关联规则挖掘算法AP-MLSAM;在此算法中,预先确定用户感兴趣的规则模式与对象。然后分别在该对象的各数据层上进行大项集的计数。最后得到与用户给定的元模式形式一致的宅间关联规则。实验表明,算法是有效的。     

基于SVG的空间关联规则挖掘

随着网络技术的飞速发展，SVG成为矢量图形发布的新一代标准，越来越多的SVG文档涌现出来。SVG文档中隐藏着大量有趣的空间信息，因而如何从SVG文档中发现有趣的空间信息成为数据挖掘领域中值得研究的问题。讨论空间关联规则的挖掘，采用多维多层交叉关联规则挖掘技术，综合利用SVG文档中的空间信息和非空间信息进行挖掘，可以较好地从SVG文档中挖掘隐藏的空间关联规则。     

基于SVG的空间关联规则挖掘

随着网络技术的飞速发展,SVG成为矢量图形发布的新一代标准,越来越多的SVG文档涌现出来。SVG文档中隐藏着大量有趣的空间信息,因而如何从SVG文档中发现有趣的空间信息成为数据挖掘领域中值得研究的问题。讨论空间关联规则的挖掘,采用多维多层交叉关联规则挖掘技术,综合利用SVG文档中的空间信息和非空间信息进行挖掘,可以较好地从SVG文档中挖掘隐藏的空间关联规则。     

定性空间表示与定性空间的研究与发展

1 引言空间推理是指利用空间理论和人工智能技术对空间对象建模、描述和表示,并据此对空间对象间的空间关系进行的定性或定量的分析和处理过程。在描述和推断空间对象间的空间关系时,要获得精确、定量的数据通常是不可能的或不必要的,在这种情况下,可能要用到关于空间关系的定性空间推理。定性空间推理是一个     

基于地理本体的空间方向关系定性推理

围绕基于地理本体的空间方向关系定性推理进行研究,给出了定性推理系统总体框架,并对方向关系模型、自定义规则、地理本体、定性推理进行详细探讨。     

基于FP-tree的多层关联规则快速挖掘算法

研究了多层关联规则挖掘的理论和方法,提出了一种基于FP-tree的快速挖掘算法FAMML_FPT。该算法不仅实现了同层次关联规则的挖掘,也能实现跨层次关联规则的挖掘,其中引入了修补项、跨层修补项的概念,以便从低到高逐层建立FP-tree,有效减少了扫描数据库的次数,且不用产生大量的候选项集,提高了数据挖掘的效率。     

空间数据关联规则挖掘研究综述

介绍空间数据关联规则挖掘的理论及其在研究上的应用,综述空间数据关联规则挖掘算法的应用成果,指出其应用前景和存在的问题.     

基于模糊关联规则挖掘改进算法的IDS研究

由于现有入侵检测系统误报、漏报率较高,提高其检测准确率具有重要意义;阐述了模糊关联规则挖掘技术在网络入侵检测中发现网络异常并通过相似度计算做出量化的入侵响应的方法,详细描述了基于模糊关联规则算法的入侵检测的具体步骤,并改进了该算法的隶属度函数建立和标准规则集生成方法;通过异常检测实验验证了在入侵检测中应用这一算法的可行性,并且所做的改进可以提高算法的准确性,从而可以得出此改进算法较好地提高了入侵检测的准确率,为入侵检测系统的改进提供了一些思路。     

基于前缀树的模糊关联规则挖掘算法

针对布尔型关联规则不能表达挖掘对象中模糊信息的关联性,给出一系列有关模糊关联规则的定义,并提出一种基于前缀树的模糊关联规则挖掘算法。通过构造前缀树来压缩存储模糊模式候选集和频繁集,有效地节约了内存开销,且只需扫描数据库2遍。实验结果表明,该算法是有效的。     

混合维拓扑和尺寸关系的定性空间推理

定性空间推理(QSR)研究空间关系,多数工作集中在单维空间关系,但在地理信息系统(GIS)中多维对象很常见.混合维对象空间关系是指点、线和区域3类对象出现在同一场景的情况,该类问题对定性空间推理研究有着重要的理论意义和应用价值.但这方面的研究工作还比较少.在已有的混合维区域连接演算的基础上进行完善,提出了MRCC5混合维拓扑模型,并研究了其上约束满足推理问题的复杂度.对定性尺寸关系进行了混合维扩展.给出了MDS模型,进而研究了其推理问题.在以上工作基础上.提出了RCCA和MDS的结合模型,给出并分析了结合模型的推理算法.将定性空间推理相关研究推广到混合维领域,深入研究了混合维拓扑关系推理,提出了混合维尺寸以及混合维拓扑尺寸结合模型.     

一个结合多方面定性空间信息的新方法

定性空间推理是人工智能领域中非常重要的研究内容.空间信息包含拓扑关系、大小关系、形状、距离等很多方面.以往多侧重于单一方面的研究,如何将孤立的各方面信息进行统一表示和推理是当前定性空间推理中的一个重要问题.提出利用结合操作来融合不同空间信息表示的新方法.利用结合操作,可以由原先完备互斥关系集合得到新关系,同时利用原有的复合表自动生成新关系的粗复合表.基于结合操作,给出2个理论模型：结合拓扑关系与大小关系模型、结合拓扑关系与远近关系模型.并提出了邻域划分图的概念,说明了邻域划分图与概念邻域图的关系.利用邻域划分图回答了Galton提出的问题:“为什么LOS(视觉光线演算)的概念邻域图不同于标准的空间或时间关系的概念邻域图,这些关系的复合表中关系总是来自于概念邻域图”.     

基于模糊聚类的改进的模糊关联规则挖掘算法

文中提出一种新的方法通过使用模糊c均值对原始数据集进行预处理操作,通过这个操作可以把定量属性值转换为二进制值,继而就会得到原始数据集的模糊版本（由模糊记录和模糊属性组成）。另外,文中又提出了一种基于模糊Apfiori算法的快速提取规则的算法,这种算法是利用模糊聚类从先前得到的原始数据集的模糊版本中提取模糊频繁项集从而可以得到模糊关联规则。在文章的最后,实验结果显示了提出的新算法在处理大型数据集时在挖掘时间上要优于传统的Apriori算法。对大型数据库来说,该算法在实用性和可用性上面都有很好的发展前景。