基于FP-树的关联规则挖掘算法浅谈

随着数据库技术的发展,高效的数据挖掘算法有助于人们重新认识数据、理解数据。基于FP-树的关联规则挖掘算法FP-growth是当前应用最广的一种挖掘频繁项目集的算法。本文简要描述了该算法的几种主要发展方向。     

关联规则挖掘算法综述

介绍了关联规则挖掘算法的基本原理，并按照挖掘中涉及到的变量数目（维数）、数据的抽象层次和处理变量的类别（布尔型和数值型），依次对关联规则挖掘算法的研究进行综述，并对一些典型的算法进行分析和比较，最后展望了关联规则挖掘算法的研究方向。     

数据挖掘技术与关联规则挖掘算法研究

随着人们对信息数据量的急速增长从而数据挖掘技术也随之应运而生,这使得人们对知识与信息的渴求得到了进一步满足。对于如何才能快速高效的获取知识,对于信息处理技术来说已经成为当前热门的研究课题。审视当前对于关联规则的研究现状,针对关联研究的现状,分析实际问题对于关联规则总结出一种新的研究方式,结论为关联规则算法在今后的出路和进一步的研究上指明了方向。研究过程中通过对文献的查询分析和比较分析两种方法,进一步阐述对典型关联产生影响的各种方法,其中最为重要的是把核心Apriori算法作为一个研究的基点。     

正负关联规则挖掘的研究

传统的基于支持度-置信度框架的关联规则挖掘方法可能会产生大量不相关的、甚至是误导的关联规则,同时也不能区分正负关联规则。本文提出了一种评价关联规则的可量化标准,进一步提出一种能同时挖掘正负关联规则的框架,实验证明该方法是有效的。     

关联规则算法在中医数据挖掘中的应用

中医经验和中医对于病症的用药方法用药规律,集中体现在病历、方药中。病人的症状,如何用药、用药剂量、用药方法这些因素之间必然存在着某种关联和规律。可以利用这个特点对中医积累的数据进行关联性分析,体现症状、辨证、治法、方药这几个方面的关联规则和规律。具体体现在症状与辩证、症状与方药、辨证和方药之间的规律。     

关联规则算法在中医数据挖掘中的应用

中医经验和中医对于病症的用药方法用药规律，集中体现在病历、方药中。病人的症状，如何用药、用药剂量、用药方法这些因素之间必然存在着某种关联和规律。可以利用这个特点对中医积累的数据进行关联性分析，体现症状、辨证、治法、方药这几个方面的关联规则和规律。具体体现在症状与辩证、症状与方药、辨证和方药之间的规律。     

基于Apriori算法的课程成绩关联规则挖掘研究

数据挖掘中的关联规则挖掘能够发现大量数据中项集之间有趣的关联或相关联系,采用关联规则的Apriori算法和改进后的Apriori算法对郑州职业技术学院学生各门课程成绩进行分析,从而发现课程之间的联系和基础课程对专业课程的影响,为教务昔理部门安排课程提供参考。     

分布式数据库中关联规则挖掘的研究

在数据挖掘研究中,关联规则挖掘作为数据挖掘研究中的一个重要部分,引起越来越多的关注。因此,主要研究关联规则挖掘,首先介绍关联规则挖掘的一些基础知识、概念描述等,然后对关联规则挖掘的常用算法进行分类探讨,最后分析其中的几种典型算法。     

数据库中广义模糊关联规则的挖掘

引入了广义模糊关联规则的概念,给出挖掘规则的计算方法,用来进行数据挖掘,以找出隐藏在数据库当中那些有用的而未被发现的知识。     

隐私保护关联规则挖掘的研究

数据挖掘已经融入到社会生活的各个领域,随之个人隐私保护的研究也凸显其重要性。随着隐私保护在数据挖掘研究中的深入,人们发现一些规律,也相继的发现一些隐藏的问题。总结归纳目前人们在数据挖掘领域中对隐私保护关联规则研究的现状,分析目前基于隐私保护的数据挖掘主要方法的优缺点,给出隐私保护在未来数据挖掘中的发展方向。     

一种基于目标属性的关联规则挖掘算法的研究

提出一种基于目标属性的关联规则挖掘算法,该算法对于不同目标属性的关联规则挖掘是相互独立的,虽然会产生重复工作,但是在并行计算以后效率得到了大大的提高.经过实验分析,对于同样的问题,采用该算法并引入并行计算后,效率要比采用间接挖掘方式的Apriori算法高得多.     

关联规则挖掘在企业运作策略调查问卷中的应用

通过分析企业运作策略问卷调查数据,提取出不同的运作策略与绩效间的关联规则。首先介绍了关联规则以及关联规则兴趣度的度量。对于问卷数据,进行了预处理,确定挖掘的数据集及相关属性。然后应用关联规则挖掘工具,挖掘出潜在的有用规则。通过分析关联规则,找出企业运作策略及绩效间的关系,为企业提供决策支持,提高企业的竞争力。     

矩阵加权关联规则在故障诊断系统中的应用

关联规则挖掘算法实现了对复杂设备的通用、快速、脱离主观经验的故障诊断。经典的关联规则算法以各项目均匀分布为前提,而实际的故障诊断过程中不同的故障因素对故障诊断的贡献度不同。针对这种情况,将"最小支持期望"和矩阵引入关联规则,提出一种适用于设备故障诊断的基于矩阵的加权关联规则模型——MWARMA模型,实例证明该模型在提高挖掘效率的同时,明显提高了故障诊断的准确率。以该模型为基础设计并实现了一套设备故障诊断系统。     

事务间关联规则挖掘在股价、期货价格预测中的应用

关联规则作为数据挖掘的一种重要分析方法,在近年来发展日趋成熟.在金融领域,一些研究已开始关注利用关联规则挖掘不同金融产品价格间的关联性、不同市场变动趋势之间的关联性等.然而,前人的研究主要集中在事务内相关性挖掘发面.引入事务间关联规则的概念,并利用FITI算法研究中国股票市场、债券市场、期货市场变动的关联性,以及不同国家间股票市场的关联性.     

应用Apriori算法和FP—tree算法挖掘关联规则的比较分析

介绍了关联规则的基本概念,比较分析了关联规则挖掘算法的两个经典算法Apriori算法和FP—tree算法,通过Apriori算法和FP—tree算法的对比分析得出了相应的比较结果。     

个性化包装设计中关联规则挖掘技术的应用

从个性化包装产生的原因出发,分析了个性化包装的特点及个性化包装设计的重要性,阐述了基于关联规则挖掘的个性化包装设计的基本方法,详细说明了关联规则挖掘在个性化包装中应用的关键技术,提出了一种基于关联规则挖掘的个性化包装设计模型,并给出了其关键步骤的实现方法。     

数据挖掘技术中基于关联规则算法的研究

随着现代信息技术的发展,特别基于网络的信息技术的飞速发展,人们对于数据的处理能力的要求也随之升高,数据挖掘的本质,就是从模糊的、随机的、有噪声的、大量的、不完全的数据当中提取有潜在利用价值的信息的过程。从大型数据库中挖掘关联规则的问题已成为数据挖掘中一个比较热门的研究方向。在先前研究的基础之上,对基于关联规则的数据挖掘技术进行全面地分析。     

改进多重最小支持度关联规则算法在故障诊断中的应用

Apriori算法的前提是数据库中各项目的频率和重要性是相同或者相似的,但在故障诊断的实际应用中并非如此。在Apriori算法的基础上进行改进,利用多重最小支持度解决了设备故障诊断中非频繁项目的挖掘;同时针对在实际的应用中项目集的重要程度不一致的问题,提出一种基于"组件信誉值"的加权多重最小支持度算法,并通过实际的例子证明了该算法在故障诊断中的正确性和有效性。     

基于神经网络的关联规则在故障诊断中的应用

采用加权关联规则算法对设备历史数据库进行挖掘,建立加权关联规则模式库。设备监控数据通过与模式库匹配,实现设备故障诊断。同时,针对钢铁企业中液压设备的特殊性,提出利用自组织竞争神经网络模型确定权值,即将设备故障信息的3个主要属性:重要程度、易损程度、故障等级作为模型的输入,通过训练样本确定设备故障的加权关联规则的权值。实例证明了该方法的有效性。     

基于关联规则数据挖掘技术在教学管理中的应用

数据挖掘技术是一种以从大量数据中提取潜在有价值的数据规律或数据模型为目的的信息处理技术。将此技术运用在高校信息处理的工作上,可智能生成有价值的信息,用于学校教学管理与决策。本文将以目前高校普遍使用的学分制选课数据系统依托,运用数据挖掘技术中关联挖掘规则,对已有数据进行分析,为读者提供一个简单易操作的数据挖掘范例,供读者参考。