基于SQL的多值多层关联规则挖掘

在分析研究关系数据库上关联规则挖掘现有方法的基础上,提出了一种基于结构化查询语言SOL的多值多层关联规则挖掘新方法.采用了一种新的根据概念分层的编码方法对多值属性进行离散化,然后利用SOL的查询语句,结合多值属性的编码,实现了关系数据库上的多层关联规则挖掘.实验表踢,该算法具有快速、有效、易开发等优点.     

关系数据库中关联规则挖掘的一种高效算法

近年来,关系数据库被越来越多的行业采用,大量的生产、管理、科研等信息被收集存储,因此在关系数据库中进行有效的关联规则挖掘的需求日益增强.文中根据事务数据库中布尔型关联规则挖掘的相关理论和方法,在分析了关系数据库中关联规则挖掘具有的特殊性的基础上,从利用结构化查询语言(SQL)对关系数据库简便而高效的操作出发,提出了一种在关系数据库中挖掘多值型、多维型关联规则的简易算法.实验证明该算法具有较高的执行效率和一定的实用性.     

关系数据库中关联规则挖掘的一种高效算法

近年来，关系数据库被越来越多的行业采用，大量的生产、管理、科研等信息被收集存储，因此在关系数据库中进行有效的关联规则挖掘的需求日益增强。文中根据事务数据库中布尔型关联规则挖掘的相关理论和方法，在分析了关系数据库中关联规则挖掘具有的特殊性的基础上，从利用结构化查询语言(SQL)对关系数据库简便而高效的操作出发，提出了一种在关系数据库中挖掘多值型、多维型关联规则的简易算法。实验证明该算法具有较高的执行效率和一定的实用性。     

区间值关系数据库上模糊关联规则的预测方法

讨论了区间值关系数据库上模糊关联规则的挖掘算法与预测方法。采用一种比RFCM算法省时的FCMdd算法将记录在属性的取值划分成若干个模糊集,并提出区间值关系数据库上模糊关联规则的挖掘算法。仿真实例说明挖掘算法能够通过挖掘有意义的模糊关联规则来发现区间值关系数据库中蕴涵的关联性。区间值关系数据库上模糊关联规则的预测方法改进了标准可加性模型,并通过遗传算法调整模糊关联规则中三角模糊数的参数来提高预测的精度。     

挖掘集合值关系数据库的模糊关联规则

为了挖掘集合值关系数据库的模糊关联规则，应用竞争聚集算法将记录在数量型属性上的取值划分成若干个模糊集，接着给出集合值关系数据库上数量型属的模糊关联规则的挖掘算法，此算法能将数量型属性模糊关联规则的挖掘问题转化为布尔属性关联规则的挖掘问题。最后通过一个实例说明挖掘算法的合理性。     

基于量化相关模式的多值关联规则挖掘算法

为了解决多值关联规则挖掘中忽视罕见且有价值的非频繁模式的问题,提出了一种新的多值关联规则挖掘算法-QCoMine.该算法引入了量化相关模式的概念,通过考察多值属性间互信息熵和全置信度,找到具有强信息关系的属性集进而产生规则.实验结果表明,由于在属性层和区间层进行了剪枝,因此缩减了搜索空间,提高了算法的性能,且得到更高置信度、更有价值的规则.     

利用标准SQL查询挖掘多值型关联规则及其评价

关联规则是数据挖掘中一种重要的模式，目前对布尔型关联规则的挖掘算法研究得比较多，利用标准SQL功能，易于开发，运行速度快，安全可靠性强等优点，来实现多值型关联规则的挖掘具有比较好的性能，首先利用语言场理论对连续属性进行离散化，然后利用SQL对Apriori算法进行改进来实现关联规则的挖掘，另外利用主观Bayes方法中的LS充分性因子对挖掘出来的规则进行评价，该算法应用于庐江虫害数据库，结果显示它具有快速，有效，易开发，适用范围广等优点。     

关联规则在房地产广告媒体选择中的应用

针对目标客户群选择合适的广告媒体,可以用较低的广告费用获得较好的广告促销效果。论文提出了将关联规则挖掘应用于广告媒体选择的观点,对房地产公司决策型关系数据库中的属性转换问题进行了研究,用一种快速关联规则挖掘算法对房地产公司决策型关系数据库进行了挖掘,得出了一些规则。     

关系数据库嵌套查询的一种简化方法

本文提出一种将关系数据库的一类嵌套SQL查询转换为代数运算的一种简化方法，该方法使这类查询的SQL语句简洁易懂,避免了SQL语句的多层嵌套。     

简单的关系模式的RDF视图机制

为了提供语义网发展所需的领域数据,需要从关系数据库中挖掘隐含的领域信息,并将关系模式映射为RDF模式.通过在关系模式与RDF(S)模式之间建立简单的映射规则,并用传统的关系视图表示目标RDF(S)视图,提出一种"属性视图"的概念,使得在不生成RDF数据实例的前提下,在关系数据库上实施SPARQL查询,以开发语义网的应用.最后提出了一个将SPARQL基本图模式转换为SQL查询的简单规则,表明了该视图机制是可行的.     

基于SQL的关联规则挖掘

Data mining is becoming increasingly important since the size of database grows even larger and the need to explore hidden rules from the database becomes widely recognized. Currently database systems are dominated by relational database and the ability to perform data mining using standard SQL queries will definitely ease implementation of data mining. In this paper ,we introduce an association rule mining algorithm based on Apriori and the implementation using SQL. At the end of the paper ,we summarize the paper.     

An inductive database system based on virtual mining views

Inductive databases integrate database querying with database mining. In this article, we present an inductive database system that does not rely on a new data mining query language, but on plain SQL. We propose an intuitive and elegant framework based on virtual mining views, which are relational tables that virtually contain the complete output of data mining algorithms executed over a given data table. We show that several types of patterns and models that are implicitly present in the data, such as itemsets, association rules, and decision trees, can be represented and queried with SQL using a unifying framework. As a proof of concept, we illustrate a complete data mining scenario with SQL queries over the mining views, which is executed in our system.     

基于关系数据库的关联规则的形式化开采

从研究关联规则概念入手,探讨了项目、项目集合和交易数据库等概念在关系数据库中的具体含义,提出了一种全面的、易于理解和使用的关联规则形式化描述方法,并给出了开采关系型数据库中关联规则的一般过程,这为关系型数据库中关联规则开采系统的设计奠定了基础,对系统设计者有一定的指导意义。     

一种基于关系数据库的频繁项集挖掘算法

频繁项集的挖掘是数据挖掘中的一个十分重要的组成部分，目前对于事务数据库频繁项集的挖掘算法研究较多。本文根据事务数据库中布尔型频繁项集挖掘的理论和方法，再结合关系数据库的特殊性，利用标准SQL语言提出了一种新的在关系数据库中挖掘频繁项集的简易算法。实验证明该算法具有较高的效率。     

关系数据库中多维关联规则挖掘的一种新算法

关系数据库已得到了广泛的应用,研究在关系数据库中挖掘关联规则的有效技术显得越来越重要.在分析关系数据库中关联规则挖掘现有算法的基础上,提出了一种在关系数据库中挖掘量化、多维型关联规则的简易算法.算法应用于安徽科技学院《学生体质健康标准》数据库,结果显示它具有快速、有效、易开发等优点.     

基于XML数据的FP-growth算法挖掘研究

XML是跨平台的数据表示、交换技术,由于其本身在自描述性、开放性等方面的优势,在短短的时间内迅速成为行业标准。大量XML数据的涌现给数据挖掘提出了新的挑战。传统关联规则挖掘是基于关系数据库的,即把XML数据文档映射成关系数据库来完成。给出一个使用FP-growth算法直接从XML文档挖掘关联规则的类接口,并且在J2EE平台下用Java语言实现。     

对Apriori算法的改进及其实现研究

传统的关联规则挖掘Apriori算法时间开销大,针对Apriori算法的不足之处,基于关系代数理论,利用关系矩阵及相关运算给出了搜索频繁项集的基于关系代数理论的关联规则挖掘(ORAR)算法.利用关系矩阵只需扫描数据库一次,以降低算法运行时间,挖掘频繁项集,最后通过仿真实验比较这两个算法的执行时间,讨论了数据样本量和最小支持度对算法性能的影响.通过大量的仿真实验证明改进的ORAR算法是高效的,减少了挖掘数据集中频繁项集的运行时间.