数据挖掘中关联规则的频繁项集研究及算法设计

关联规则挖掘其主要研究目的是从大型数据集中发现隐藏的、有趣的、属性间存在的规律与数据间的联系。关联规则挖掘算法主要目的是从事务数据集项间挖掘出有意义的关联关系。Apriori算法是关联规则挖掘算法中最经典的方法。由Apriori算法产生的候选项集仍是巨量的。通过对Apriori算法中的候选项集支持频度的深入研究总结五条规律,并将这五条规律应用到Apriori算法中。     

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。     

基于压缩事务矩阵相乘的Apriori改进算法

Apriori算法是当前使用最广泛的关联规则挖掘方法中最为经典的算法之一;但是该算法需要反复的扫描数据库,在I/O上花消很大,并且在得到频繁-2项集的过程中会产生庞大的候选-2项集,其次在筛选得到频繁-k项集时,并没排除那些不应该参组合的元素,而导致该算法效率很低,针对上面影响计算效率的三个方面提出基于压缩事务矩阵相乘得到频繁项目集的算法,只需一次扫描数据库,经过压缩处理产生产生事务矩阵,通过矩阵间运算得到频繁项目集,有效提高了关联规则的挖掘效率。     

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。     

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.     

基于概率关联图挖掘日志中关联规则

关联规则挖掘是指寻找大量数据项集之间有趣的关联或相关关系.是数据挖掘研究的一个重要课题.由于大量数据不停地被收集和存储,因此如何有效地从数据库中挖掘出关联规则获得了研究人员的广泛关注.从Web日志中挖掘用户所访问的页面之间的关联规则,能有效改善网站的结构.提高网站性能和质量,为智能化网站提供有效的依据.     

一种频繁项集挖掘改进算法

利用Apriori算法和FP-growth算法挖掘密集型数据集的全部频繁项集代价高昂,针对该问题提出一种基于链表数组的关联规则挖掘算法,该方法使用链表数组为每个项目建立事务链表,只需要扫描数据库1次,就能够快速得到每个候选项的支持度,从而有效的发现频繁项集。通过与经典算法分析对比表明,该算法具有较快的挖掘速度。     

基于模糊关联与BP网络的客户感性知识挖掘

通过建立Web问卷调查系统获取用户对产品造型特征的感性反映信息,并对用户感性评价信息予以模糊表征,进行多维模糊关联法则挖掘,进而产生客户感性信息与产品造型特征关联规则高频项目集。利用BP神经网络的学习能力对不同时段关联规则进行训练、预测和整合,从而实现客户感性知识挖掘,为产品设计辅助与企划决策支持提供新思路。     

一种基于多值属性的改进Apriori算法

随着大量需要被挖掘的数据变得越来越复杂,多维关联规则已经成为关联规则挖掘中最实用的内容之一.本文主要介绍了在多维关联规则挖掘过程中,针对同一种属性数据出现重复连接的情况,由此而提出的一种解决方案.通过对多值属性信息进行比较,去除重复连接的属性信息,保留有效信息,减少对数据库的扫描.由此对Apriori算法中连接步进行改进,最后通过布尔型关联规则挖掘数据信息并得到结果.相较于Apriori算法,改进算法能更加快速准确地发现知识,缩短挖掘所用的时间.     

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。     

基于关联规则的多冷水机组系统负荷优化分配

本文以多冷水机组系统为研究对象,对系统采集的大量历史运行数据进行数据处理与分析,采用Apriori频繁项集算法,通过分级挖掘,挖掘在不同运行工况下各台冷水机组运行参数与最小运行能耗之间的关联规则,并以机组运行总能耗最小为目标,提出了一种将粒子群算法与关联规则结合的负荷分配优化方法.仿真验证结果表明:该方法通过优化冷水机...     

基于关联规则的恒星光谱数据相关性分析

利用关联规则作为恒星光谱数据相关性分析方法,以VC 和Oracle9i作为开发工具,设计并以程序实现了基于关联规则的恒星光谱数据相关性分析系统,给出了其软件体系结构和模块功能,并对恒星光谱数据的预处理、取样技术、背景知识模板、频繁模式集挖掘算法等关键技术进行了详细描述.最后,通过系统运行结果表明,利用关联规则来描述、分析光谱数据特征和物理化学性质之间存在的相关性是可行的和有价值的.     

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。     

教学系统中学生学习特征关联分析研究

研究把关联规则引入到教学系统中,帮助教师发现教育教学的潜在规律.根据学生数据的具体情况,采用轴属性和基于宽度的逐层近似挖掘算法对挖掘算法进行扩展,提高规则的准确性和概括性.     

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。     

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。     

基于关联规则的热泵洗碗机干燥过程特性研究

本文探讨热泵洗碗机干燥过程性能参数变化规律,建立"数据预处理-关联规则挖掘-知识解释"的无监督类数据挖掘框架,研究节能运行策略,以达到降低洗碗机干燥过程耗电量的目标.利用Apriori算法对整体事项集进行挖掘,得到制冷剂充注量、环境温度、供风方式3个关键因素,并基于此进一步挖掘出以上因素对整体干燥性能的影响规律.研究结...     

基于动态模糊关联规则推理的光网络故障管理(英文)

当代光网络趋于复杂化,一个故障将引发多个告警事件。同时,同一告警可能由不同的故障导致。本文研究了基于数据挖掘的光网络告警相关性分析,我们从动态网络资源与设备中挖掘关联规则,充分利用和维护原有规则知识,使网络结构和规则库都能快速更新,并提出了新型的动态模糊关联规则挖掘算法IDFARM。同时运用模糊逻辑将数值型告警属性转化为逻辑语言变量,当网络中有新的未知告警发生时,我们对模糊关联规则运用模糊推理来进行故障诊断,这将缩短网络恢复时间,有利于提高光网络故障管理性能。仿真实验验证了文章算法的正确性和有效性。     

基于Web挖掘的产品功能可用性评价方法

通过关联规则挖掘技术,提出了一个基于Web挖掘的产品功能可用性评价方法,用来在产品定义阶段分析产品功能的可用性。首先采用网络爬虫技术收集Web上同类或类似产品的海量评论,经过预处理,利用Apriori算法进行关联规则挖掘,抽取消费者对产品各个功能的可用性的评价。然后根据挖掘的规则建立一个评论分类器,用来识别评论语句是否与可用性有关、判断其语义倾向并进行分类。最后,基于分类结果建立可用度评分,进而进行产品功能的可用性评价。通过万能遥控器案例验证了该方法的有效性。     

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。