基于序列模式的关联规则Apriori算法的研究与优化

本文对数据挖掘中关联规则和序列模式的概念和作用进行了研究，论述了在关联规则中寻找大项集的Apriori算法的实现，以及在序列模式基础上对Apriori算法的结果进行了改进和优化，使数据的关联规则与时间和序列之间建立了密切的联系，从而更好的实现了对于大规模数据库中有用信息的挖掘和利用.     

产品族架构设计与供应商选择的主从关联优化

针对产品族架构设计与供应商选择的关联优化问题,提出了基于主从对策的交互评价机制。根据主从决策机制建立主从关联双层规划优化模型,以产品族架构设计为主,供应商选择为从。模型上层以效用-成本比为目标,决策产品族架构设计方案。模型下层以成本为目标,决策供应商的选择。构建双层嵌套遗传算法求解模型,并添加具有产品族特色的编码处理策略。最后以客车底盘的案例对模型和遗传算法进行了验证。     

对数据挖掘中关联规则算法的优化处理

在挖掘关联规则的执行过程中,早期循环生成最大项目集的过程是很重要的.文中提出基于哈希表的算法,对生成侯选项目集的过程进行了优化,尤其是时生成二维侯选项目集更是有效.由于在早期循环中,生成侯选项目集的势较小,使得能更有效地修剪数据库,从而减小了后期循环的计算代价,同时也减小了1/0请求.     

基于关联规则的数据挖掘技术在ERP中的应用

根据数据挖掘技术的特点，针对传统ERP系统在海量数据中发现隐藏知识的功能不足，提出把数据挖掘技术应用到ERP中去，直接从现行ERP系统的数据库中提取数据进行数据挖掘的应用策略，以提高ERP中的决策支持功能。编制程序实现了关联规则挖掘算法与ERP系统的整合，通过挖掘模型测试，证明了这些策略的有效性。     

基于序列模式的关联规则Apriori算法的研究与优化

本文对数据挖掘中关联规则和序列模式的概念和作用进行了研究,论述了在关联规则中寻找大项集的Apriori算法的实现,以及在序列模式基础上对Apriori算法的结果进行了改进和优化,使数据的关联规则与时间和序列之间建立了密切的联系,从而更好的实现了对于大规模数据库中有用信息的挖掘和利用。     

基于数据挖掘的工艺规则提取

CAPP系统在进行工艺设计时会产生大量数据，如何充分利用历史数据始终是一个技术难题。为此提出采用数据挖掘技术提取工艺规则，研究了关联规则和序列模式的定义和挖掘过程，通过实例给出数据挖掘的应用。应用表明该方法能有效提高CAPP系统的应用效率，缩短产品的开发周期，对于实现工艺设计自动化具有重要意义。     

基于数据立方体的关联规则挖掘方法研究

关联规则挖掘是数据挖掘领域的一个重要研究方向.针对数据立方体的结构特点,给出了一套基于元规则指导的关联规则挖掘方案,最终挖掘出用户真正感兴趣的关联规则.     

基于关联规则的教务信息挖掘

在高校中,教务管理系统每年都产生大量和教学相关的数据,如教师基本信息、学生基本信息、成绩数据及各项测评信息等。这些数据真实的反映了高校的教学情况,但并没有充分利用这些数据来挖掘出有用的决策信息。通过对基于关联规则的教务信息挖掘的研究,把改进的Apriori算法应用在教务信息挖掘中,对影响学生成绩的因素进行分析,确定相互之间的关联规则,以改善教学。     

浅析汽车零部件供应商的选择

依据供需双方关系得出供应商的三种类型,并在分析现有供应商选择流程的基础上,引入零件和供应商的分类思想,提出基于分类思想的供应商选择流程,为汽车制造企业对零部件供应商的选择提供了依据。     

基于数据挖掘的工艺规则提取

CAPP系统在进行工艺设计时会产生大量数据,如何充分利用历史数据始终是一个技术难题。为此提出采用数据挖掘技术提取工艺规则,研究了关联规则和序列模式的定义和挖掘过程,通过实例给出数据挖掘的应用。应用表明该方法能有效提高CAPP系统的应用效率,缩短产品的开发周期,对于实现工艺设计自动化具有重要意义。     

客户关系管理中基于约束的关联规则挖掘方法研究

分析功能的深化是客户关系管理的一大发展趋势,交叉销售分析是客户关系管理中主要分析的内容之一。针对企业需求,分析和描述了交叉销售中的两类问题,根据其特点提出了一种前件固定、后件受约束的关联规则快速挖掘算法,以及一种后件固定、前件受约束的关联规则快速挖掘算法。     

基于关联规则的个性化推荐系统

以数据挖掘中的关联规则理论为基础,从应用的角度出发,设计了一套相关产品推荐系统ARecom,实现了电子购物中的个性化服务。针对直接决定整体算法效率的频繁大项集生成步骤,应用大量的数据,研究比较了三种典型算法,并在此基础上,提出了适合电子商务相关推荐系统的完整的算法模型。     

基于多维关联规则的产品族配置研究

针对产品配置中可选零部件的选择问题,提出了基于多维关联规则的产品族配置方法：根据产品族BOM结构,构建零部件约束规则数据仓库,设计人员根据客户的产品需求参数建立数据立方,并运用多维关联规则挖掘出物料库中潜在的、能满足配置需求的物料信息,实现产品的个性化配置。实例验证了该配置方法的可行性。该配置方法有效地提高了产品配置效率及零部件的重用性。     

基于灰相似关系和多维关联约束的新产品初始配置方法

为了解决新产品开发策划中将目标新产品概念模型中的结构化功能技术特性快速转化成新产品初始结构配置的问题,建立了多维关联约束的零部件资源库模型,针对分解后的新产品功能技术特性要求,根据零部件灰相似关系从零部件库查找出对应匹配或近似匹配的候选实例,按照零部件对产品总体功能技术作用的重要度排序,通过多维关联约束驱动和迭代匹配,逐步形成各零部件的总体候选方案,并根据综合匹配度确定最终匹配方案及其待改型设计和新设计的零部件。最后,通过一个实例对所提出的方法进行了验证。     

基于数据挖掘技术的远程服务与故障诊断

构建一个多制造商和多客户共用一个服务平台的设备远程监测与故障诊断系统,采用现场总线技术采集现场设备状态数据,通过Internet将信息发送到远程服务中心,由不同的工具对信息进行处理,诊断中心采用智能诊断与专家诊断相结合的工作模式,利用关联规则挖掘知识并用于智能诊断,本文阐述了系统网络运行结构,系统功能模型,基于关联规则发现知识的算法以及评价与实现。     

基于支持度变化的关联规则重挖掘技术

当使用关联规则进行数据挖掘时,使用者为了达到一定的挖掘效果,经常需要不断地改变关联规则的支持度阈值(support)。在这篇文章中我们提出了一种从大型数据库中挖掘关联规则的快速算法,该算法以经典的Apriori算法为基础,可以在提出新的支持度后直接在首次挖掘的基础上进行再一次挖掘。结果表明,它较Apriori算法的实现速度有明显的提高。     

关联规则在无线传感器网络监测系统中的应用

以某冷轧厂连退炉区炉辊轴承无线温度监测系统为背景,提出将关联规则挖掘方法应用到无线传感器网络温度状态监测系统中。通过对传感器监测数据的关联性分析,发现了大量节点之间有用关联或相关联系,并根据节点间数据的关联性,可以有目的地对节点数据进行归类分析和预测,更好地对各节点数据进行分析、预测和查询等。     

基于关联规则的多普勒天气雷达故障挖掘算法分析

基于辽宁丹东多普勒天气雷达等台站,针对当前多普勒天气雷达发射机、接收机、伺服等软硬件故障挖掘过程中,受冗余、缺失、错误数据的影响导致最终挖掘率和挖掘准确率不高,误挖率以及漏挖率始终较高的问题,提出了基于关联规则的多普勒天气雷达故障挖掘算法.该算法利用关联规则挖掘技术原理以及相关定义定理,将收集到的多普勒天气雷达故障数据集划分成不同区域,滤除弱关联故障数据,保留强关联故障数据,完成对多普勒天气雷达故障数据的预处理,并构建了故障原始判断表和故障挖掘模型,在此基础上,利用故障原始判断表和挖掘模型对多普勒天气雷达故障进行定位和类别判断,完成挖掘.性能测试结果显示,采用所提算法能够实现多种类型多普勒天气雷达故障的高精度挖掘,为多普勒天气雷达系统的安全、稳定运行提供了有效保障.