一种基于XQuery的网络舆情关联规则挖掘系统

随着互联网的飞速发展,数据挖掘技术已成为网络舆情分析的一个研究热点.为了提高网络舆情关联规则的挖掘速度,针对网络舆情关联规则挖掘的特点,给出了基于XQuery的网络舆情关联规则的挖掘方法,设计了一种快速有效的基于xQuery的网络舆情关联规则挖掘系统,给出了实际测试结果,并验证了基于XQuery的网络舆情关联规则挖掘系统的有效性.     

基于约束的多维数据挖掘技术

从特定查询驱动的系统功能出发,讨论了面向多维数据挖掘的重点——五种约束,通过一个数据挖掘查询实例,进一步阐述了这些约束及所产生的关联规则,并用数据挖掘查询语言(DMQL)进行表达.介绍和讨论了关联规则的处理,在挖掘关联规则中,联合使用维/层约束和规则约束,能够带来高效的挖掘过程,一个规则约束如果能被较深地推入到分层结构里,进一步在当前提取层和较深层上挖掘,是非常有价值的.最后给出了运用本文思想的一种联机分析挖掘系统的结构,并对其组成、功能及特点进行了描述.     

一种基于XQuery的网络舆情关联规则挖掘系统

随着互联网的飞速发展，数据挖掘技术已成为网络舆情分析的一个研究热点。为了提高网络舆情关联规则的挖掘速度，针对网络舆情关联规则挖掘的特点，给出了基于XQuery的网络舆情关联规则的挖掘方法，设计了一种快速有效的基于XQuery的网络舆情关联规则挖掘系统，给出了实际测试结果，并验证了基于XQuery的网络舆情关联规则挖掘系统的有效性。     

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.     

客户时序关联规则挖掘方法研究

针对客户交易数据的特点,提出了一种基于前缀映射累加树的客户时序关联规则发现方法。将时间窗口内频繁项的信息映射到前缀映射累加树中,以降低频繁时序模式的搜索空间,提高时序关联规则的挖掘效率。另外,通过为特定的频繁项建立前缀映射累加树,可以挖掘特定的时序关联规则,并能以较精确的方式,发现具有一定模糊性的客户时序关联规则。实验结果表明,所提出的方法能够提高客户时序关联规则的挖掘效率。     

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。     

模糊逻辑及遗传算法在入侵检测中的应用

在入侵检测系统中,使用模糊逻辑与数据挖掘相结合的方法挖掘关联规则,利用遗传算法调整模糊隶属函数并且选择一套合适的特征,以此提高入侵检测系统的检测性能.     

Apriori算法在布尔型关联规则领域的应用

在数据挖掘中,关联规则挖掘发现大量事务项之间有趣的关联关系的研究是一个重要的课题.Apriori算法则是数据挖掘中,搜索关联规则频繁项目集最有影响的算法.本文通过一个实例对Apriori算法在布尔型关联规则领域的应用进行了探讨.根据Apriori算法实现了计算机程序的实例验证.     

改进的关联规则算法在数据挖掘中的探讨

数据挖掘技术在客户关系管理(CRM)中的有效运用可以从与客户有关的大量数据中挖掘出对企业经营决策有价值的知识和规则。本文根据数据挖掘中关联规则的性质以及钢铁企业的自身特点,在经典关联规则算法APriori算法的基础上提出了一种改进的算法,并利用该算法对数据库进行了关联规则挖掘,得到了隐含在数据库中的有用信息。     

数据库和数据流频繁项集挖掘算法研究

Apriori算法是关联规则挖掘中的经典算法。在关联规则挖掘中,频繁项集是挖掘核心。针对Apriori算法的瓶颈和数据流频繁项集挖掘的特点,研究人员提出了许多改进算法。对改进算法的特点进行归纳、分析和研究有利于从不同角度、采用不同的技术改善算法的性能,提高数据挖掘效率,有利于数据挖掘的进一步研究和应用。