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.     

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.     

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...     

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。     

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。     

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。     

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。     

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。     

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。     

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。     

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。     

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。     

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。     

关联规则在提取典型焊接类型中的应用

为了从白车身工艺规划数据库中提取潜在的、有价值的焊接工艺知识,应用关联规则提取了典型焊接类型。首先建立了提取典型焊接类型的关联规则模型,然后对影响焊接类型的各种属性分类,并根据焊接工艺要求对数值属性离散化,采用Apriori算法提取频繁属性项集。将分属不同属性的项连接生成候选项集,以焊接类型作为规则的后件,根据最小置信度获取强规则。最后对某白车身的焊接数据进行处理,为了能够提取合适的焊接类型,采用较低的支持度和较高的置信度,获取的结果对焊接类型的选择有很强的参考价值。这种方法有助于实现白车身工艺规划的智能化,提高了工艺规划的效率。     

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。     

基于情境—需求本体的客户定制需求挖掘

目的 实现客户定制需求精准全面的自动获取.方法 以人机系统设计理论为基础,构建考虑客户情境信息的情境—需求本体模型并运用Apriori算法挖掘两者之间的映射规则.结论 由客户情境信息映射到客户定制需求信息的关联规则,可以实现根据客户情境信息推导出对应的定制需求信息.运用情境—需求本体模型和关联规则挖掘算法可以实现由客户情境信息自动获取规范化的客户定制需求信息,更符合人机系统设计理论.     

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。     

舰载被动传感器数据关联算法研究

针对ESM的属性关联和空间关联准确度不高的问题，提出了一种属性-空间综合关联算法。建立了属性-空间综合关联算法的功能模型，并对采用算法进行了描述和仿真。仿真试验结果表明，属性-空间综合关联能有效克服不同平台、相同目标属性关联和同一平台、不同辐射源空间关联存在的问题，且具有较高的关联准确度。     

基于Apriori算法的银行客户行为分析

采用数据挖掘技术中的Apriori算法,对银行客户记录进行关联规则的分析。通过对记录中年龄、性别、收入情况、居住所在地、婚姻状况等有关属性的关联度分析,寻找记录中属性间的彼此关联。从而根据这种属性间的彼此关联,对客户其他的未知属性进行预测,进而对银行客户的存款等行为趋势进行预测。     

制造信息系统中基于遗传算法的关联知识挖掘

通过分析制造信息系统中数据集的特点,运用遗传算法的理论,对传统的关联知识挖掘算法进行了优化,对遗传算法中的系统编码进行了深入研究,并应用于制造信息系统中,进行了数据挖掘和知识发现的尝试,并给出了比较详细的算法描述与实现,之后对相应算法的效率以及优缺点进行了分析,并得到了详细量化的实验数据。通过对遗传算法优化过的关联规则的运用,使得对制造信息系统中大量数据进行挖掘的效率明显提高。