共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
关联规则挖掘是数据挖掘领域中最重要的研究问题之一。Apriori是关联规则挖掘的一种经典算法,它使用候选项集产生测试机制来找出所有满足用户最小支持度的项集,但它需要多次扫描数据库,会产生大量的候选项集。针对Apriori算法的不足,提出了一种基于混合型新的优化算法:Apriori—Mend算法。该算法从优化产生2项集、事务压缩等几个方面对Apriori算法进行优化,将散列技术应用于产生1项集和2项集,采用库优化策略和混合型存储结构,以节省空间和运算时间。实验结果表明,Apriori—Mend算法运行速度比Apriori算法有明显的提高。 相似文献
3.
关联规则挖掘是数据挖掘领域中最重要的研究问题之一。Apriori是关联规则挖掘的一种经典算法,它使用候选项集产生测试机制来找出所有满足用户最小支持度的项集,但它需要多次扫描数据库,会产生大量的候选项集。针对Apriori算法的不足,提出了一种基于混合型新的优化算法:Apriori-Mend算法。该算法从优化产生2项集、事务压缩等几个方面对Apriori算法进行优化,将散列技术应用于产生1项集和2项集,采用库优化策略和混合型存储结构,以节省空间和运算时间。实验结果表明,Apriori-Mend算法运行速度比Apriori算法有明显的提高。 相似文献
4.
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. 相似文献
5.
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. 相似文献
6.
7.
基于数据挖掘的电子商务推荐系统,通过使用关联规则算法来对客户的事务执行购物篮分析,知道那些产品比较热销,以及一个特定商品与另一个商品被一起购买的可能性有多大。从而通过商品的推荐和捆绑销售,为客户提供个性化服务,同时实现利益的最大化。在总结前人挖掘模型的基础上,设计了基于Apriori算法的电子商务推荐系统。Apriori算法作为最有影响的挖掘布尔关联规则频繁项集的算法,简单可靠,适合于机器学习。 相似文献
8.
9.
对Web信息抽取中事物数据库和最小支持度发生变化时的频繁项目集更新问题进行研究,分析当大量增量数据到达时难以及时更新FP_tree的现象,通过对FP_Growth算法进行改进,提出一种基于频繁模式树的增量式FP_Growth挖掘算法,实现关联规则的提取。通过对二手IT产品交易网站的交易情况进行信息抽取并提取出关联规则,比较算法执行时间,分析置信度和支持度的变化,证明该算法能有效减少生成PT_Tree的时间,提高了挖掘效率。 相似文献
10.
基于数据挖掘的产品质量控制建模方法 总被引:1,自引:0,他引:1
在产品质量控制过程中,按统计学观点产品已发生的故障与元器件检测筛选之间存在某种内在的关系。为了有效地发现这些关联规则,建立了质量信息挖掘模型,它包括质量灰色预测挖掘算法和质量灰色关联—关联规则挖掘算法,目标是在质量信息数据库中发现所有置信度大于预定阈值的规则及预测产品质量将来发展趋势。按此模型,建立了面向产品质量信息生成的数据仓库和数据集市,设计了质量灰色预测挖掘模型和质量灰色关联—关联规则数据挖掘流程,并用电子元器件老炼筛选和故障模式归类规律两个算例,验证了算法的合理性。 相似文献
11.
本文介绍了一种实用的增量式关联规则数据挖掘方法,它映射数据挖掘空间到图像空间,并利用数字图像显示及存储的特点,结合增量事务的挖掘过程进行挖掘.该方法在一定程度上提高了关联规则数据挖掘的实时性,对于数据集及支持度的变化具有很好的适应性.通过铝电解现场采集数据挖掘实践证明,此增量式挖掘方法简单有效,具有很强的实用性;同时为提高铝电解生产的管理水平,提供了一种对工人操作可靠性、系统控制稳定性衡量的客观评价手段. 相似文献
12.
针对传统模糊关联规则挖掘方法在原始决策表和挖掘算法方面的不足,提出基于双重模糊模拟的直觉模糊向量关联规则挖掘方法。原始决策表方面,传统模糊关联规则挖掘在表达决策者犹豫程度及自然语言多维度属性方面存在不足,故采用直觉模糊集组成的直觉模糊向量作为基本元素构建原始决策表。考虑决策者惯用自然语言的特点,引入双重模糊思想对传统直觉模糊集进行改进,并采用模糊集表达犹豫度。挖掘算法方面,直觉模糊向量关联规则挖掘存在两个难点,一是由于原始决策表的基本元素为向量,维度较大,导致挖掘效率低;二是现有挖掘算法中使用规则支持度和置信度,无法集成直觉模糊集中决策者的犹豫度。由此,提出了双层关联规则挖掘方法框架。底层关联规则挖掘方法为顶层关联规则挖掘提供内部关联规则,通过两次关联规则挖掘降低原始决策表的维度。引入双重模糊向量表达直觉模糊集的犹豫度,以双重模糊变量的期望值估算关联规则的支持度,在关联规则挖掘过程集成了犹豫度。以裸眼3D片源设计与制作中画面布局的决策过程为例,验证了所提方法的可行性和有效性。 相似文献
13.
14.
王珊珊高新勤张辉魏锋涛 《制造业自动化》2020,(9):9-13
针对以文本形式存在的云制造资源描述信息,提出了一种特征提取和关联分析方法。以云制造资源文本信息为对象,采用TF-IDF算法获得其关键字和权重值,利用FP-Growth算法进行频繁项集挖掘与置信度分析,构建云制造资源文本信息的关联规则,为云制造资源的分类存储、按关键字快速匹配提供了有力支持。最后通过实例验证了所提理论和方法的可行性。 相似文献
15.
《现代制造技术与装备》2016,(3)
基于对传统遗传算法的关联规则挖掘,提出了改进型遗传算法。该算法提出了一种自适应变异率方法,并改进了个体选择方法。最后,将其应用到岸桥机械数据关联规则挖掘中进行实验,并用Apriori算法验证了该方法的高效性和可靠性。 相似文献
16.
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。 相似文献
17.
18.
汽车ERP中关联规则挖掘与动态更新的实现策略 总被引:2,自引:0,他引:2
针对传统ERP系统缺少直接面对客户的系统功能、数据利用程度低等局限性,提出把经典数据挖掘算法——基于Apriori的关联规则挖掘方法改良后导入汽车企业ERP系统以缓解其局限性的应用策略,程序实现了FPgrowth算法和动态关联规则挖掘算法,并通过挖掘模型测试,证明了这些策略的可行性和有效性。 相似文献
19.
两次挖掘的关联规则增量更新的改进算法 总被引:1,自引:0,他引:1
本文提出一种基于两次挖掘的关联规则挖掘算法(TMIUA)的改进算法,用于处理事务数据库增加新的数据集后相应关联规则更新问题,并对其性能进行了分析。 相似文献