基于双向概念格的坦克驾驶模拟训练关联规则挖掘

利用坦克驾驶模拟器进行模拟训练是提高装备操作技能的重要方法。针对以往模拟训练采用统计分析方法难以从复杂训练数据中发现知识和规律的不足，提出基于双向概念格的关联规则挖掘方法，对坦克驾驶模拟训练结果进行分析。采用矩阵布尔化操作将原始数据表转化为单值形式背景，完成对坦克驾驶模拟训练多值数据处理；定义内涵秩和外延秩，实现从概念格的顶层、底端双向搜索概念节点，同时结合支持度阈值约简冗余节点；设计规则后件固定作为约束条件，过滤不相关的频繁项集，提取满足用户挖掘目标的关联规则。实验结果表明，基于双向概念格的关联规则挖掘方法在运行时间和生成频繁项集上有明显优势，将其应用于某型坦克驾驶模拟器的训练结果分析中，提取了有价值的约简关联规则，进一步验证了该方法的可行性与有效性。     

改进自适应遗传算法在关联规则中的研究

针对传统的关联规则在大数据环境下数据挖掘过程中效率低的问题,文中融入了遗传算法,并且对传统的遗传算法进行优化以便更好地适用于关联规则的挖掘。针对传统的自适应遗传算法,对其交叉算子和变异算子进行自适应优化,在此基础上加入兴趣度用来剔除一些没有实际效果的规则。实验结果表明在关联规则提取方面,结合云计算技术和所改进的算法可以优化其挖掘效率,并克服适应性和可用性等方面的缺陷,不仅加快了算法的收敛速度,也提高了解的质量。