An incremental mining algorithm for high utility itemsets

Association-rule mining, which is based on frequency values of items, is the most common topic in data mining. In real-world applications, customers may, however, buy many copies of products and each product may have different factors, such as profits and prices. Only mining frequent itemsets in binary databases is thus not suitable for some applications. Utility mining is thus presented to consider additional measures, such as profits or costs according to user preference. In the past, a two-phase mining algorithm was designed for fast discovering high utility itemsets from databases. When data come intermittently, the approach needs to process all the transactions in a batch way. In this paper, an incremental mining algorithm for efficiently mining high utility itemsets is proposed to handle the above situation. It is based on the concept of the fast-update (FUP) approach, which was originally designed for association mining. The proposed approach first partitions itemsets into four parts according to whether they are high transaction-weighted utilization itemsets in the original database and in the newly inserted transactions. Each part is then executed by its own procedure. Experimental results also show that the proposed algorithm executes faster than the two-phase batch mining algorithm in the intermittent data environment     

一种优化的关联规则增量更新算法

针对PFUP算法存在扫描多次数据库这个瓶颈问题,提出一种优化的关联规则增量更新算法MIFUP(Mixed Improve Fast Updating).该算法提出了两种优化策略:借鉴事务压缩原理和用数组存放一阶非频繁项集个数.实验仿真说明,MIFUP算法效率明显优于PFUP算法.     

一个新的FUP-Based关联规则增量式更新算法

关联规则的挖掘是数据挖掘中的一个重要问题。目前已经提出了许多算法用于数据库中关联规则的维护,其中最著名、最基本的是FUP算法。本文通过深入分析FUP算法的内在思想,借鉴其他相关算法的长处,提出了一个几乎无需扫描原数据库的FUP-Based算法。     

一种高效的关联规则增量更新算法

对挖掘关联规则中FUP算法的关键思想以及性能进行了研究,提出了改进的FUP算法SFUP。该算法充分利用原有挖掘结果中候选频繁项集的支持数,能有效减少对数据库的重复扫描次数,并通过实验对这两种算法进行比较,结果充分说明了SFUP算法的效率要明显优于FUP算法。     

改进的FUP算法在五金产品质量分析系统中的应用

以阀门作为五金产品质量数据分析的实例,对阀门产品质量数据进行分析,主要是分析阀门产品的缺陷数据。针对传统的增量式关联规则算法FUP没有考虑到数据的时间属性,在FUP算法的基础上提出一种改进算法,并且将改进的FUP算法运用到产品质量分析系统中。通过实验结果对比发现,使用了改进算法以后,原来的许多规则已经不在生成的规则列表中出现,而一些新的规则被生成了。     

关联规则挖掘在电子病历分析中的应用研究

针对甲状腺电子病历数据量大、更新速度快的特点,提出了一种挖掘有效关联规则的技术.该技术运用区间归并法与特征区间法相结合的离散化方法对病历中的数据进行预处理;在规则生成的核心算法中,提出了优化的增量更新FUP算法,算法通过对新旧数据库设定不同的支持度得到病历各属性间的关联规则.实验验证了改进算法的有效性,挖掘结果对了解疾病的诊断、治疗、发展规律有重要价值,对医学研究有重要意义.     

货车前部防钻碰保护装置的研究

乘用车与货车之间发生正面碰撞时,容易产生乘用车钻入货车底部的钻碰问题,参照欧洲ECE-R93法规,在货车前下部设计安装了前部钻碰防护装置FUP来解决钻碰。运用非线性有限元理论建立了货车前下部防护装置的有限元模型,研究了静态载荷下FUP的防钻性能,并且分析了结构在冲击载荷作用下的能量吸收与变形特性。结果表明:货车安装防护装置FUP后,一方面能防止乘用车发生钻入;另一方面通过合理地选择FUP的壁厚,又能降低碰撞刚度,提高与乘用车碰撞的相容性。     

一种改进的关联规则增量式更新算法

针对增量式更新关联规则算法FUP会产生大量候选项集和多次扫描数据库的问题,提出改进算法PFUP。该算法借鉴强频繁项集概念,利用强频繁项集连接生成小数量的候选项集,采用预剪枝策略减少对数据库的扫描次数。仿真实验表明,在数据库和支持度相同的情况下,PFUP算法的执行时间比FUP算法减少了50%左右。