基于意见挖掘的生鲜电商物流服务对满意度影响机理研究

围绕生鲜电商物流服务与消费者期望差异的矛盾问题展开研究,通过获取在线车厘子产品的用户评论,应用机器学习方法将评论文本进行满意度情感分类,应用Apriori关联算法对不同情感分类下的物流词汇与满意度词汇进行关联规则分析,结果表明包装、物流速度、发货与送货效率等物流服务要素会影响消费者满意度,研究结果进一步揭示了物流服务对...     

英语新闻主题图式建模——一项基于TIME语料库的实证研究

本研究首先使用语料库分析工具提取TIME英语新闻语料库关键词,然后通过关键词的语义分析和心理图式理论的运用来构建英语新闻主题图式模型。该模型不仅能够概括语料库提取的关键词和语义特征,还可以清晰地展示英语新闻关键词词性特征、专有名词类别、内容主题分布的规律、主题图式的结构布局。这种主题图式的构建和激活不仅可以提高语言学习者阅读理解速度和质量,还可以提高词汇识别能力,优化学生的知识结构和语言认知能力,对英语教学尤其是词汇教学具有积极的指导意义。     

关联规则的发展

关联规则是数据挖掘中一种简单但很实用的规则,文章简要介绍了关联规则的概念及其分类,以及当前关联规则的挖掘算法研究情况,重点介绍了经典的基于Apriori类的候选生成方法和基于FP-tree的方法,并针对当前改进的挖掘算法进行简要说明,最后提出关联规则将来的发展方向。     

基于Apriori算法的Web日志文件挖掘模块的实现

为了识别用户浏览模式,实现利用关联规则挖掘算法Apriori对Web应用挖掘过程中预处理阶段所产生的用户会话文件进行挖掘的模块,该模块针对用户选定的若干页面产生满足最小支持度和最小置信度的页面之间的强关联规则。关联规则挖掘结果对网站管理员重新调整网站结构、通过预测用户浏览模式提供推送服务来提高用户的访问效率和网站资源的利用率有一定的指导作用。     

珠海市斗门区水产品病害网络诊断与防治系统算法设计

通过提取珠海斗门大宗水产品常见病害和常见鱼病的特征,根据关联规则的原理,采用Apriori算法,结合人工提取方法,从收集的病害资料中提取珠海斗门大宗水产品常见病害和常见鱼病的关联规则。以提取的关联规则作为水产病害诊治和预防的依据,进行水产病害诊断与防治,从而减少药物滥用和违规用药现象。     

空间数据挖掘及其发展研究

探讨了空间关联规则,利用移动计算中基于Apriori算法的空间关联规则提取的例子,详细介绍了经典算法Apriori算法在空间关联规则中的应用,并对空间数据挖掘的发展进行了展望。     

基于凸壳的在线单类学习机

传统的基于支持向量机的单类分类器因计算复杂度高而无法满足大规模数据实时处理的需求,在线学习方法为解决该问题提供了一种有效途径.本文在挖掘样本数据在特征空间分布性状的基础上,提出了一种基于凸壳的在线单类学习机(One-class Online Classifier based on Convex Hull,OOCCH).该方法首先使用凸壳的定义选择能代表特征空间中数据分布的凸壳向量对应的原始样本作为训练样本来缩减训练集的规模;其次在分类器在线更新阶段利用凸壳向量动态地调整分类器的训练样本.理论分析证明了OOCCH的有效性,与现有的在线单类分类器的实验比较,OOCCH在训练时间和分类性能方面有显著优势.     

基于矩阵加权关联规则的核模糊聚类

提出一种基于矩阵加权关联规则的空间粒度聚类算法。该算法核心思想是根据文档特征向量矩阵提取文档的相似度，再在该关联规则算法上进行聚类来寻找相似关系的频繁项集。通过引入核函数，样本点被非线性变换映射到高维特征空间进行聚类，提高聚类性能。通过矩阵加权关联规则算法进行聚类。通过实验表明，在处理中小型文档时，该算法的精确度优于传统Apriori算法和K-mean算法；在处理大型文档时，该算法的时间复杂度小于传统的K-mean算法。     

基于小波分析及改进KNN的红虫识别研究

提出了一种小波分析与改进KNN相结合的红虫图像识别方法。该方法采用多辨识小波分解提取图像的小波能量特征,同时结合生物图像颜色特征构造特征向量,然后选择加权改进KNN分类器进行识别,分类器根据特征与分类相关度确定权重,修改距离函数,有效提高了分类精度。通过对红虫、剑水蚤、猛水蚤样本进行分类试验证明,平均识别准确率达到95.41%,验证了该方法的有效性。     

关联规则中Apriori算法改进的研究

研究基于大型销售数据库的关联规则挖掘问题,分析和讨论了挖掘关联规则中Apriori算法,对其实现思想进行描述,并针对该算法的缺点提出了2种改进算法。     

基于单向增长链表的关联规则挖掘算法研究

分析研究关联规则挖掘经典算法Apriori和FP-Growth算法,发现其不足之处在于构建和遍历各自数据结构的时间长、内存消耗巨大,降低了算法在时间和空间方面的效率.针对2种算法的缺陷,提出了LK-Growth算法,该算法不再构建FP-Tree,而是构建单向线性链表组结构,能有效地缩短发现频繁模式的时间和节省内存空间开支.研究结果表明,LK-Growth算法的实用性强且挖掘效率更高.     

关联规则中的Apriori挖掘算法改进

关联规则挖掘是数据挖掘研究的一项重要内容。然而基于候选集的Apriori算法效率低下。针对此缺陷,提出了一种NApriori算法,该算法利用频繁1项集重新组织事务数据库来挖掘关联规则。此方法仅需扫描数据库2次,且避免了Apriori算法繁琐的连接和删除步骤,从而提高了挖掘效率。     

Apriori算法在语音合成应用中的一种改进

针对目前语音合成技术中提高语音合成自然度这一难点，研究了数据挖掘在语音合成中的应用．首先通过选取基频曲线中的最高音基频值(N1)和最低音基频值(N2)优化韵律参数，然后将其运用到关联规则对韵律参数进行规则提取的方法中，提出了优化韵律参数后的规则提取过程，并对原有的Apriori算法进行改进而获得更适合语音合成的HLApriori算法，通过该算法可以将原有Apriori算法得到的规则进一步细分，从而得到更多研究者感兴趣的规则．     

分布式架构的个性化图书馆系统研究

图书馆个性化服务越来越受到读者的青睐。而提供优质个性化服务需要数据挖掘技术作为支撑,如Apriori算法,遗传算法、分类聚类等。在介绍关联规则及其挖掘过程基础上,文章用开源的分布式数据库中间件Cobar来搭建图书馆个性化系统,以运行经典的Apriori算法为例,说明了该分布式系统具备易部署、易使用维护、以并行计算缩减运算时间等主要特性。     

面向用户视觉心理的实木板材压缩感知聚类分选

实木板材外观特性影响着消费者对产品的喜好,在一定程度上决定着产品的价格和销量。实木板材表面的颜色与纹理存在随机性与相异性,因此采用统计特征进行分选具有一定的局限性。针对板材表面特点,本文提出了面向用户视觉特征的板材分选方法。该方法将用户的视觉喜好转化为对颜色和纹理的量化分析,然后挖掘样本数据所表达的特征及状态信息完成样本优选,最后利用压缩感知分类器进行信息整合及板材分选。颜色方面,提取L*a*b*颜色空间下的9个特征,通过区间整合得出颜色分选范围;纹理方面,提取基于人类视觉心理的Tamura纹理特征6个参量和基本统计特征。由于Tamura特征的6个参量对应于心理学角度上纹理的6种属性,这些特征可以将用户视觉心理和基本统计信息相融合,更为准确、完整地表达板材表面的视觉特性。此外,通过遗传非线性映射算法对两类纹理的训练样本进行优选,提高了后期的分选精度。最后,针对用户视觉需求,设计了板材表面压缩感知分类器,构建由L*a*b*颜色特征、Tamura纹理特征和基本统计特征组成的过完备字典,通过求解最小l1范数的方法,找出测试样本的特征数据与过完备字典中相匹配的类别向量,完成分类。实验结果表明该方法的识别精度为90.56%,方法具有实用性。      

基于蚁群优化的选择性集成数据流分类方法

基于集成学习的数据流分类问题已成为当前研究热点之一,而集成学习存在集成规模大、训练时间长、时空复杂度高等不足,为此提出了一种基于蚁群优化的选择性集成数据流分类方法,用蚁群优化算法挑选出优秀的基分类器来构建集成分类模型。该方法首先对所有基分类器采用交叉验证计算分类精度,同时采用Gower相似系数求出基分类器之间的差异性,然后把分类精度和分类器差异性作为分类器挑选标准,从全部基分类器中选出一部分来构建集成模型,最终挑选的基分类器不仅具有良好的分类精度,同时保持一定差异性。在标准仿真数据集上对构建的集成分类模型进行仿真试验,结果表明,该方法与传统集成方法相比在准确率和稳定性方面均有显著提高。     

土地评价中关联规则与C4.5规则的应用比较

关联规则和C4.5规则能提高土地评价知识表达的可解释性和土地评价的有效性,克服传统土地评价方法中人为因素多的缺点。为对比关联规则和C4.5规则在应用中的差异,文章基于广东省土地评价数据库,在相同实验条件下进行了关联规则和C4.5规则的挖掘,并结合模糊判决算法分别建立了基于这2种分类规则的模糊分类器进行测试。结果表明,2种算法各有优点。其中关联规则具有更高的准确率,但其计算过程复杂,耗费时间长;C4.5规则准确率略低,但其计算成本低、速度快。     

核函数主成分分析在粮虫特征提取中的应用

针对储粮害虫种类多、类别之间区分度比较小的特点,提出基于核函数主成分分析(KPCA)的粮虫特征提取方法.利用高斯径向基核函数,对特征选择后的10维原始数字特征进行核函数主成分分析,即通过非线性变换将样本数据从输入空间映射到高维特征空间,然后在高维特征空间进行特征提取.从类间可分性指数和粮虫分类效果2个方面,将KPCA法...     

基于关联规则的图书馆个性化服务研究

关联规则挖掘技术是一种新兴的数据处理技术,其算法及应用在图书馆中起着非常重要的作用。Apriori算法是关联规则挖掘的经典算法,在分析Apriori算法的基础上,提出利用FP-tree生成树技术来减少候选集的数量,克服Apriori算法的弱点,以提高图书馆个性化服务的效率。     

基于PSO优选特征的实木板材缺陷的压缩感知分选方法

针对实木板材表面缺陷的复杂性与随机性,提出了一种快速、准确的识别方法。首先,对实木板材表面图像进行3级双树复小波分解,提取低频子带、高频子带、原图像的均值、标准差和熵,共40维特征向量;然后,运用粒子群算法(PSO)优选出20个关键特征;最后,采用压缩感知理论将优选后的特征向量作为样本矩阵列,构建训练样本数据字典,通过最小残差完成缺陷识别。对4类柞木样本进行了仿真实验,活结、死结、虫眼、裂纹的分类正确率分别为93.3%、86.7%、100%和93.3%,结果表明:双树复小波良好的方向性能够表达实木板材表面复杂的信息;基于粒子群算法的特征选择能够提高分类效率;压缩感知分类器与传统分类器相比,具有结构简单、分类精度高的特点。