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。     

数据挖掘技术在高校教学质量评价系统中的应用

本文以笔者所在院校的学生数据为依据,对教学质量评价系统中的数据进行挖掘,分析了关联规则算法中Apriori算法,并针对传统算法的弊端,在已有改进算法的基础上,提出了一种基于最小关联规则集的改进算法,以此方法对教师的基本信息、教学方法与教学评估结果的关联关系进行分析。     

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。     

基于二进制的空间挖掘算法在移动智能系统中的应用

介绍了一种基于二进制的空间关联规则挖掘算法, 针对确定的目标对象、空间对象和空间关系, 从数据库中提取空间关联规则, 为移动用户提供实用的决策信息. 实验证明其提取效率高于现有的挖掘算法, 能有效地提高移动智能系统的性能.     

基于关联规则的湖北短期气候预测应用初探

分析了数据挖掘技术中关联规则分析方法的原理和一般数据挖掘的系统结构和主要步骤,通过收集、加工和处理大气环流指数等大量信息,以湖北省汛期异常气候现象为对象,使用关联规则挖掘方法试图找出各物理量和气象要素与未来一段时间内湖北的汛期降水之间的关系.基于Apriori算法2013年针对湖北短期气候预测,初步建立了一个关联规则挖掘系统,实现了参数配置、关联挖掘和规则显示等功能.     

基于管道完整性数据的关联规则挖掘与应用

在油气长输管道完整性管理领域引入数据挖掘中的关联规则技术,发现完整性数据中潜在的关联关系,充分发挥数据价值。通过对管道完整性数据关联规则挖掘流程进行研究,对经典Apriori算法中频繁项集生成效率进行优化,结合中国石油某管道开展完整性管理积累的外检测与内检测数据进行了关联规则挖掘,并对挖掘结果进行分析和解释。挖掘结果表明:通过关联规则技术可以发现管道本体缺陷与周边环境、本体属性数据之间潜在的关联关系。关联规则挖掘方法应用于管道完整性数据分析能够有效减少无兴趣规则的数量,发现潜在的管理重点,为长输管道完整性管理提供科学、准确的决策依据。(表1,参10)     

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种算法各有优缺点。其中关联规则具有更好的可支持排序标准、更客观的冗余规则去除算法以及更高的准确率;但其对数据属性要求比较高,挖掘速度也远不如C4.5规则;C4.5规则准确率略低,但其计算成本低、速度快。     

基于哈希表与线性表建立FP-Tree的改进算法

对于超市销售记录进行关联挖掘,项目集庞大,每次事务中涉及到项目数非常少。针对这类稀疏数据,提出了基于事务哈希表和线性对象表的FP-Tree改进算法,其只需扫描数据库一次,把相关信息压入事务哈希表和线性对象表中。当支持度和事务记录变化时,可不用重新扫描数据库或扫描数据库更新部分。试验结果验证了该改进算法相对于原算法在建树中的优势,特别在大数据集下,降低了建立FP-Tree的时间。     

数据挖掘技术在高等学校决策支持中的应用

为有效利用高等学校教学管理工作多年来积累的大量数据，利用数据挖掘技术，对北京地区高等学校1996—2001年毕业生数据库(Beijing Graduation Database，BGD)进行了数据挖掘研究。采用多种数据预处理方法对原始BGD数据进行了处理，提出并利用附方法进行了属性构造；对关联规划挖掘常用的Apriori算法进行了改进，以此为基础根据实际需要设计并实现了关联规则挖掘系统；利用所实现的系统对GBD数据库进行挖掘分析，得到了有益于高等学校教学管理决策及毕业生就业指导的挖掘结果。     

基于改进加权关联规则算法的入侵检测系统

入侵检测系统中的数据漏报和误报一直是困扰网络安全的问题,只有解决了这个问题才能真正提高网络安全性。通过研究加权关联规则挖掘算法,将关联规则算法应用到入侵检测系统的海量数据挖掘,研究一种基于改进加权关联规则算法的入侵检测系统,并给出了该系统的模型和流程结构,通过测试证实该模型可满足当前网络安全各项入侵检测系统的要求。     

一种基于序列数的关联规则挖掘算法

在关联规则挖掘研究中,为了在产生候选频繁项时减少算法存在的重复计算和冗余候选项,为了在计算支持数时减少扫描事务数据库的次数,提出了一种基于序列数的关联规则挖掘算法,其关联规则适合挖掘任何长度.该算法用事务属性的布尔约简法,将传统事务数据转换成二进制数,然后用数字的递增和递减两种方式双向搜索候选频繁项;算法通过序列数的度来计算支持数,实现一次扫描数据库,有效地提高了算法的效率.     

基于数据挖掘技术的合成氨生产工艺参数的优化

为了实现对合成氨生产工艺的快速优化,采用关联规则方法分析影响合成氨生产的关键属性(温度、氢氮比、空速),研究它们之间的关系。结果表明,关联规则挖掘是一个很好数据分析工具,非常适合于进行合成氨生产这种过程工业的优化问题分析。     

植物景观设计中的语法规则探析

分析了植物景观设计所遵循的特定语法规则,认为其中最基本的语法规则是由植物的自然属性所决定的,而其余的则是受到文学、艺术、建筑、城市规划等相关学科的影响,并由于来源不同,在形式结构上表现出不同的倾向性.探讨了在漫长的造园历史中,语法规则随着造园风格变迁而发生的相应变化.     

负关联规则兴趣度度量方法研究

关联规则挖掘是数据挖掘领域的一个重要课题。负关联规则相比正关联规则反映了不同的决策问题,有着重要的研究意义。目前负关联规则的兴趣度度量主要采用传统的基于支持度-置信度框架的度量方法。然而这些传统的度量方法存在一些局限,如标准不客观、不能反映项集间的相关性等,为了克服这些问题,本文提出一种基于余弦度量的兴趣度度量方法。     

关联规则挖掘的优化算法

频繁项集挖掘是关联规则挖掘的核心部分，目前大多数关于关联规则挖掘的研究都集中于如何提高频繁项集挖掘的效率，然而在实际应用中，决策者面对的是最终从频繁项集中生成的规则集，因此优化规则的生成过程及生成规则同样值得重视。本文提出频繁项集的子集树这一模式来生成关联规则，不仅简化规则的生成过程还可缩小决策者面对的规则集，更便于规则的增量更新。     

关系数据库中关联规则挖掘实现研究

近年来，关系数据库得到了广泛的应用，研究在关系数据库中进行关联规则挖掘的有效技术的需求日益增强。文中根据Apriori算法思想并在分析关系数据库中关联规则特点的基础上，介绍了基于Visual FoxPro的关联规则挖掘的实现过程。     

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。     

一种关联规则算法在农业网站日志分析中的应用

通过访问农业专家在线系统网站的用户行为,运用Web挖掘理论和方法对农业网站日志进行关联规则和链接分析,将关联规则算法用于农业网站日志分析中,用户在同一次访问中访问不同栏目的相关性、用户在一段时间内频繁访问页面及访问栏目间的最短访问路径,提高了咨询服务效果,保证了农业专家在线系统信息资源的有效利用。     

时态数据库周期规律与关联规则的挖掘

提出了一种简单有效、抗干扰的周期规律挖掘算法;研究了关联规则提取过程中的连续属性离散化，并用Apriori算法发现有效的规则。对电信话务量时态数据库的挖掘测试结果表明，该算法实现较简单，执行效率较高，具有实用性和有效性。     

基于风险模式提取的农户生猪饲养规制研究

在抽样调查数据基础上,利用模糊聚类分析对生猪散养农户行为进行了划分,给出了3种风险类型。在此基础上利用模糊粗糙集理论提取了农户饲养过程决策依赖属性和决策知识规则,通过对规则研究提取了生猪散养方式的风险结构;根据该风险结构和决策知识规则提出了降低与控制生猪散养方式风险的散养技术标准、养殖规范体系、经济规制体系。