基于兴趣度含正负项目的关联规则挖掘方法

项目的引入使得挖掘出的频繁项集成倍增加,同时生成的关联规则数量更加庞大,引入兴趣度来约束从频繁项集中提取关联规则的数量。分析现有的兴趣度模型,从中选择了一种适合于含正负项目的关联规则挖掘的兴趣度方法,并且提出了置信度的一个性质,描述了含正负项目的频繁项集挖掘关联规则的算法,并对矛盾关联规则进行了分析。实验结果表明,该算法是有效和可行的。     

基于概念树的空间关联规则挖掘算法及其在土地利用分析中的应用

从地理信息系统（GIS）的角度研究空间关联规则的挖掘算法,以GIS智能分析和辅助决策为主要应用,从单一数据层中的空间概念层次关系研究空间关联规则的挖掘算法,利用该算法对龙海市土地利用进行空间拓扑关系挖掘,得到一些有意义的空间关联规则,例如is_a园地∧adjacent_to交通用地→有居民区,以及is_a水域∧adjacent_to耕地^intersects交通用地→有居民区。     

关联规则在学生成绩分析中的应用

采用关联规则的apriori算法，对医科大学学生四年中各门课程的成绩进行分析，从而发现课程之间的联系和基础课程对专业课程的影响，为教务部门安排课程提供参考。     

通信网告警加权关联规则挖掘算法的研究

关联规则挖掘算法是通信网告警相关性分析中的重要方法。在处理数量庞大的告警数据库时,算法的效率显得至关重要,而经典的FP-growth算法会产生大量的条件模式树,加权算法MINWAL(O)则需要多次扫描数据库,使得在通信网环境下挖掘关联规则的难度非常大。该文提出了一种高效的基于加权频繁模式树的通信网告警关联规则挖掘算法,算法性能测试表明,该算法与已有的加权关联规则挖掘算法相比较,节约了大量的存储空间,提高了算法的挖掘速度,对通信网的故障诊断和故障定位有着积极的意义。     

关联规则挖掘在运动伤病管理系统中的应用

提出将数据挖掘理论应用到运动伤病规律研究的方法,在运动伤病管理系统中集成关联规则挖掘算法。介绍了数据挖掘和关联规则挖掘的基本概念,阐述了面向关联规则A priori算法的基本思想。描述基于关联规则的运动伤病管理系统的设计模型、各模块的功能和系统执行过程,并采用.net环境下的C#程序开发语言给出部分算法的代码实现。以足球运动为例,把若干运动员的运动伤病信息和比赛运动数据结合,通过数据采集和数据预处理,挖掘出与伤病关联的各项规则,实现系统的应用。     

一种有效产生关联规则的方法

在大型数据库项目之间发现关联规则是一个重要的数据挖掘问题，而挖掘出的关联规则数目常常是巨大的。该文介绍了原关联规则的概念，证明了传统算法挖掘出的关联规则集中的任何规则，均可以由原关联规则导出，而原关联规则的数目远远小于传统算法挖掘出的关联规则数目。文中给出产生原关联规则的算法并举例说明算法的执行过程。     

采掘关联规则的算法及优化处理概述

本文对关联规则采掘中的主要方法进行了概述 ,指出了关联规则采掘中的不足 ,介绍了算法优化上的一些进展情况     

一种基于约束的区间合并算法

数据挖掘中数量关联规则挖掘的关键是连续属性离散化问题,本文基于规则约束,以兴趣度为依据,对数量关联规则的区间合并算法进行了研究。     

基于关联规则的协同过滤改进算法

针对传统协同过滤算法过分依赖用户历史评分数据及评分数据存在严重稀疏性问题的情况,提出一种基于关联规则的协同过滤改进算法。该算法设置相似度阈值,计算近邻用户与目标用户之间的相似度,选取相似度最高的近邻用户组成邻居集,若邻居集中的所有近邻用户与目标用户的相似度都高于阈值则按照传统协同过滤进行评分预测,否则引入关联规则的算法对目标用户进行评分预测。首先,对利用Apriori算法输出的关联规则进行拆分,得到一对一、多对一两种形式的规则;其次,基于支持度和置信度构建推荐度计算方法;再次,形成引入关联规则的算法;最后,根据阈值选择相应的算法进行评分预测,将评分高的项目推荐给用户。实验结果表明:所提出的算法与传统协同过滤算法、基于用户平均值填充的协同过滤算法相比,在MAE、RMSE上都有明显下降,可以在一定程度上提高推荐质量。     

一种基于灰关联分析的多目标跟踪算法

针对多特征信息融合算法进行研究,给出了一种基于灰关联分析的多目标跟踪算法.该算法首先利用灰关联算法对多特征信息进行处理,然后利用证据距离法赋予各种特征信息不同的权重,进而利用D-S证据组合规则对多特征信息进行加权融合.将基于灰关联证据距离(GED)融合多特征信息的新算法与已有算法进行仿真对比,结果表明,本文所提新算法不仅具有较准确的目标跟踪精度,而且其时间花费较少.     

面向感性设计的关联规则提炼方法的研究

若将关联规则挖掘应用于感性设计,必需解决两个问题:一是如何设置合适的参数值(支持度与置信度)进行关联规则挖掘;二是如何从关联规则挖掘所生成的大量关联规则中提炼出真正有用的信息,以指导产品的感性设计。为了解决上述两个问题,提出了一种提炼关联规则的方法:第一步,设定低水平的支持度和置信度的阈值进行关联规则挖掘,以保留尽可能多的有用信息;第二步,从第一步生成的原始关联规则中提炼出优质的关联规则,在这一步中,设计了一系列具体步骤。并通过实例说明了该方法的应用。     

商务智能系统中两种改进的关联规则挖掘算法

根据日常商务数据的特点,提出了商业应用系统中进行数据挖掘的改进的Apriori算法和对点击流数据进行挖掘的改进的多支持度关联规则算法,并结合具体实例进行了分析.分析结果表明,2种改进的算法可以有效地提高系统数据挖掘的效率.     

利用销售数据的商品影响关系挖掘研究

数据挖掘技术作为一种有效的决策工具正为企业做出科学决策提供依据。该文针对关联规则挖掘商品间相关性的不足,提出了一种新的计算方法利用销售商的商品销售数据挖掘商品之间的相关性及影响关系。该方法根据商品销售数据的变化得到所有商品销售数据的时间序列,然后计算测量序列的相似度,从而确定商品间影响关系。实验证明了该方法的有效性,同时得到了一些有价值的结果,可用于指导具体商业实践。     

Microsoft关联规则在高校图书馆中的应用

将数据挖掘引入到图书管理系统中,是高校图书馆发展的必然趋势。利用SQL Server 2005的Microsoft关联规则对高校图书馆的图书借阅信息进行数据挖掘,发现读者的阅读兴趣,找出读者借阅文献之间的关系和规则,可以提高图书资源的利用率,并为高校图书馆开展个性化服务提供指导性建议。     

基于链表的关联规则挖掘算法

提出了基于链表的关联规则挖掘算法的基本思想，只需要扫描数据库一次．不产生候选项目集，也不使用逐层迭代的方法，利用链表的特性来提高挖掘效率．     

FP-array在计算机犯罪挖掘中的应用

针对现代社会计算机犯罪中电子证据的收集难度很大,且海量的电子证据之间的相关性不易分析的问题,对基于FP-Tree的最大频繁模式(FP-Max)挖掘算法的优缺点进行了分析,根据FP-Max算法所存在的缺点并结合实际提出一种通过构建FP矩阵的FP-array的高性能关联规则挖掘算法,并将该算法用于典型的计算机犯罪电子证据的相关性数据挖掘中,可用于成功地挖掘比较常见的五类计算机犯罪数据,挖掘结果可为实际的破案过程提供重要参考。