关联规则挖掘相关技术综述

关联规则由R．Agrawal于1993年提出后，迅速引起了注意，在文献中，R．Agrawal阐明了关联规则的含义，给出了关联规则的数学描述和一个关联规则挖掘的通用算法。随后开始有很多从事人工智能、数据库方向的研究人员投入到相关的研究当中。目前主要的工作集中在算法研究领域。     

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。     

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ECA规则的业务行为描述方法

给出了业务行为的形式化描述,并在此基础上利用ECA规则详细给出了业务行为过程的描述方法、业务行为内部活动之间的关系模型,以及不同业务行为之间的关系模型,使业务行为过程描述变得清楚,而且有利于机器的自动解释。基于ECA规则的业务过程模型对过程的调整和动态变化带来了方便,增强了其适应变化的能力。     

基于关联规则的数据挖掘算法研究

数据挖掘中关联规则算法用途广泛,通过研究关联规则算法,对各关联算法进行分析、对比总结出各关联规则的适用领域,并对经典的关联规则算法进行了举例与性能分析。     

基于OLAP的关联规则的挖掘

本文讨论了基于 OL AP的关联规则挖掘的结构和相关技术。基于 OL AP的关联规则挖掘是 OL AP技术和高效的关联规则挖掘算法的结合。     

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。     

模糊规则归纳法及GDP主要影响因素分析

使用一种新的自组织数据挖掘方法模糊规则归纳法根据GMDH技术自动地从数据中提取模糊规则形成更自然语言描述的模糊模型阐述了模糊规则归纳法的算法原理及建模步骤并给出了四川经济发展的建模研究实例分析出影响GDP增长的主要因素展示了模糊规则归纳法的突出特点文中还对模糊规则归纳法和GMDH方法进行了比较说明模糊规则归纳法进行因素分析的优越性     

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     

中国货币政策规则分析——基于泰勒规则和麦克勒姆规则比较的视角

在深入回顾和分析货币政策规则理论与模型的基础上,利用中国数据对泰勒规则、修正的泰勒规则、麦克勒姆规则、修正的麦克勒姆规则进行了检验。检验结果表明中国货币政策对物价的反应比较大,两种泰勒规则要比两种麦克勒姆规则更适合作为中国货币政策的操作指南。伴随着中国利率市场化改革步伐的加快,泰勒规则将能更好地刻画和描述中国的货币政策状态,为中国货币政策的制定与执行提供指南作用。     

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。     

基于关联规则的中国股票市场行业轮动现象研究

为了准确把握我国股市行业轮动规律,应用关联规则Aprior算法对我国股票市场行业轮动现象进行探索性的研究,在日、周、月三个周期维度上从我国股市强大的交易数据中挖掘出行业间稳健的联动规则和轮动规则.基于强关联规则构建简单的投资策略,明显跑赢了沪深300指数和全行业基准.所得关联规则可以帮助市场投资者发现行业轮动的规则模式,判断行业投资机会,进行有效的行业组合配置,规避市场风险.     

区域数字贸易规则对双边价值链关联的影响——基于亚太地区的跨国实证研究

在全球价值链数字化背景下,研究区域数字贸易规则深度如何影响双边价值链关联具有重要的理论和现实意义。基于区域数字贸易规则TAPED数据库和增加值贸易OECD-TIVA数据库,通过量化区域数字贸易规则深度以及价值链关联程度,考察了区域数字贸易规则深度对价值链关联程度的影响及作用机制。研究发现,深化区域数字贸易规则主要通过降低贸易成本和提高生产效率来增强价值链关联,且对浅度价值链关联的促进作用显著大于深度价值链关联。该结论在一系列稳健性检验后依然成立。进一步的异质性检验发现,数字贸易规则深度的价值链关联效应在发达经济体与发展中经济体之间更为显著,此外,与其他条款相比,数据流动相关条款对价值链关联的促进作用更大。     

关联规则的开采算法在文本分类中的应用

阐述传统关联规则开采模型,提出新的文本关联的开采算法,并将其应用到文本分类中.     

关于Top-N最频繁项集挖掘的研究

最频繁项集挖掘决定了文本关联规则挖掘算法的性能,是文本关联规则挖掘中研究的重点和难点。该文分析了当前最频繁项集挖掘方面的不足,改进了传统的倒排表,结合最小支持度阈值动态调整策略,提出了一个新的基于改进的倒排表和集合理论的Top-N最频繁项集挖掘算法。同样,给出了几个命题和推论,并把它们用于该文算法以提高性能,实验结果表明,所提算法的规则有效率和时间性能优于NApriori算法和IntvMatrix算法。     

基于模糊数值约束的成绩数据库关联规则挖掘

在一条成绩记录中包含了项目和与这些项目相关的成绩数值信息,这些数值信息可作为关联规则的一种约束而存在.基于上述问题,提出了一个基于模糊数值约束的关联规则挖掘方法,实际挖掘结果表明这种方法是有效的.     

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。     

关联规则挖掘在研究生个人学习计划制定中的应用

介绍了关联规则挖掘算法Apriori及其在研究生专业课程间的关联规则发现中的应用，所发现的规则用于辅助新研究生进行个人学习计划制定。可减少研究生在个人学习计划制定中的盲目性，提高所选课程与学科专业研究方向的吻合度。     

数据水平分布下的隐私保护关联规则挖掘

针对数据水平分布的关联规则隐私保护挖掘算法中隐私受损和挖掘效率较低的问题,提出一种由半诚实第三方参与的安全多方计算方法和快速分布式关联规则挖掘方法相结合的TSum FDM挖掘算法。为了防止水平分布下各个站点信息的泄漏,该算法引入半诚实的第三方参与计算过程,利用安全求和协议产生全局频繁项集。首先,每个站点接受的是上一个站点经过安全求和协议加密后传来的信息,并在计算过程中每个站点加入第三方随机生成的参数来隐藏实际被支持的频繁项集,最后将生成的结果传给第三方进行计算求得全局频繁项集,进而得到关联规则。实验结果表明,TSum FDM挖掘算法在保证水平分布各站点数据隐私不被泄露的前提下能够快速有效地挖掘关联规则。