基于聚类划分的增量式关联规则研究

数据挖掘是目前信息领域和数据库技术领域的前沿研究课题,它涉及到数理统计、模糊理论、神经网络和人工智能等多种技术,技术含量比较高,实现难度也较大.本文研究了关联规则挖掘技术的基本概念、过程和算法等,为提高数据挖掘效率,提出了基于聚类划分的增量式关联规则挖掘算法.即运用快速聚类方法实现数据划分、运用改进的FP-growth算法实现关联规则的挖掘和运用增量FP-growth挖掘算法实现增量数据挖掘的关联规则挖掘算法.     

数据立方体上的约束关联规则挖掘

数据挖掘作为一项从海量数据中提取知识的信息技术引起了国内外学术界和产业界的广泛关注,基于数据仓库的联机分析挖掘系统的应用已成为数据挖掘技术的发展趋势,本文结合联机分析挖掘的思想和基于目标属性关联规则挖掘算法,提出并构建了数据立方体上的基于约束的关联规则挖掘算法。最后的算例证明了该算法的有效性。     

基于改进的Apriori下的增量挖掘

继Agrawal与Srickant提出关联规则的挖掘的Apriori算法后,数据挖掘进入实质性的实用阶段,并得到飞速发展,在实践应用中发挥重要作用.并随之掀起了海量数据挖掘、数据仓库、OLAP的深入研究.针对海量数据的挖掘,随着事务的增加,数据随之增长,对新增数据采取有效挖掘的研究就变得尤为必要.     

空间同位规则算法的研究与改进

空间关联规则是空间数据挖掘所要发现的一种重要知识。一般的空间关联规则研究是基于传统的关联规则,然而这些方法在处理空间关系时是不适用的。同位规则问题的提出,很好的解决了挖掘正确有效的空间关联规则的需要。在介绍空间多维分类数据同位规则挖掘算法的基础上,对该算法进行了一点改进,使其能更好的针对不同的实际数据进行处理。     

空间同位规则算法的研究与改进

空间关联规则是空间数据挖掘所要发现的一种重要知识。一般的空间关联规则研究是基于传统的关联规则，然而这些方法在处理空间关系时是不适用的。同住规则问题的提出，很好的解决了挖掘正确有效的空间关联规则的需要。在介绍空间多维分类数据同住规则挖掘算法的基础上，对该算法进行了一点改进，使其能更好的针对不同的实际数据进行处理。     

多源日志的数据挖掘方法研究

总结了安全管理系统中多源日志的数据挖掘方法的步骤、技术、类型和作用,针对海量日志的挖掘方法无法对事件进行深层关联分析的现状,分析了基于设备资产和漏洞的挖掘的方法和步骤,然后给出了基于攻击场景挖掘的思路和算法,并举例探讨了基于规则的挖掘方法,最后分别针对多目标和单主机的攻击,提出了基于事件序列的自动挖掘,给出了相应的算法.     

一种大数据挖掘技术——Apriori算法分析

随着互联网的广泛应用与云计算技术得到飞速发展,如何从大数据中寻求数据规律,并以此做出科学的预测与决策,成为目前数据挖掘技术的主要研究方向之一。Apriori算法就是一种基于海量数据并挖掘关联规则频繁项集的典型算法,其在大数据挖掘分析中具有较大研究与应用价值。     

Apriori算法在物联网(IOT)数据挖掘中的应用

为了提高物联网海量数据的分析处理能力,采用Apriori算法对物联网数据进行规则关联处理。首先对物联网数据进行样本划分,并采用矩阵的方式存储,接着对数据样本进行标准化处理,并得到模糊相似矩阵,最后采用Apriori算法根据频繁项集进行规则关联。本文采用基于物联网的数字图书馆作为仿真对象,对用户行为数据进行数据挖掘,实验证明,该方法完成的物联网数据规则关联,置信度高,具有一定的应用价值。     

基于关联规则挖掘的食品安全信息预警模型

针对食品生产加工的安全问题,建立了基于关联规则挖掘的食品安全信息预警模型,此模型从数据挖掘视角以食品生产加工的检测数据为处理对象,分析数据异常情况,采用改进的关联规则挖掘APTPPA算法,生成关联路径树、寻找频繁项集、最大频繁项和最大关联规则,进而抽取报警关联规则,挖掘导致食品安全问题的因素并进行诊断和预警,最后通过实验验证了预警挖掘模型的正确性和算法的有效性。     

基于增量数据库关联规则挖掘算法研究

近年来数据生成和收集技术的发展使得面向科研、管理等领域的数据集十分庞大,从而对海量数据集进行的信息提取变得更加迫切。文章对数据挖掘的概念及所要达到的目标进行剖析,对增量数据库关联规则挖掘算法进行研究,通过举例对数据库关联规则挖掘算法的实际应用进行了分析。