最小相关度优化PNARC算法的审计数据关联规则挖掘模型

为解决关系国计民生重要行业事后审计的弊端,本文针对PNARC算法在审计数据关联规则挖掘时存在的置信度约束无效、挖掘精度不高等问题,提出了一种最小相关度优化PNARC算法的审计数据关联规则挖掘模型。首先对置信度进行阈值双重优化,以提高负关联规则的程度,减少不相关的关联规则,然后对最小相关度进行概率分析,降低无关规则的产生几率。仿真实验结果表明,无论在挖掘精度还是算法运行时间上,都具有比PNARC算法更优异的性能。     

关联规则挖掘研究

本文对关联规则挖掘的定义及相关概念作了简单的介绍,对基于关联规则挖掘的hpriori算法基本思想进行了深入剖析,提出了该算法的瓶颈问题,并就此问题分析讨论了hpriori算法优化技术。     

关联规则挖掘研究

本文对关联规则挖掘的定义及相关概念作了简单的介绍,对基于关联规则挖掘的hpriori算法基本思想进行了深入剖析,提出了该算法的瓶颈问题,并就此问题分析讨论了hpriori算法优化技术。     

一种数据挖掘算法在课程中的研究

针对关联规则挖掘算法中存在事务之间的某种关联性的数据无法区分的问题,本文将蚁群算法和加权概念引入到挖掘算法中,首先分析了目前加权关联规则挖掘算法的不足,提出了将蚁群算法引入到加权关联规则中,并对蚁群算法中的应度函数,状态转移规则和信息素更新的改进,并采用矩形向量作为事务存储结构进行连接和剪枝。仿真实验中与基本Apriori算法进行比较,并通过将本校的课程资源作为挖掘对象,结果说明本文算法具有良好的挖掘效果。     

关联规则挖掘综述

本文介绍了关联规则的研究情况，提出了关联规则的分类及各种挖掘算法。通过对典型挖掘算法进行分析，给出了对挖掘算法进行优化的思想，最后展望了关联规则挖掘的未来方向。     

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.     

基于正负关联规则融合的信息检索模型

将负关联规则挖掘技术应用于信息检索,提出一种基于正负关联规则融合的信息检索模型。重点论述模型的设计思想、各模块的功能以及模型实现的关键技术,最后详细描述其检索算法。实验结果表明,该模型有效,能提高信息检索性能,具有很高的理论价值和广阔的应用前景。     

一种优化的频集发现算法

关联规则的挖掘是数据挖掘的一个重要方面,本文介绍了关联规则挖掘的一般概念,探讨了数据仓库中关联规则的挖掘问题,提出一种基于矩阵的对L2进行改进的算法,并对其与Apriori算法进行了分析和比较。     

基于加权正负关联规则挖掘的信息检索系统研究

介绍了基于关联规则挖掘的信息检索模型的研究现状,提出一种基于加权正负关联规则挖掘的信息检索系统模型,阐述了该模型的设计思路、各模块的功能及其检索算法,为信息检索研究提供一些新的思路。     

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。     

基于概念格特征分区的多源信息检索优化

在数字化信息系统中,将大量网络计算资源、存储资源与软件资源等多源信息资源进行多层次异构存储,对信息资源的调度和检索成为难题。传统的多源信息检索方法采用概念格差异融合算法,无法有效识别差异化网络数据的语义特征,检索性能不好。提出一种基于概念格特征分区的多源信息检索优化算法。概念格的生成是进行数据分析、关联分析和挖掘关联规则的前提,首先给出概念格的构造模型,进行概念格特征分区,得到数据库集合的特征概率函数密度,构建满足约束条件的无冗余概念格,计算多源信息的两种相似度系数,挖掘约束关联规则,提高信息检索精度。仿真实验表明,该算法实现多源信息检索性能优越,无偏性好,精度较高。     

体育训练数据管理规则挖掘ID3算法的属性增益优化

针对标准ID3算法在数据规则挖掘的应用中还存在运算时间长、规则挖掘效果不好等问题。本文提出了一种基于属性增益优化ID3算法的体育训练数据规则挖掘模型,首先利用凸函数的性质来改进信息量公式,通过对数据集中属性选择标准的改变从而降低决策树的计算成本,减少决策树的生成时间,之后计算取值较多且不重要的属性信息时,将经验知识度参数引入从而避免取值少的属性被抛弃。此后又进行了专门的仿真实验,实验结果表明,与传统的算法相比,本文设计的经过改进的ID3算法在建树时间和规则数目这两个方面都具有更好的性能。     

基于多策略BPSO算法的关联规则挖掘

针对传统关联规则挖掘在处理高维大型数据时运行效率不高的问题,提出一种基于多策略二进制粒子群优化算法的关联规则挖掘方法。该方法使用二进制粒子群优化算法搜索关联规则,无需人为指定支持度、置信度等阈值,同时引入反向学习策略、细粒度惯性权重及V型函数,降低算法陷入局部最优的概率,提高算法的收敛精度。实验结果表明,改进后的算法收敛速度较快,且平衡了可靠性、相关性及可理解性等多个指标,能挖掘出更为有效的关联规则。     

基于组织多层次进化的关联规则挖掘算法

针对Apriori算法、FP-Growth算法、RAGA算法，不同程度地出现运算速度慢、正确关联规则的提取率低，本文提出了基于组织多层次进化的关联规则挖掘算法。本文算法有较好的计算时间性能，本文算法对处理大规模数据也有着很好的性能。     

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。     

基于抽样策略的关联规则算法

在数据挖掘中应用抽样技术,可以显著提高数据挖掘任务的效率。文章通过研究关联规则挖掘任务的特点,提出了一种新的基于抽样技术的关联规则挖掘算法。     

基于关联规则的Apriori挖掘算法改进

关联规则挖掘是-种主要的也是用途最广的数掘挖掘方法.本文首先对关联规则挖掘及其经典Apriori算法作了介绍,然后针对Apriori算法的缺陷,提出了一种改进的关联规则挖掘算法,充分地证明了改进算法的性能优势.     

交互式关联规则的数据挖掘研究

对工厂熔炼机组实时监控数据的挖掘已成为提高工厂运行效率、经济安全和故障诊断必不可少的手段,本文利用熔炼机组运行时各测点数据的关联特性,基于交互式关联规则数据挖掘算法,提出了利用从监控的数据中挖掘参数间定量的关联规则,用于指导工厂熔炼机组运行和状态监测,为以后故障诊断和检修提供模型参考和决策支持。     

面向流程雁阵数据挖掘操作信息获取方法

流程雁阵(Process Goose Queue,PGQ)方法是面向流程工业生产制造系统的模型分解方法,PGQ方法将系统拆分为单个PGQ进行目标优化,未全面考虑系统整体的连接关系,在模型分解还需进一步优化,基于数值建模方法仍是模型优化求解主要手段,模型准确率过度依赖于数学建模参数的选取。本文提出面向PGQ的数据挖掘操作信息获取方法,首先将系统按照PGQ方法进行分解,获取变量间的连接关系,对相关变量数据用模糊聚类算法将数据归属于不同类别的隶属度,得到的模糊化参数通过模糊关联规则挖掘算法(MFAR)获取模糊规则,这些规则用于表达生产系统中有效的操作信息,为指导操作员进行生产过程优化提供理论指导。     

一种小区域分类关联的高冗余空间挖掘算法

传统的关联规则挖掘技术过于依赖数据之间的关联属性,造成挖掘算法在高冗余知识空间关联规则不明显或者较弱的情况下挖掘耗时。本文提出一种应用与高冗余知识空间的优化数据挖掘算法。该算法首先找出最大频繁项集和频繁1-项集进行区域分类,然后利用已有频繁项集找出所有的其它频繁项集,去除冗余关联环境,节省了计算频繁项集的时间,节约了存储空间,使算法的效率得到提高。仿真实验结果证明了改进算法的可行性和有效性。