一种基于信誉兴趣区间划分的数据优化查询算法

在当前的复杂数据挖掘方法中,多是基于关联规则进行关联挖掘,一旦数据之间的关联性被大量的冗余关联打破,形成数据的无序性,就会出现挖掘耗时,挖掘错误较多的问题.为了解决这一问题,本文提出一种基于信誉兴趣区间划分的数据优化查询算法.在海量的数据中,针对错综复杂的数据关系,通过信誉兴趣函数对数据进行较为清晰地划分.尤其在关联规则较为混乱的情况下,这种方法能够得到更为准确的数据分类区间.实验结果表明,这种数据挖掘方法针对大型数据库中的海量数据挖掘效果更佳,且挖掘算法速度更快,效率更高.     

李佃贵教授辨治慢性萎缩性胃炎医案数据挖掘分析

以李佃贵教授治疗慢性萎缩性胃炎典型医案为数据源,采用统计学与深度数据挖掘技术的结合,采用频数分析、关联规则等数据挖掘方法对医案进行数据挖掘,对经典方剂应用、用药规律、药对规律等进行探讨。     

数据挖掘技术在计算机入侵检测中的应用

分析了聚类、分类、关联规则等在IDS中常用的数据挖掘算法,并介绍了DAID这种以数据库为中心的数据挖掘体系架构模型,对其数据处理过程进行展现。     

改进的粒子群算法在云计算下的数据挖掘中的研究

云计算中的资源具有实时性、动态性、随机性等特点,传统的数据挖掘方法已经达到满意的预测效果。本文提出了一种基于云计算的数据挖掘方法,首先收集云计算中的数据资源,通过关联规则对其分类,然后将分类后的云计算资源作为学习样本进行支持向量机的输入,利用改进的粒子群算法来选择向量机的最优参数,建立优化的模型。仿真平台说明本文的算法有效的提高云计算下的数据挖掘效果。     

温针灸治疗原发性痛经取穴规律的数据挖掘研究

目的:探讨温针灸治疗原发性痛经的取穴规律.方法:检索中国知网、万方数据库、维普数据库、中国生物医学文献数据库有关温针灸治疗原发性痛经的文献,提取腧穴处方,建立数据库,对腧穴归经、体表分布、特定穴进行描述性分析,运用SPSS 20软件对高频腧穴进行聚类分析和关联规则分析.结果:最终纳入63篇文献,涉及41个腧穴,使用频次349次,三阴交应用频率最高,关元、气海、次髎、足三里、地机等为高频腧穴;常用经脉是脾经和任脉;腧穴主要分布在下肢和腹部;特定穴以募穴和交会穴最常用;高频腧穴聚类分析得出7个有效聚类群,关联性最强的穴位组合为关元-三阴交.结论:温针灸疗法原发性痛经选用腧穴多具有温补性;重视疼痛部位腧穴的应用,善于特定穴的应用,尤其是募穴和交会穴,核心腧穴组合为关元-三阴交,以远近配穴为主.     

基于数据挖掘的图书智能推荐系统研究

针对目前传统数字图书馆无法为用户提供准确个性的图书推荐服务的问题,提出构建基于数据挖掘技术的图书智能推荐系统,简单分析数据挖掘技术中关联规则技术适用图书推荐的原因和相关概念,并且对该系统的框架进行研究,最后通过实验,运用数据挖掘软件对真实的借阅记录进行关联规则挖掘,得出关联规则作为图书智能推荐系统的关键技术是行之有效的结论。     

基于关联规则和复杂系统熵聚类的腰椎间盘突出症外治方剂组方分析和新方发现

目的:基于中医传承辅助平台(TCMISS)挖掘中药方剂外用治疗腰椎间盘突出症(Lumbar disc herniation,LDH)的用药规律。方法:从中国知网等数据库公开发表的文献及专利中检索中药外用治疗LDH的处方,运用中医传承辅助系统软件中复杂系统熵聚类法、关联规则Apriori算法、无监督的熵层次聚类核心算法,获取中医药外治腰椎间盘突出症用药规律及新处方,并根据结果绘制用药图表。结果:对筛选出的151个处方进行分析,共使用中药269味,其中使用≥5次的中药为72味,1542味次,这72味常用中药按功效分为祛风湿药19味、活血化瘀药17味、补虚药8味、解表药5味,其他功效药各占少量比重,药味辛、苦、甘出现累计频率达91.6%,药性以"温、平"为主,累计频率达77.5%,药物归经以肝、脾、肾为主,累计频率达62.6%。并基于改进互信息法提取关联规则53条,挖掘出了LDH外用处方核心组合28个和新处方14首。结论:组方用药以祛风湿药、活血化瘀药、补虚药为主,同时结合兼证辅以解表药、温里药、清热药、化痰开窍药、平肝息风药,常用中药主要归肝、脾、肾经,性味以辛、苦、甘、温平为主。TCMISS是一个有价值的中医药研究辅助工具,可对中药处方的进行数据录入、管理、查询和分析,有利于中医中药的传承。     

房地产行业中数据挖掘技术的应用

数据挖掘作为一种系统地检查和理解大量数据的工具,能有效地帮助房地产企业从不断积累与更新的数据中提取有价值的信息。从数据挖掘在房地产行业中的市场研究价值入手,介绍了微软BI架构及SQL2005的新特性。分析了数据挖掘在房地产市场研究尤其是客户信息中的应用,使用基于兴趣度的关联规则分析方法,建立一套基于客户分类的关联规则。     

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。     

空间数据挖掘技术理论及方法

论述了空间数据库技术及空间数据挖掘技术的理论及特点,分析了空间数据挖掘技术的层次、方法,并重点介绍了当前常用的分类、聚类、关联规则等空间数据挖掘方法,指出了当前空间数据挖掘技术中尚需解决的问题、发展趋势及方向。     

可产生潜在威胁的网络数据挖掘模型仿真分析

对可产生潜在威胁的网络数据进行挖掘的过程中,采用传统关联规则方法无法运算潜在威胁数据的关联性,降低潜在威胁数据挖掘的准确性,提出一种基于区域频繁扩展树的支持向量机回归算法,用于挖掘网络潜在威胁数据,构建潜在威胁下网络数据的区域频繁扩展树,获取潜在威胁下网络数据间的关联性,依据潜威胁下网络数据的关联性塑造基于支持向量机回归网络潜在威胁数据挖掘模型,模型利用支持向量回归估计模型分析数据回归曲线的平稳度,对比回归预测值同真实值间残差,对检测数据中的潜在威胁数据进行识别,完成潜在威胁下网络数据的准确挖掘。实验结果说明,采用所提方法对不同复杂度潜在威胁下的网络数据进行挖掘,具有较高精确度。     

基于数据挖掘技术的图书馆借阅信息关联分析——以吉林农业大学图书馆为例

利用关联规则,对吉林农业大学图书馆产生的图书借阅记录进行数据挖掘,对工程技术学院和人文学院学生的借阅信息进行关联性分析,从而使图书馆更好地为读者提供有价值的个性化服务。     

基于关联规则的中医药知识发现——以肺病医案为例

[目的/意义]中医医案作为重要的医疗资源含有大量的数据与信息,深度挖掘中医医案,围绕医案内容进行知识发现,有利于隐性知识的发掘,提高中医临床诊疗的效率与医疗服务的精准性。[方法/过程]以实地肺病医案为数据源,基于统计分析与关联规则的方法对中医医案内容进行挖掘,以咳嗽为主证为出发点,挖掘相关中医用药规律与临床症状以及症—药规律,探究关联规则分析在中医药知识发现方面的创新应用。[结果/结论]本地治疗咳嗽的高频药物包括炙甘草、杏仁、半夏、川贝母、茯苓、陈皮等,舌诊症状以苔薄白、苔薄黄、舌红、舌暗红、有齿印等为常见。基于Apriori算法的关联规则分析显示常见的药物配伍为丹参,桔梗—炙甘草、柴胡,桔梗—炙甘草、前胡,枳壳—桔梗等;舌诊症状以薄淡黄—舌暗红、有齿印—舌暗红、苔薄腻淡黄—有齿印等组合为强关联组合,苔薄淡黄—舌暗红症状组合的强关联药物有桔梗、炙甘草、丹参、白前等。咳嗽患者的类型有外感咳嗽与内伤咳嗽,涉及风热证、痰湿证、阴虚证、肺气虚证、痰热壅肺证等证型。     

基于数据挖掘的《临证指南医案》治疗吐血用药规律研究

目的:应用数据挖掘方法探讨叶天士治疗吐血的用药规律。方法:收集、整理《临证指南医案》吐血篇198个医案。运用Microsoft Excel 2003进行中药频数、性味归经统计,通过SPSS Modeler 14.1软件所提供的Apriori算法进行关联规则分析,利用SPSS23.0软件进行因子分析、聚类分析。结果:共筛选出198个医案,含161味中药。使用频数排名前四位中药的分别是茯苓、甘草、麦冬、人参。排名前三位的药性分别为寒、温、平,药味为甘、苦、辛。从归经上看,归肺经、肝经最多。按功效分类,使用频数排名前三位的药物为清热药、补气药、补阴药。根据高频药物的关联规则分析,置信度最高的3组药分别为熟地-山药、五味子(100%),甘草-大枣、白芍(100%),甘草-大枣、人参(100%)。高频药物聚类分析成5类。结论:数据挖掘结果发现叶天士治疗吐血以清热补虚,固本治血为主,以补气药、补阴药居多,对当代医家在临床上治疗吐血提供一定的指导作用。     

数据挖掘在电子政务数据分析的应用研究

分析研究了关联规则和决策树两种常用的数据挖掘技术 ,将其应用到电子政务数据分析中 ,建立了一个基于数据挖掘的电子政务数据分析系统 ,并通过 2 0 0 3年的沪市证券数据进行了分析 ,为电子政务数据分析提出了一种新的研究思路和分析方法。     

基于关联规则的中药方剂配伍规律挖掘研究

通过对方剂配伍研究意义的分析,阐明了对方剂配伍进行研究的必要性。在此基础上,以中医古方剂中活血化瘀方为研究样本,采用关联规则挖掘技术对其用药规律进行了有益探索。     

关联规则挖掘在图书馆信息服务中的应用

介绍了数据挖掘中的关联规则技术,使用关联规则对图书馆中的流通数据进行了分析,并且给出了实例,对在使用中的有关问题进行了讨论并提出了解决方法.     

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。     

数据挖掘技术在军事情报挖掘中的应用

阐述了数据挖掘技术的定义、挖掘的过程,描述了数据挖掘的几种常用方法,结合军事情报的特点,探讨了军事情报挖掘中文本分类和文本关联的运用,提出了基于主题观点正反的文本分类和基于时间段的关键字提取的文本关联方法,并给出了军事情报中数据挖掘的过程模型。     

基于广义规则归纳算法的电力稽查关联问题分析模型研究

电力稽查是电力营销中不可或缺的一个职能,在电力营销市场化过程中扮演越来越重要的角色。如何平衡稽查与被稽查者之间的利益,在有限的稽查中发现和预测电力营销中更多的错误,已成为电力公司和科研人员关注的新课题。本文从建模角度出发,对稽查样本问题库进行编码整理,再对问题字段进行bool变换,将文本规范化为符号变量,解决了文本难以分类和噪声过大的问题。然后利用数据挖掘中的GRI关联算法对已有的稽查样本数据库进行问题关联分析,得出问题与问题间的隐含关系。并使用广州市近一年来的稽查数据样本进行实例分析,推算出100条可信的关联规则,验证了模型的可靠性和有效性。