关联规则挖掘研究

介绍了关联规则的基本概念和分类方法,分析了典型的Apriori算法,并描述了Apriori算法的性能瓶颈与改进策略.最后展望了关联规则挖掘的进一步研究方向.     

基于原子分类关联规则的网络入侵检测研究

由于较好的准确性和鲁棒性表现,关联分类算法已经广泛应用于网络入侵检测领域。然而由于生成的关联规则数目较多,分类模型难以识别,同时导致运行速度慢、占用系统内存大。在本文中,对分类关联规则算法进行了改进,解决了上述问题,并且应用于入侵检测中,使用KDD99数据集进行验证,结果表明系统在保持误报率低的情况下,入侵检测率有所提高。     

关联规则挖掘综述

介绍了当前关联规则挖掘的研究情况,分析了传统关联规则挖掘算法的不足．与此同时,介绍了几种优化算法．最后,展望了关联规则挖掘的未来研究方向．     

关联规则挖掘概述

主要介绍了关联规则挖掘的研究情况,对一些典型算法进行了分析和评价,指出传统关联规则衡量标准的不足,并归纳出关联规则的价值衡量方法,最后,展望了关联规则挖掘的未来研究方向。     

基于遗传算法的关联规则挖掘

设计了一种基于遗传算法的关联规则算法,该算法将遗传算法和关联规则相结合.对遗传算法的编码方法、适应度函数的构造、交叉算子和变异算子进行了分析,给出了所设计方法的具体步骤,并进行了试验.试验表明,改进后的算法的执行效率高于Apriori算法.     

多媒体图像挖掘的关联规则挖掘

数据挖掘从大量的数据中提取隐含在其中的有用信息和知识,采用关联规则挖掘方法,对多媒体图像进行关联规则挖掘,得出多媒体图像的关联规则。     

数量型关联规则挖掘问题的研究分析

关联规则挖掘是数据挖掘的一个重要研究课题,而数量型关联规则与传统的布尔型关联规则挖掘有不同。介绍了数量型关联规则挖掘的基本概念;分析了几种具有代表性的数量型关联规则挖掘算法;对数量型关联规则挖掘进行了展望。     

关联规则的并行挖掘算法

关联规则是数据挖掘的重要研究内容之一,而传统的串行算法已不能满足数据库空前发展的需求.本文提出了关联规则的并行挖掘算法,探讨了相关的数据结构,并对算法进行了定性分析.     

基于关联规则的入侵检测方法

针对关联规则Apriori算法存在的局限性,提出了利用杂凑树结构来存储侯选项集,以减少存储空间.同时通过一定的规则属性忽略一些数据来减少扫描的事务数据量以提高检测的速度.通过KDD CUP 1999数据集进行测试,证明了该算法的有效性.     

基于遗传算法的关联规则挖掘方法

基于对数据挖掘,特别是关联规则挖掘的研究,提出了一种改进型遗传算法的关联规则提取算法,并从编码方法、适应度函数的构造和遗传算子的设计方面进行讨论分析。通过对早熟问题的分析并改进自适应算子,提高了算法的效率,使算法在相对稳定的动态种群规模中寻找优质解。     

关联规则算法的实现与优化

对基于关联规则的数据挖掘算法进行了研究,对经典的频繁项集计数算法进行了改进,提高了关联规则数据挖掘的效率。优化结果证明了关联规则算法在医学科研实验室数据挖掘中的重要作用。     

一种新的关联规则挖掘算法

对关联规则的挖掘算法进行了讨论，提出了一种基于集合枚举树的关联规则挖掘算法．由于该算法产生的侯选项目集为最小侯选项目集，不需要修剪，因而提高了算法的效率。     

基于数据挖掘的多Agent入侵检测系统研究

讨论了数据挖掘技术在入侵检测中的应用,结合多Agent技术提出了一个分布式入侵检测系统应用模型,描述了系统的功能结构,并给出了一个异常检测实例。     

关联规则在计算机基础教学中的应用

本文以职业学校计算机基础教学中的办公自动化等级考试为背景,针对其网络考核系统中学生出现的错误操作信息进行数据挖掘,从中发现有用的关联规则,并以此为根据查找教学漏洞,提出改进方法,进而提高教学效果。通过实验分析证明该方法行之有效,对今后的计算机基础教学有一定的指导意义。     

基于Weka平台的不确定数据挖掘

阐述传统关联规则挖掘Apriori算法的基本原理和算法思想,针对只能处理位置已经被精确给定的对象,利用开源Weka平台,通过数据转换,处理不确定数据集,对鸢尾花数据进行测试实验,挖掘出一些有益的关联结果。     

一种基于概念层次架构的挖掘关联规则及其实证应用

在概念层次里进行关联规则的挖掘,并考虑到用户感知与主观判断所产生的认知不确定性;结合模糊分割法与FP-Growth方法,应用于概念层次架构中找出关联规则方法,主要分为两个阶段:层级架构的顺序将数据项做抽象化,找出高频模糊格;由高频模糊格来产生多层次模糊关规则。最后通过比较验证所提方法可提高算法的执行效率、缩短计算时间。     

一种改进的关联规则挖掘算法及其应用

详细了分析传统关联规则Apriori算法的不足,提出了一种改进的关联规则快速挖掘算法。针对当前高校招生录取后大量考生流失问题,使用该算法对某地区考生信息进行数理分析和仿真实验,挖掘了隐含的有用信息,为高校招生录取提供决策性的作用。     

基于数据挖掘的入侵检测的研究与应用

以基于数据挖掘方法的入侵检测技术研究为核心,对数据挖掘技术和入侵检测技术进行了研究和分析,探讨了数据挖掘方法中聚类算法在入侵检测中的应用,提出了一种基于最短距离算法的最近邻优先（NearestNeighbor First）算法,并采用KDD Cup 1999数据集中的数据对该算法的执行效率进行检测.     

基于语义相关性的关联规则挖掘研究

为了解决传统关联规则挖掘中候选集数量过多,计算时间复杂度过高的问题,提出了基于语义相关性的关联规则挖掘方法.该方法采用本体概念之间的语义相关性描述领域中的复杂关系,通过语义相关度过滤掉领域中相关性较小的候选集,以减少关联规则挖掘中候选集的数量.计算语义相关性时,将本体层次关系看作有向无环图而不是层次树,不仅考虑直接层次关系,还考虑非直接层次关系和其他典型语义关系.实验结果表明,该方法能有效减少候选集数量,提高关联规则挖掘的效率.