一种基于概念层次数据库挖掘一般化关联规则的算法研究

从数值型数据库中挖掘出关联规则是一个很有应用前景的课题.在实际中,通常属性内还存在更高层次的概念抽象,即呈现出层次结构.本文基于这一结构,首先将原来的数据库扩展成层次数据库,然后提出了从此数据库中,挖掘出更一般关联规则的方法.运行实例表明了本文提出方法的有效性.     

基于FP-growth的前后部项约束关联规则改进算法

为解决项约束关联规则挖掘算法未考虑用户感兴趣的项属于规则前部还是后部,而导致生成大量冗余关联规则的问题,论文提出了一种基于FP-growth的前后部项约束关联规则挖掘算法,该算法先对用户感兴趣的规则前后部项进行标记,构成约束条件。然后对事务集进行筛选,压缩事务空间,简化FP-tree建立,最终挖掘出有效的频繁项集和关联规则。实验结果表明该算法与其他项约束关联规则算法相比,运行时间较低,减少了冗余关联规则的数量,且具有较好的规模增长性。     

基于加权关联规则的船舶交通事故源分析

为监控和预防船舶交通事故的发生,需要分析船舶交通事故产生的原因及其成因关系。利用关联规则能有效挖掘出船舶事故间的强关联规则,但传统关联规则未考虑各船舶交通因素对事故发生的贡献度不同。因此,在基于关联规则的基础上,提出了一种加权关联规则模型,使关键事故源获得更高的关注度。实验结果表明,与传统关联规则相比,加权关联规则模型更有利于发掘出现次数少但很有价值的关联规则模式,为海事管理部门制定事故预防机制提供更准确、全面的参考依据。     

多维关联数据挖掘技术在远洋船舶调度中的应用

首先描述进行关联规则挖掘的步骤,将其运用到远洋船舶调度数据的深度挖掘中,将关联规则转换成用户感兴趣的属性类,然后根据所关心的属性不同,求出每个属性组合的维度,从而挖掘出其运输频繁的线路,最后通过例子说明本文算法更能满足用户的需求。     

基于模糊层次数值型数据库发现一般化模糊关联规则

关联规则发现是数据挖掘研究领域中的重要内容之一,而以自然语言描述的模糊关联规则更符合人类的思维方式,在决策中占据重要作用。基于属性间通常还存着更高层次的抽象,即呈现出层次结构尤其是模糊层次结构这一事实,通过把经典的模糊理论与关联规则发现算法相结合,提出了在模糊层次结构下从数值型数据库中挖掘一般化模糊关联规则的相应算法。     

船舶运输领域中的数据挖掘方法研究

随着数据库技术的不断发展,以及数据关系的复杂化,单一的数据挖掘方法并不能够满足系统要求。本文通过对数据挖掘方法的研究,给出一种基于粗糙集的关联规则挖掘方法。利用粗糙集不需要任何先验知识的特点,有效提高关联规则挖掘的效率。通过船舶航线货物分析,验证本文方法具有一定的可行性。     

基于关联规则的远洋舰船运行监控大数据挖掘方法

针对传统的远洋舰船运行监控大数据挖掘方法精准度低的情况,本文应用关联规则算法,对远洋舰船运行监控大数据挖掘方法进行设计。为了有效对舰船远行监控大数据挖掘,首先获取监控数据源,将数据存入到数据库中,在此基础上,对远洋舰船运行监控数据预处理,以此生成舰船运行监控大数据挖掘模型,完成了对运行监控大数据的挖掘,实验对比结果表明,本文设计的基于关联规则的远洋舰船运行监控大数据挖掘方法比传统的舰船运行监控大数据挖掘方法精准度高,具有一定的实际应用意义。     

基于概念分层的关联规则在酒店餐饮营业数据库的应用

酒店餐饮营业数据库信息实时汇总为管理者提供了方便,也为餐饮企业信息化的提升做了有力支撑.基于某酒店70万条餐饮营业数据,突破原有简单统计分析模式,通过概念分层和关联规则数据挖掘技术在餐饮营业数据库的有效应用,发现不同概念分层下的餐饮产品间的关联规则、客源聚类与餐饮产品间的多层关联规则等有用信息,为数据挖掘在传统服务领域应用拓展思路.     

餐饮营业数据库中关联模式的卡方分析

系统分析了餐饮企业数据的特点,基于关联规则和卡方分析理论,建立了餐饮营业数据库中关联模式的卡方分析模型.以某餐饮企业70万条原始数据为例,利用数据挖掘技术生成关联规则,将统计学中的列联表卡方分析引入到关联模式的相关性度量,通过卡方分析方法检验Apriori算法生成的规则,对规则前件与后件之间的相关性进行度量,开展对关联模式卡方检验的实证分析,从统计意义上分析规则是否关联及有效,剔除无用规则或误导规则.结果表明:列联表卡方分析适用于具有分类特征的样本间差异性的检验,在支持度度量的基础上引入卡方检验能有效地对非相关模式进行删减,减小频繁项集和关联规则的规模.     

模糊关联规则在西甲联赛中的运用

针对数据挖掘中的“尖锐边界”问题,阐述了模糊关联规则挖掘技术,提出了在模糊关联规则的挖掘中将事务属性模糊集中的元素作为单一属性来处理的方法,给出了模糊关联规则挖掘的算法。最后以西班牙足球甲级联赛分析为例,描述了模糊关联规则挖掘的具体应用。     

关联规则挖掘在3G通信系统维护中的应用

研究了关联规则挖掘算法,将Apriori算法的散列技术和压缩事务数据库技术应用到3G通信网络故障维护中,减少网络维护信息中频繁项集的生成,使故障维护方法和过程更简洁有效。     

面向动力监测数据挖掘的关联规则算法改进研究

动力监测采集的数据量巨大,蕴藏信息丰富;仅用于越限故障报警,蕴含知识(规则)未能合理挖掘和运用。为此,基于上三角矩阵改进了关联规则频繁项集算法,可精简候选项集,减少数据库遍历和扫描次数,提高规则挖掘效率,并应用于某动力监测数据的关联规则分析,实例验证了改进算法的可行性和有效性,为动力监测数据挖掘、提取关联规则提供了一有效技术途径。     

隐私保护关联规则挖掘算法AOPAM的改进

随着大数据时代的来临,数据挖掘过程中的隐私泄露给数据挖掘工作者带来了很多问题和挑战.在数据挖掘过程中,如何在保护敏感信息的同时,高效地挖掘出符合精确度的结果,是隐私保护数据挖掘领域的热点问题.文中首先介绍了AOPAM隐私保护关联规则挖掘算法,通过分析该算法的缺陷和不足,引入了递推和分治策略,提出了一种新的改进算法.通过利用已知项求解未知项的思维,简化了高阶矩阵的求逆运算,有效减少了数据库的扫描次数,降低了AOPAM算法在计算重构项集支持度时的时间复杂度.实验表明,以同类型数据测试,与原算法相比,改进后算法在运行时间效率上得到了有效提高.     

关联规则在船舶变压器故障诊断中的应用

船舶变压器是船舶电力系统的主要组成部分,能够影响船舶安全行驶。本文着重研究关联规则在船舶变压器故障诊断中的应用,从关联规则挖掘、知识库存储以及规则聚类等方面详细的阐述基于关联规则的数据挖掘的实现过程,最后将本文算法应用于变压器故障诊断的仿真实验中。实验结果表明,本算法准确率高、可靠性强。     

航迹点搁浅风险数据关联规则挖掘方法研究

随着海上航线的不断增多与海洋水文环境的不断变化,许多航迹点已存在搁浅风险不适合船舶航行。因此需要通过数据挖掘的方法对风险航迹点进行运算分析,但是传统的数据挖掘方法无法对无关联的航迹点进行风险的数据关联,由此导致数据挖掘数据结果的准确率下降,数据挖掘面有效数据计算量降低。对此提出航迹点搁浅风险数据关联规则挖掘方法研究。通过对航迹点风险数据的假设建模与风险数据的模糊计算,得到风险数据的关联规则,再通过对风险数据关联规则的分类挖掘计算与加权挖掘数据分析,最终得到准确的航迹点搁浅风险数据关联规则的数据结果。最后,通过引入海上实例数据对提出的方法进行仿真测试,证明设计的可行性。     

基于数据挖掘的电网检测数据分析

为提高电网检测数据的应用水平和电网设备的运行可靠性,论文提出一种基于数据挖掘的电网检测数据的分析方法。该方法基于数据挖掘算法原理,通过建立基于检测数据的关联规则模型,在模型中关联了电网设备运维的几个重要节点。最后通过对算例分析证明,论文所述的基于关联规则的数据挖掘方法,能够找出设备故障的主要原因和共性缺陷,为电网设备的安装、运维等提供有意义的指导。     

H-C:基于H-Struct的频繁闭合项集挖掘算法

提出了一种基于H-struct结构的频繁闭合项集挖掘算法H-C。该算法利用了H-struct动态链接结构的特点,快速且高效地挖掘闭合的频繁项集,大大减少了冗余关联规则的产生。试验表明该算法对大型数据库的处理效率和扩展性优于传统的频繁项集生成算法。     

基于相关性精简关联规则生成算法

针对传统基于支持度-置信度桩架关联规则挖掘算法生成规则只考虑支持度和置信度的因素、没有考虑规则两者本身内在的关系并因此产生大量无效的规则的情况,提出了一种采用相关性精简关联规则产生的算法,此算法增加了一个度量——相关性来精简关联规则的产生。实验表明该算法在继承传统算法的优点的同时在一定的程度上提高了规则的有效性,降低规则冗余。     

基于数据挖掘的船舶异常行为检测研究

通过对船舶异常行为检测,提高对船舶的实时监测和模式识别能力,提出一种基于数据挖掘的船舶异常行为检测方法。采用并行分列式数据架构模型构建船舶行为特征分布数据库,提取数据库中的关联规则特征量,采用自相关匹配滤波检测方法进行船舶异常行为特征点的提取,实现船舶异常工况下的行为特征数据挖掘,实现船舶异常行为检测优化。仿真结果表明,采用该方法进行船舶异常行为检测的准确概率较高,数据挖掘的分类性较好,虚警较低,在船舶异常监测和状态分析中具有很好的应用价值。     

大型船舶综合信息数据库的目标数据检索方法

为了提高大型船舶综合信息数据的挖掘和检索能力,实现大型船舶综合信息数据库优化访问,提出一种基于关联特征映射调度的大型船舶综合信息数据库的目标数据检索方法。在数据库中提取目标数据的频繁项规则性特征量,对提取的大型船舶综合信息特征量采用模糊K均值聚类方法进行分类管理,采用特征分解方法对数据库中的存储数据节点进行决策树分叉设计,实现目标数据的关联特征映射调度,提高数据的检索能力。仿真结果表明,采用该方法进行大型船舶综合信息数据库中目标数据检索的查准性较好,检索精度较好,数据的召回性较高。