基于决策属性的关联规则挖掘

针对具有决策属性的数据库模型,提出了高效挖掘关联规则算法,即矩阵划分算法:根据决策属性将扫描后的数据库划分成两个包含不同决策属性的矩阵,分别采用向量法挖掘频繁项目集.关联规则的生成可充分利用"与"运算的优点,查找规则前件或后件的支持度.所提出的算法减少了候选二项频集的生成,以及"与"运算的大小,与apriori算法及传统的向量法挖掘关联规则相比,效率明显提高.     

基于矩阵的多段支持度关联规则挖掘算法

为有效提高关联规则挖掘算法效率,提出了一种基于矩阵的多段支持度关联规则挖掘算法,该算法通过一次数据库扫描将事务数据存放在矩阵中,利用矩阵进行支持度的计算和频繁集的寻找,同时将项集支持度分段计算的思想应用其中,减少候选集生成,实验表明,算法效率得到了较大提高。     

一种小支持度布尔关联规则的挖掘方法

关联规则挖掘算法一般用于发现强关联规则,对于小支持度规则的挖掘则缺少有效的算法.利用事务数据的时间特性,将事务数据集划分成若干子集,对子集进行挖掘,并在得到的规则集基础上建立规则矩阵,过滤矩阵,得到一种挖掘事务数据集中小支持度布尔关联规则的新方法.     

一种新的频集发现算法P＆FP

在分析已有关联规则挖掘算法的基础上,提出了应用于Web 文本集的特征关联规则挖掘框架,详细地论述了该框架所涉及的主要技术和实现过程中涉及的诸多问题,据此给出了该框架主要模块的实现算法.在该框架中,Web 文本集的特征关联规则挖掘以Web 文本的结构化处理和特征化处理为前提,核心的挖掘模块由频集发现算法P&FP 和关联规则生成算法GenNoRedundantRule 构成,算法P&FP 结合了Partition 算法的数据分片思想和FP-生成树算法的高效性,算法GenNoRedundantRule 可以避免大量冗余规则的产生.这两个算法较之已有的算法是比较高效的,而且它们还具有较好的扩展性和并行性.     

广义关联规则基及其挖掘算法

为了解决传统的关联规则挖掘中产生大量规则的问题，提出了项目集上闭集和广义关联规则基的概念，并得出了闭项目集的上闭集是它本身、上闭集是惟一的等性质．基于这些性质，给出了事物数据库的广义关联规则基，不仅保留了数据库中所有关联规则的信息，而且规则有一致的结构，从而最大限度地减少了规则生成的数量．此外，还设计了广义关联规则基的挖掘算法，并通过实例验证了它的正确性．     

一种基于图论与最大路径的关联规则挖掘算法

关联规则的挖掘目标是发现数据项集之间的关联关系或相关关系,是数据挖掘中的一个重要课题。对于超大数据集,传统算法效率较低,对其加以改进,给出了一种基于图论与最大路径的关联规则挖掘算法。该算法将事务集构造成布尔矩阵,经矩阵清理后,将其转换为图的形式,根据关联规则图生成邻接矩阵。当取步长为k且k2时,按行从第一个非0元素开始遍历,寻找最大权值路径,此时连接所得元素的行列索引即频繁k+2项集。实验结果表明该算法减少了对数据集的扫描次数,针对大数据集,相较于传统的Apriori算法能够显著缩短时间,大大提高效率。     

基于向量矩阵的频繁项集挖掘算法

为减少冗余候选项集的产生,提出了一种基于向量矩阵的频繁项集挖掘算法FIS-Miner.在该算法中,将所有频繁1-项集按支持度升序进行排序并存储其对应的二进制位向量,将这些二进制位向量映射到向量矩阵进行分析找出所有的频繁项集,既实现了数据库的一次扫描又避免了大量候选项集的产生.探讨了该算法的实现步骤,并给出实例验证了该算法的有效性.     

改进的最大频繁项目序列集挖掘算法

影响关联规则挖掘的关键问题是最大频繁项目序列集的生成问题,而传统的算法往往要求对事务数据库进行多次扫描,从而提高了I/O代价.阐述了项目序列集和它的基本操作的定义,然后详细描述了ISS-DM的最大频繁项目序列集生成算法,并在此基础上提出了一种改进的ISS-DM算法,最后进行了相应的验证.实践证明,改进后的算法同原算法相比,对相同的数据量进行挖掘,算法执行时间明显减少,效率较高.     

改进可辨识矩阵的启发式知识约简及规则算法

首先提出了改进可辨识矩阵,然后对属性重要性进行了重新定义,并且将模糊聚类应用于属性重要性划分,从而在此基础上提出了一种启发式知识约简及决策规则提取算法.给出了新的不相容率的概念,用于描述知识数据库中数据不相容特征和修正提取的决策规则的决策错误率.经过实验,该算法具有优良的性能.     

PSO算法在关联规则挖掘中的应用

提出了一种新的大型数据库中关联规则挖掘策略,利用PSO算法对原始数据库进行划分,将原始数据库分为n个子数据库,再使用FP-Growth算法对每个子数据库进行关联规则挖掘.实验证明:该方法有效的改善了FP-Growth挖掘算法的效率,尤其是对大型数据库进行着挖掘时,该方法相比于其它算法具有更高的效率.     

Mining Compatibility Rules from Irregular Chinese Traditional Medicine Database by Apriori Agorithm

Introduction Chinese traditional medicine database is huge andcovers a large amount of valuable knowledge. Thedatabase technical development has solved the prob-lem of efficiency of data saving and searching in usingthe medicine database. However, diversity of the datatypes and hugeness of the data amount are far beyondpeoples intellect. Sometimes, the large database be-come the“data grave”and causes a phenomenon of“data rich but information poor”.Using the modern information technologies…     

基于Rough集理论的增量式数据挖掘算法

提出一种求精简规则的带支持信息的增量式算法IDMA,该算法改进了传统挖掘算法的缺点,可充分利用已挖掘出的规则集来对新增实例进行决策规则挖掘,同经典Rough集挖掘算法比较,算法IDMA计算过程简单,而且效率较高.     

换道过程中驾驶人感知操作的模式发现与规则挖掘

为发现高速公路下自由换道过程中眼睛感知-手脚操作之间的时序关联性，探索感知与操作相互作用的内在机理，采用驾驶模拟舱进行高速公路驾驶实验，采集眼动数据和车辆运行数据；分别提取换道瞬时和换道全过程的眼睛感知-手脚操作的特征；采用Aprior算法从换道瞬时和换道全过程两个角度发现眼睛感知-手脚操作的频繁模式，挖掘它们的关联规则。对于瞬时感知-操作，左换道发现13种频繁3项集模式，右换道发现18种频繁3项集模式；对于全过程感知- 操作，左换道发现4种频繁模式，右换道发现3种频繁模式。左右换道各自挖掘到6条有实际价值的关联规则。对频繁模式和规则分析发现：右换道比左换道需要较多的感知时间、较复杂的手脚操作行为。发现的频繁模式和挖掘的关联规则描述了自由换道过程中感知操作的特征和它们之间的关联性，能够为安全换道提供参考，为无人驾驶换道操作提供支撑。     

基于数据库的动态路径寻优算法与实现

为适应当今数据存储和处理的需要,在路径寻优算法的实际应用过程中可以充分利用数据库管理数据的功能。利用实时动态的交通信息,寻找动态实时的最优路径,建立一个基于浮动车数据的动态实时路段速度数据库。通过实时动态地获得数据库中路段数据,提出基于数据库操作的动态路径寻优算法。为提高算法效率,提出动态变化限制搜索区域大小的辅助算法,并通过实例应用实现算法。     

基于高速公路收费数据库的断面交通量计算方法

根据我国高速公路绝大部分为封闭式收费公路的特性，提出基于高速公路收费站通行记录数据库的OD矩阵整理算法以及断面交通量的计算方法，并结合实例对此算法进行分析验证，对高速公路收费管理具有很高的应用价值。     

Apriori算法在汽车销售客户分析中的应用

文章以4S店客户信息数据库作为研究对象,利用数据挖掘中关联规则挖掘算法Apriori,挖掘出已成交的客户特征和规则,对分类结果进行分析,并在某品牌4S店销售汽车过程中借鉴这些规则,有针对性的地进行引导销售,从而提高了销售成功率。