对Apriori算法的进一步改进

介绍了关联规则挖掘的情况,并在分析关联规则的数据挖掘算法的基础上,针对Aprion算法和Apriori-1算法进行深入研究,提出了apriori-2算法,新算法在计算候选大项集支持度所涉及的记录数目将小于事务数据库中原始的记录数目,提高了原算法的效率,具有一定的实用性.     

对Apriori算法的一个改进

介绍了关联规则挖掘的研究情况,并在分析关联规则的数据挖掘算法的基础上,针对Apriori算法进行深入研究,提出了Apriori-1算法,新算法在计算候选大项集支持度所涉及的记录数目将小于事务数据库中原始的记录数目,提高了原算法的效率,具有一定的实用性.     

对APriori算法的一个改进

介绍了关联规则挖掘的研究情况，并在分析关联规则的数据挖掘算法的基础上，针对Apriori算法进行深入研究，提出了Apriori—1算法，新算法在计算候选大项集支持度所涉及的记录数目将小于事务数据库中原始的记录数目，提高了原算法的效率，具有一定的实用性．     

一种新的高效关联规则数据挖掘算法

在分析关联规则的数据挖掘算法基础上,针对Ariori算法进行了深入研究,提出了改进算法FA,并在实际项目中加以应用,算法FA在计算选项集支持度所涉及的记录数目将小于事务数据库中原记录数目,提高了原算法的效率,具有一定的实用性。     

一种新的高效关联规则数据挖掘算法

在分析关联规则的数据挖掘算法基础上,针对Apriori算法进行深入研究,提出了改进算法FA,并在实际项目中加以应用.算法FA在计算选项集支持度所涉及的记录数目将小于事务数据库中原记录数目,提高了原算法的效率,具有一定的实用性.     

增量数据挖掘算法在区域交通管理中的应用

分析了基于关联规则的增量数据挖掘算法，指出其效率低下的原因，针对传统数据挖掘算法多次迭代扫描，每次迭代产生数目更大的频繁项集的不足，提出链表增量数据挖掘算法LIUA，并将该算法应用于区域性车辆自动识别管理系统中，有效地挖掘出系统中的关联规则，对挖掘出的关联规则进行了分析．通过测试结果表明该算法是合理有效的．     

模糊关联规则的挖掘算法

为了提高模糊关联规则挖掘的效率，定义了冗余模糊关联规则，并分析了强模糊关联规则的冗余性质，提出了通过删除冗余模糊关联规则提高挖掘效率的新算法．此外，针对利用支持度和蕴涵度定义的强模糊关联规则挖掘问题，将删除冗余模糊关联规则和不删除冗余模糊关联规则的计算结果与实验结果进行了比较．结果表明，当数据库中项目数较多时，删除冗余模糊关联规则能提高挖掘效率．     

基于异几率属性的可视化关联规则挖掘

在分析数据特性的基础上，提出了一种基于异几率属性的可视化关联规则挖掘算法，不仅提高了质算法的运行效率，而且提供了一个可视化的交互平台，使用户主动地挖掘感兴趣的关联规则。     

CRM中Apriori 算法的应用研究

Apriori算法作为一种典型的关联规则算法,将其应用在CRM中,对于促进CRM进一步向智能化发展,提升CRM价值起到非常重要的作用.本文从关联规则的概念、算法着手,介绍关联规则的概念与关联规则的几种方法;然后对Apriori算法的基本原则、方法的步骤,以及在CRM中应用的流程进行了论述;最后结合例子对Apriori算法的应用进行了探讨,介绍了具体的应用方法以及应用范围.     

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．     

基于马尔可夫链蒙特卡洛方法的数据关联算法研究

数据关联是杂波环境下多目标跟踪问题的难点之一.文中提出了一种基于马尔可夫链蒙特卡洛(MCMC)方法的数据关联算法(MCMCDA),该算法通过在相应的关联事件空间中采样,可以有效地估计数据的边际关联概率,而且算法的估计精度可根据需要进行调节.仿真结果表明,在需要跟踪的目标数目较多,探测概率较低、杂波概率较高的情况下,JPDA算法因出现"组合爆炸"问题而难以在实际中应用;MCMCDA算法则能在保持较高估计精度的情况下降低计算负荷,从而能够较好地满足实时跟踪系统的要求.     

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。     

列车轮对状态的融合监测系统

为了提高列车轮对故障诊断准确率和改善现有列车轮对状态在线监测方法的不确定性,结合多传感器信息融合原理,设计了列车轮对融合监测系统,采用特征层融合自适应加权算法进行了轮对状态融合监测,以自适应的方式寻求最优加权因子,使状态测量值总均方误差最小,比较了特征层融合自适应加权算法、模糊数据关联算法、变结构多模的状态估计算法和BP神经网络算法的计算结果。比较结果表明:当轮对两端轴承均出现故障后,两传感器输出的测量值分别为22.0470和21.0250,而此融合算法计算出的估计值为4.2642,融合值最接近真值,因此,列车轮对融合监测系统可靠性高,抗干扰性强。     

一种基于闭项集的无冗余关联规则挖掘方法

针对关联规则挖掘中存在的规则数量过多,难于理解和应用的问题,提出了一种基于闭项集的无冗余关联规则挖掘算法．首先,给出了无冗余关联规则的定义,并基于规则信任度的概念说明了该定义的合理性;其次,在生成子、闭项集和无冗余关联规则的基础上,给出了无冗余最小．最大精确规则基和无冗余最小．最大近似规则基的定义,并讨论了它们的剪枝策略．最后,讨论了生成子的性质及连接策略,并在包含索引的基础上,给出了一种宽度优先的无冗余关联规则挖掘算法．实验结果表明,本文提出的算法不仅可以发现规模较小的无冗余关联规则,提高了挖掘结果的可理解性,而且具有较高的挖掘效率．     

基于 ECDIS 的雷达与 AIS 信息融合的算法与工程实现

为达到雷达与AIS（船舶自动识别系统）优缺点互补以提高航行安全性的目的,提出AIS目标信息与雷达目标信息融合算法。采用多因素模糊综合决策算法进行目标关联,并且基于ECDIS （电子海图显示系统）实现雷达与AIS目标信息融合。工程研究与实现最终验证了融合算法的可靠性及有效性。