浅谈数据挖掘中的关联分析

本文的主要内容包括:关联规则挖掘概念、国内外研究现状及对关联规则算法的研究,归纳了关联规则挖掘在诸多领域的应用。最后结合当前的研究成果,指出关联规则及数据挖掘的发展前景。     

基于加权关联规则的交通事故分析

考虑到各种交通事故因素对交通事故属性本身的影响有轻重之分,基于传统的关联规则挖掘模型,提出了一种加权关联规则的模型,设计与实现了加权关联规则的挖掘算法,并应用到道路交通事故属性的分析中。     

基于知识挖掘的全面质量控制

实现全面质量控制是企业实施先进生产模式的重要基础。本文将全面质量控制分解为:内部质量控制与外部质量控制;然后提出了一套针对全面质量控制的知识挖掘方法,具体包含:基于内部质量活动成本的知识挖掘,以质量活动的成本数据及变化趋势为原始数据,应用apriori算法进行布尔型关联规则挖掘;基于外部质量控制中的故障模式的知识挖掘,在分析外部质量控制过程中产生的质量信息基础上,进行故障原因分析知识的数据挖掘和从故障现象到故障原因的聚类挖掘。     

基于关联规则挖掘的车辆故障码分析

本文中基于车载诊断原理，将车载自诊断过程产生和保存的故障码（diagnostic trouble codes, DTC）分析与关联规则挖掘相结合，提出适用于挖掘故障码数据关联的改进FP-Tree算法，并根据得到的关联规则建立整车故障码关联图，将其应用于历史数据分析流程与车辆维修流程。挖掘数据中有趣关联规则，提供关联可视化结果；对维修过程读取的驳杂故障码进行分析，减小故障码复杂性，分析主要故障码，缩短基于故障码的检修时间，协助维修人员定位故障。     

带约束条件数据关联规则的挖掘

文章提出了一个基于约束条件、以用户为中心、交互性较强的关联规则挖掘模型。这一体系结构中约束条件的结构是相当丰富的，包括域、类和ＳＱＬ类型的集合约束，它们使用户能清楚地定义他们所想要挖掘的关联规则。文章作者将挖掘出的关联规则所应满足的条件用约束的关联查询语句来表示。     

基于Apriori算法对地面沉降影响因素的数据挖掘及分析

为有效利用盾构法施工过程中产生和积累的大量掘进历史数据、挖掘知识和信息,以优化掘进参数、控制地表沉降,采集某地铁相邻两区间的地面沉降数据及掘进参数,基于数据挖掘技术,通过对比优缺点,综合等宽离散和k-means聚类2种方法将数据离散化,并采用Aprioir算法进行关联规则挖掘。通过分析关联规则得到以下结论: 出土率、注浆填充率和俯仰角对沉降值影响较大,掘进速度和刀盘转矩对沉降值也有一定影响。根据数据离散区间和关联规则,给出穿越土层为圆砾和卵石时的注浆填充率建议值为185%~190%,注浆压力建议区间为0.16~0.22 MPa,同时建议俯仰角纠偏幅度宜平均每3环小于±0.2°。     

基于灰色关联与Apriori算法的道路交通事故数据分析

针对运用关联规则挖掘道路交通事故(road traffic accident,简称RTA)数据产生大量无效规则与使用灰色关联分析无法发现数据隐藏联系的缺陷,提出将灰色关联分析与关联规则的Apriori算法相结合的方法,并将其运用于RTA数据。首先进行数据预处理;然后运用灰色关联分析,找到与RTA发生数有强关联的因素,并保留其数据,反之剔除相关数据;最后对保留下来的数据进行关联规则挖掘,找到数据之间令人感兴趣的联系。将此方法运用在四川省RTA数据上,通过与仅采用Apriori算法相对比,实验结果表明:此算法的时间缩短了近40%,冗余规则减少了近50%。由此挖掘出了RTA数据之间有趣的联系,并证明了灰色关联分析与Apriori算法相结合方法的有效性。     

关联规则挖掘算法

本文提出了数据挖掘中的时间余度、空间余度、时空复杂度和用户期望满意度等概念,并对它们进行了量化定义;给出了基于上述概念的关联规则挖掘算法AACE;针对算法进行了实验,证明了算法的有用性和应用价值。     

汽车故障诊断中的缺省规则挖掘

对基于Rough集理论的缺省规则挖掘算法进行了研究，在引入规则支持度概念后，提出了一种基于Rough集的缺省规则挖掘新算法。并将该算法应用于汽车故障诊断领域的知识挖掘。试用表明该算法具有一定的实用价值。     

基于大数据挖掘技术的车载自组织网络状态异常检测

基于主成分分析法与Apriori关联规则挖掘算法,提出一种利用大数据技术检测车载自组织网络(VANET)运行状态异常的方法。运用主成分分析法从大数据中挖掘出关键评估指标;针对关键指标采用并行关联规则模型,挖掘强关联规则,进而找出主要影响因素;基于历史数据和自组织人工神经网络预测方法,输入主要影响因素值,输出关键评估指标值。对评估指标值进行算例分析,利用VANET状态异常检测方法预测指标概率,结果表明,所提方法得到的预测值较仅使用人工神经网络方法准确性高。     

改进的关联规则挖掘算法及其在教育信息挖掘中的应用

利用数据挖掘的关联规则技术，可以从大量数据中发现有价值的规则。文章利用改进的Apriori算法对上海海事大学的教育信息数据库进行了挖掘，从中发现了一些有价值的规则，为学校的教育决策和教学管理提供了有指导意义的信息。文章还实现了大量规则的文本和图形可视化。     

数据挖掘与知识发现的理论方法及技术分析

章介绍了一种崭新的信息分析与处理方法－知识发现和数据挖掘技术的概念和原理。讨论了关联规则、分类、特征、聚类、汇总、粗集、神经网络和决策树归纳法等数据挖掘算法。最后，通过介绍其在各行各业中的应用，指出了其广阔的应用前景。     

基于FP-Growth算法的盾构掘进参数与隧道管片渗漏关联性分析

为研究隧道管片渗漏与盾构掘进参数之间的关联性,对关联规则中的Apriori算法与FP-Growth算法进行比较,选择FP-Growth算法作为文章研究使用的关联规则算法。选取关键掘进参数并对其数据筛选、划分及编码。采用FP-Growth算法,结合Matlab数据分析语言编程,挖掘基于掘进参数频繁项集的管片渗漏关联规则,分析关键掘进参数渗漏原理。依据渗漏频繁项集和渗漏规则,推荐4个关键掘进参数组合的预设范围,并应用在某隧道东线的盾构掘进中。结果表明,关键掘进参数组合优化后的成环管片发生渗漏的概率降低29.36%。     

基于PMI与BTM的船舶事故原因文本挖掘

为了实现从海量的船舶事故调查报告中自动提取出水上交通安全知识,提出了从词语和主题2个层面对船舶事故调查报告进行语义挖掘的方法,并以100份船舶自沉事故调查报告为语料进行具体挖掘.在词语层面,使用PMI算法从事故原因文本中挖掘频繁共现的词语模式,通过文本特征词的共现揭示事故致因要素间的关联.在主题层面,使用BTM算法对事...     

车辆事故关联规则的提取

章提出了对交通事故数据内在联系进行分析的一种新方法。在简要介绍关联规则提取技术的基础上，提出了车辆事故属性的概念．并进行数据建模，重点分析、阐述了车辆事故属性数据关联规则提取的算法,最后对该算法进行了验证。     

BRT综合评价体系的关联规则挖掘分析

利用关联规则挖掘技术,对BRT综合评价体系中各评价指标与综合评价结果之间的关系进行量化分析,得到各评价指标的支持度和可信度,并采用Apriori算法找出BRT综合评价体系中满足最小支持度和最小置信度要求的强关联规则;根据各评价指标与综合评价结果之间关联关系所具有的可信度,判断BRT综合评价体系中各评价指标设置的科学性和各指标权值分配的合理性。应用实例表明,关联规则方法对于验证BRT综合评价体系构建是否科学合理具有重要意义。     

Web数据挖掘在电子商务中的应用研究

当今互联网拥有海量的数据,如何对这些Web上的数据进行挖掘提取有用的模式,辅助企业获得成功,是一个刻不容缓的问题。本文对Web数据挖掘的基本内容和相应的技术作了介绍,并对Web数据挖掘在电子商务中可应用的范围作了说明。     

基于Java规则引擎的汽车发动机故障诊断专家系统研究与开发

介绍了基于Java规则引擎的汽车发动机故障诊断专家系统,该系统基于B/S模式,知识库采取面向对象的知识表示和产生式规则表示相结合的方法,系统可根据用户输入的故障信息,对汽车发动机的故障进行诊断.论述了系统的知识表示、规则引擎等关键技术,利用这些技术可以快速建立专家系统框架.     

基于关联规则挖掘的路段流量关系的分析

采用关联规则挖掘方法对路段流量之间的关系进行分析并结合模糊规则提取路段流量之间的模糊推理规则，从而由一个路段的流量可以推理其他路段的流量，这样便可以在路网流量预测算法中采用尽可能少的路段，从而达到系统降阶的目的。现场试验及仿真实验证明，本文所提算法的确可以实现系统的有效降阶，使得现有路网流量预测算法满足实际需求。虽然在一定程度上损失了预测精度，但这个损失仍然在可接受范围之内。     

数据挖掘技术在交通事故黑点整治中的运用

目前我国城市道路交通事故频发,而许多城市道路事故黑点的整治工作仍然依靠人工或简单的数据库来进行。为了系统和科学地整治交通事故黑点,本文提出了利用数据预处理技术处理事故黑点数据库,运用关联规则技术分析黑点事故成因,为城市道路交通事故黑点的整治提供了有效的方法。