φ-频繁闭项目挖掘问题及其算法

关联规则挖掘问题是数据挖掘领域一个重要的研究方向,φ-关联规则挖掘问题是它的一种推广形式。利用闭项目集的思想,提出了φ-频繁闭项目挖掘问题。它是φ-关联规则挖掘问题的一种替代,并给出了一种有效的挖掘算法,有效解决φ-关联规则挖掘问题中产生大量规则的问题。     

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.     

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．     

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．     

油液监测故障诊断关联规则的挖掘研究

叙述了基于规则推理的传统专家系统对规则提取的局限性，介绍了数据挖掘的概念，并就柴油机故障诊断问题指出关联规则的必要性，确定了挖掘关联规则所需的数据库结构．并讨论了柴油机系统单层次故障和多层次故障关联规则的挖掘．     

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.     

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。     

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.     

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。     

一种基于Rough集的序列粒模型的构建

均对粒模型的构建问题,提出了基于Rough集的一种粒表示方法:文章首先对于时间序列作了粒的描述,采用SAX符号表示不仅因为它的适用于粒的描述,更重要的是为后面的逻辑推理打下良好的基础.然后用基于SAX距离的相似性找出相近的模式,利用Rough集的规则发现算法找出关联规则.通过实验证明,本文中所提出的时间序列挖掘方法以及时序粒挖掘的算法基本上可满足实际时序挖掘的需要.     

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,不仅提高了原算法的运行效率,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.     

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.     

基于数据挖掘的城市快速路拥堵关联特征分析——以上海市为例

以上海市南北高架与内环高架快速路线圈检测数据为数据支撑,基于关联规则挖掘理论,设计事务内与跨事务两种类型的交通拥堵关联规则的挖掘方法,并利用统计学方法得到的断面拥堵相关性计算结果进行关联规则筛选,挖掘出断面拥堵之间的强关联规则;最后,对断面拥堵关联规则之间的时空特征与网络特征进行了分析.     

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.     

空间关联挖掘在交通领域的应用研究

空间关联挖掘,可用来发现、解释或预测空间现象或事件,从而为众多领域解决一些复杂问题提供了有效手段。通过对目前的空间关联规则挖掘理论和实例的研究,得到了实用挖掘的一般方法,通过一个小的交通事故挖掘实例进行了试验,获取了一些有价值、可信的交通事故发生的隐含规律,显示了空间关联挖掘对交通规划管理及决策工作具有重要的意义。     

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k>2时,按行从第一个非0元素开...     

Apriori算法剖析

本文讨论在海量数据中挖掘数据项之间的关联规则,剖析典型算法——Apriori算法。根据算法的基本思想,给出它的形式化的描述,并且通过分析实例给出关联规则的挖掘步骤及算法实现,最后对该算法进行了评价。     

基于粗集理论的决策规则约简算法的研究与应用

粗集理论是一种新型的数据挖掘方法，其中约简是它的重要概念．粗集理论的主要思想是在保持分类能力不变的前提下，通过属性约简和值约简，导出问题的决策或分类规则．本文不同于目前将属性约简作为决策规则挖掘的重点，而是在属性约简的基础上又进一步提出了值约简算法，大大提高了规则的挖掘效率．该算法对原有算法进行了改进，最终可获得更简的决策规则．实例分析表明了该算法是较优的、有实用价值的．     

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.