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.     

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.     

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.     

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。     

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。     

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。     

多层多维关联规则在交通事故研究中的应用

基于大量的真实交通事故案例,利用关联规则技术中的约束原则和Apriori算法思想,对交通事故信息进行数据挖掘,探求符合真实规律的关联规则.研究证明了关联规则在交通事故分析领域有着良好的应用前景,不但能够加深对交通事故的认识,还可以为改善道路建设以及提高车辆安全性提供很多有价值的参考.     

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.     

基于多维关联规则和RFID的地铁施工实时动态监控研究

从地铁施工灾害风险源入手,采用多维关联规则数据挖掘方法甄选出关键警兆指标;EPC编码标签和监控看板对关键警兆指标信息进行标识;RFID射频识别技术实现信息的自动识别和远程监控.以期达到地铁施工现场各类分散风险信息的准确采集、实时监控和动态跟踪.     

基于语义模型关联规则的局域网数据检索

提出一种基于语义模型关联规则的局域网数据检索方法.首先基于概念树描述语义模型并建立FP-树频集算法,通过概念映射将数据源与语义模型进行语义关联,在此基础上,进行噪声过滤并列出主题关键词,从而提高局域网的数据检索速度和一次查询效率.     

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．     

一种基于强化学习的传感器网络应用重构决策方法

利用马尔可夫决策过程模型对传感器网络重构决策问题进行建模,提出了一种规则推理和强化学习相结合的动态应用重构决策方法.以能量约束和环境自适应性作为学习目标,设计了一个基于Q-学习的重构决策算法,使重构决策能够适应环境条件的变化.仿真结果表明基于强化学习的动态决策可以使传感器节点在运行过程中不断学习其所部署环境中异常事件发生的规律,自适应地调整节点上的应用,达到以较小的能耗获得较准确的监测效果的目标.     

遗传算法在逆向物流网络规划设计中的应用

考虑到客户、初始回收点和回收中心3个层次的逆向物流网络,选择合适的回收中心,确定初始回收点个数和回收周期,基于一些基本假设,以最小化总的相关成本建立了1个内嵌两个指派模型的非线性混合整数规划模型,对符号体系和求解思路进行了分析.借助遗传算法,结合具体实例,给出了求解步骤和求解结果分析.     

城市轨道交通大小交路列车开行方案优化研究

根据城市轨道交通大小交路运营模式的特点,以最小化乘客等待时间、车辆走行公里和列车运行时间为目标,构建大小交路列车开行方案多目标优化模型.其中决策变量为发车频率、列车编组和小交路折返站位置.采用线性加权法将原模型转化为单目标优化模型,并设计受控随机搜索算法求解.通过案例验证了模型的有效性,对小交路发车频率、折返站位置进行了灵敏度分析.结果表明,开行大小交路可以有效降低大交路列车满载率的非均衡性,减少车辆运用数;小交路长度越短对乘客越不利,且不能使企业成本节省越多.