基于网络的数值关联规则挖掘方法

关联规则 ( Association Rules)发现的是属性间的关系 .属性可以是逻辑型的 ,也可以是数值型的 .在从逻辑型属性描述的数据中发现关联规则方面已经有许多比较成熟的算法 ,而在数值型属性方面则不然 .将数值关联规则挖掘问题映射成逻辑关联规则挖掘问题是一种方便有效的方法 .本文给出了一个新的数值属性关联规则挖掘算法 ,该算法利用数据本身的特征决定对数值属性值域的划分 ,进而将划分后的所有区间映射为逻辑属性 (项目 ) ,在此基础上可以挖掘出更容易理解、更具有概括性的有效关联规则 .本文给出了一个发现频繁项目集搜索算法 ,并采用一种纵向数据库格式来简化项目集支持度的计算.     

关联型决策分析方法研究综述

关联型决策分析是决策科学领域近年来快速发展的重要研究分支,特别是供应链整合与管理协同创新,促进了跨组织、跨流程、跨任务、跨阶段的关联型决策分析研究的蓬勃发展.对该领域最新动向进行系统性综述,有助于理清关联型决策分析方法的研究脉络,提高方法应用有效性,推动方法的前沿性探索.首先,聚焦决策要素的深度解析,明晰了研究趋势的变化以及不同决策要素在关联类型、关联结构和关联信息等方面的差异与特点;然后,以适用的关联情境为划分依据,以应用价值挖掘和理论贡献凝练为切入点,从原理、创新与贡献、信息处理能力、应用复杂性等视角比对了各类关联型决策分析方法.最后,探讨了关联型决策分析方法研究的未来发展方向和关键问题.     

面向个性化推荐的强关联规则挖掘

提出了适用于个性化推荐的强关联规则的概念,并给出一种基于矩阵的强关联规则挖掘算法.强关联规则集合能够以较少数量的规则表示全部有效关联信息,便于管理和应用.给出的强关联规则挖掘算法只需对交易数据库进行一次扫描,在挖掘过程中不断删除非频繁项使矩阵规模逐渐减小,并且避免了对冗余规则的挖掘, 从而提高了挖掘效率.通过对三组数据的实验表明:强关联规则集合包括的规则数量平均仅为规则总数的26.2{\%},有效解决了规则数量过多的问题.     

基于精简模糊分类关联规则的分组模糊判断方法

为提高土地评价知识表达的简易性和可解释性,提出利用精简模糊分类关联规则和模糊判决进行土地评价的方法.为了降低土地评价模型的复杂程度,提高模糊关联规则分类的有效性和可解释性,本文通过精简模糊分类关联规则,去除了冗余规则,并针对了模糊判决中难以判决的问题,提出分组模糊判决算法进行迭代.实验表明,在采用32条精简规则的情况下,结合精简模糊分类关联规则和分组模糊判决进行土地评价方法获得准确率为92.2835%,比精简前在最小支持度为0.005的情况下得到的32条模糊分类关联规则准确率提高了5.0039%.     

语言值关联规则挖掘算法

挖掘语言值关联规则是数量型属性关联规则中的一个重要研究内容。已有的语言值关联规则挖掘算法没有充分考虑隶属度的信息，为此改进了语言值关联规则的挖掘算法，此算法能充分考虑隶属度的信息，但算法的效率不高。为了提高挖掘算法的效率，通过引入可变阈值，并提出折衷的语言值关联规则挖掘算法，折衷的算法损失了少量的隶属度信息，但节省了挖掘所需的内存和时间。     

不确定群体决策的一种加权α-比较数排序法

给出了方案比较的新概念－模糊偏爱度及加权α－较多有效规则，并给出了在加权α－较多有效规则下个体择优集与群体择优集的关系。基于可能度概念，提出了不确定群体决策的一种加权α－比较数排序法，通过算例说明了该法的合理性和有效性。     

模糊关联规则在环境系统仿真中的应用

数据挖掘主要是用来找出隐藏在数据库当中那些有用而未被发现的知识。这篇文章在文献（1）研究的基础上，对数量属性的关联规则问题作了进一步讨论。文中借助模糊集来软化数量属性论域的划分边界，提出了区间值数据库上的模糊关联规则的概念以及挖掘模糊关联规则的方法。最后讨论了模糊关联规则在环境系统仿真中的应用。     

灰色T型关联度的改进

通过对现有灰色关联度及T型关联度模型的分析,提出了灰色T型关联度的改进模型,改进后的关联度模型能够反映序列的正、负相关关系,并且具有对称性、唯一性、可比性和无量纲化后的保序性.通过实例表明了改进的灰色T型关联度能够更真实地反映序列曲线的关联程度,所得关联分析结果较为客观可靠,并且易于在计算机上实现.     

一种语言值关联规则的挖掘算法

将各连续属性上的取值划分威多个语言值，利用微粒群算法优化各语言值的正交隶属函数，提高关联规则的可理解性特征，在此基础上提出了语言值关联规则挖掘算法，使得挖掘出的语言值关联规则更贴近人的思维方式，更好的反映各连续属性本身的分布特点。     

基于关联的三角模糊数直觉模糊集成算子及其应用

针对三角模糊数直觉模糊信息下属性间存在关联使得已有集结算子失效的问题, 引入模糊测度的概念, 在三角直觉模糊数的运算法则基础上构建了基于关联的加权平均集成算子, 即三角模糊数直觉模糊关联有序加权平均R-TIOWA算子、三角模糊数直觉模糊关联加权几何平均R-TIWGA算子和三角模糊数直觉模糊关联有序加权几何平均R-TIOWGA算子, 探讨了上述算子的若干性质．并在此基础上构建一种属性值为三角模糊数直觉模糊数的多属性群决策方法．实例分析验证了该方法的可行性和有效性．     

基于元学习技术的分布式采掘关联规则研究

关联规则是数据采掘中的重要研究内容。本文利用元学习技术提出了在分布式交易数据库环境下,分布式采掘关联规则的一种方法和相应算法DMAR。该算法具有较高的采掘效率和较低的数据通信量。定义了衡量采掘算法效率的分布式因子g,并指出算法的采掘效率和数据通信量与g值的大小有关。最后通过实验验证了该算法的正确性和有效性。     

Mining of the quantitative association rules with standard SQL queries and its evaluation

1 .INTRODUCTIONWiththewideapplicationofdatabasetechniquesanddatabasemanagementsystem ,datastorageindatabasehassharplyincreased .Thedataminingisjusttodiscovereffective ,novel,potentiallyvaluableknowledgefromthesedata .Associationruleisanim portantmeansinda…     

基于模糊关联规则的股票市场交易规则抽取

将模糊关联规则应用于股票市场的交易规则抽取,以期能为投资者投资做出正确决策.首先选用聚类方法对模糊集属性进行离散化,进而构造模糊集和隶属函数,给出模糊集构造算法,最后提出适合股票交易规则抽取的模糊关联规则算法FARS.实验结果表明,所得规则能很好的反映股票交易中的实际情况.     

改进的增量式关联规则维护算法

在分析现有的关联规则算法 IUA的基础上 ,指出了该算法的不足和错误之处 ,并加以改正 ,进而提出了一种改进的增量式更新算法 EIUA. EIUA算法解决了在数据库 D不变的情况下 ,当最小支持度和最小置信度二阈值发生变化时如何高效更新关联规则的问题 .实验分析表明了新算法的有效性和优越性.     

Linguistic Valued Association Rules

1　IntroductionData mining is the process of discovering interesting knowledge from large amounts of datastored either in database,data warehouses,or information repositories. The mining ofassociation rules is one of the most important topics in the field of data mining. Variousmining algorithms about association rules have been discussed in many literatures such as[1]and[2 ].The linguistic valued association rules are discussed in this paper.In Section2 ,the FCM algorithm in [3]is adopted t…     

面向个性化交通信息服务的车辆行驶路径关联规则挖掘

为了向驾驶者自动提供个性化的交通服务信息，需要对车辆行驶路径进行分析和预测.面向基于RFID的个性化交通服务系统，提出改进的车辆行驶路径关联规则挖掘方法，挖掘车辆历史行驶路径数据中的频繁序列模式，由频繁序列模式产生序列关联规则，根据当前行程车辆已行驶的路径，实现对车辆未来行驶路径的预测.本方法主要通过0-N数据结构和候选2-序列产生方法的改进，提高车辆行驶路径序列模式挖掘的效率.最后，通过数据测试验证了改进算法在运行效率上与GSP相比的性能优越性.     

Concise representations for association rules in multi-level datasets

Association rule mining plays an important role in knowledge and information discovery. Often for a dataset, a huge number of rules can be extracted, but many of them are redundant, especially in the case of multi-level datasets. Mining non-redundant rules is a promising approach to solve this problem. However, existing work (Pasquier et al. 2005, Xu & Li 2007) is only focused on single level datasets. In this paper, we firstly present a definition for redundancy and a concise representation called Reliable basis for representing non-redundant association rules, then we propose an extension to the previous work that can remove hierarchically redundant rules from multi-level datasets. We also show that the resulting concise representation of non-redundant association rules is lossless since all association rules can be derived from the representation. Experiments show that our extension can effectively generate multilevel non-redundant rules.     

语言值关联规则在气象系统仿真中的应用

在信息处理领域，大型关系数据库中的数据挖掘是一个热点，文中应用模糊c－方法算法（FCM）将数据库中记录的值划分成多个语言值，并借助语言值来软化数量性论域的划分边界，由此生成一系列的语言值关联规则。接着文中根据最大隶属原则将数据库中的记录映射到语言值，定义了语言值关联规则的支持率和信任度。最后讨论了语言值关联规则在气象系统仿真中的应用。