关联规则技术在数据挖掘中的应用

数据挖掘技术的诞生,使我们能从大量的数据中提取对决策者有用的信息,20世纪90年代初,R.Agrawal等提出了关联规则挖掘技术.关联规则挖掘是为了发现大量数据中项目集之间感兴趣的相关性信息.经过十余年的发展,关联规则挖掘已经成为数据挖掘技术中较为成熟并很重要的一种方法.文中系统描述了关联规则挖掘所涉及的概念、关联规则挖掘算法和关联规则应用领域等.     

基于关联规则的质量信息挖掘应用研究

基于关联规则的数据挖掘原理和方法能够帮助管理者进行有效决策.提出一种具有关联规则分析功能的通用质量管理信息系统框架,其中的关联分析模块能够对质量数据进行深层次挖掘,通过某大型制造企业质量管理信息系统的实施表明,该通用框架能够支持质量管理的持续改进,有效提高质量数据分析的精确性.     

基于Apriori算法的航空设备故障关联分析

提出一种基于Apriori算法的航空设备故障关联分析方法.将Apriori算法应用于航空设备故障关联规则挖掘中,对源于机载检测系统的故障数据进行提取,建立关联规则挖掘模式,从而挖掘出故障设备之间的强关联规则以便进行故障分析.实验结果表明,Apriori算法可以有效挖掘出航空故障设备之间的关联关系.     

一种关联规则挖掘的裁剪及优化方法

采用χ²相关性检验和有趣度量定义了两种可能的“unexpected”规则, 对关联规则挖掘的裁剪与优化问题给出一个比较全面和系统的解决方法, 并结合规则裁剪提出了完整的算法思想, 通过对实验数据的关联挖掘, 挖掘出有效、 新奇和意想不到的规则. 实验结果表明, 该优化方法具有良好的有效性和伸缩性.     

基于二进制粒子群优化的卫星典型件工艺知识挖掘

针对卫星典型件在工艺设计过程中设计任务量大、重复性工作多,且其历史工艺数据未能充分有效利用的问题,进行了工艺知识挖掘的研究,以提高工艺知识的重用性.首先对工艺知识挖掘问题进行了描述,建立了工艺知识的关联规则模型;然后针对海量数据中Apriori算法挖掘效率低的问题引入二进制粒子群优化(BPSO)算法,并构造了基于BPSO的关联规则挖掘算法.最后对卫星结构板这一典型件的历史工艺数据进行挖掘,得到了卫星结构板典型工序序列.基于BPSO的关联规则挖掘算法可以有效提高工艺知识的挖掘效率.     

基于关联规则的地下流体数据相关性分析系统

地震预报是对未来地震发生的时间、地点以及震级的预测,对于保护国家公共安全具有重要的意义。采用关联规则挖掘方法,对地下流体数据和震级之间的关联规律发现进行了研究,设计并实现了一个基于关联规则的地下流体数据相关性分析原型系统,以期为地震预报的科学决策提供参考。     

基于案例推理的湿法冶金全流程优化设定

湿法冶金全流程具有工况多变、强耦合、非线性等特点,基于机理模型的过程优化控制通常求解困难且难以适应工况变化.为此,提出一种基于案例推理的全流程优化设定方法.由于湿法冶金各生产工序之间存在紧密耦合,运行参数彼此关联,这些关联关系表现为各工况运行参数和各调整变量的优化设定值之间的关系.因此,通过对历史数据进行关联规则挖掘,寻找各运行参数和操作变量的优化设定值之间的规则,将挖掘的规则用于案例修正环节,以解决案例修正中规则难以获取的问题.仿真实验表明,该方法可以提高湿法冶金全流程的经济效益.     

改进的AprioriTid算法在试卷质量评估中的应用

在试卷质量评估中结合定量和定性分析,探讨了如何利用数据挖掘方法中的关联规则算法对学生成绩数据进行关联规则挖掘,并引入改进的AprioriTid算法来分析试卷各项定量评价指标与总体定性评价之间的关系.结果表明改进的AprioriTid算法能对试卷质量作出科学的分析且具有较高的效率.     

稀疏矩阵的关联规则挖掘算法研究

关联规则是数据挖掘中的一种重要模式,自1993年R.Agrawal引入关联规则概念和提出第一个关联规则算法以来,诸多研究人员对关联规则挖掘的算法进行了广泛的研究.但专门研究挖掘稀疏数据的有效算法较少.针对稀疏数据,提出了一个使用简单数据结构——链表的挖掘算法,与其它算法比较,实验结果表明是非常有效的.     

针织物热定型质量因素的团树传播

首先,通过研究针织物热定型过程的生产流程、机械构造,采集生产过程质量数据、工艺数据和设备状态,并分析质量数据异常的原因.然后,通过相关分析确定对热定型克质量有影响的各环节及其对应变量,建立质量因素分析拓扑结构.最后,将各变量纳入具有因果关联的网络结构中,采用基于团树传播算法的贝叶斯推理规则,利用团树间的信息传递计算出各变量对克质量的影响程度.结合某企业实例进行分析,结果表明:文中方法可实现热定型质量指标影响因素的精确定量分析.     

一种挖掘负关联规则的有效方法

负关联规则表示2个项集之间的互斥或否定关系,往往隐藏在数量庞大的非频繁项集中,有很强的相关性且包含了重要的信息.提出了一种基于相关系数和最小兴趣度的挖掘负关联规则的方法,并给出了相应的算法,实验表明该算法能有效提高挖掘效率.     

含负项的关联规则挖掘研究综述

关联规则挖掘是数据挖掘研究的一个重要领域,传统的关联规则仅反映了正项之间的关联关系,无法反映出数据之间隐藏的负关联关系.从以下方面对含负项的关联规则挖掘进行了综述:引入负项的原因,包含正、负项的关联规则概念及相关术语,最新的含负项关联规则研究情况,经典算法的讨论.最后,展望了含负项关联规则领域未来的研究方向.     

基于一卡通数据分析的学生早餐习惯与成绩关联规则挖掘

从一卡通用户消费记录中筛选出学生早饭就餐数据,使用数据规约、数据聚集、特征创建、离散化等预处理方式,抽取就餐次数、时间、时间标准差表征学生早餐特点。运用相关性分析和关联规则的方法对早餐习惯与成绩之间关系进行分析,发现以就餐次数和时间为主要特征的早餐习惯与成绩具有较强的相关性和可靠的关联规则。对教学管理部门而言,可以将分析结果应用到学习成绩预警过程性评价中,从而提高成绩预警的时效性。     

基于运动模型和数据关联的多目标跟踪

在多目标跟踪的拥挤场景中,目标之间的相互遮挡以及目标外观变化,给多目标跟踪中的目标位置预测和数据关联带来了很大的挑战.利用卡尔曼滤波算法建模目标运动模型对目标轨迹进行预测,能够有效缓解目标外观变化的影响.数据关联是多目标跟踪中的重要组成部分,为此,设计了一种相关性网络来处理多目标跟踪中的数据关联.实验结果证明：利用运动模型在跟踪速度上可以实现实时的跟踪效果,设计的相关性网络有效提升了跟踪器的跟踪精度.     

应用立方体工具计算频繁维谓词集的方法

关联规则是数据挖掘中重要的挖掘模式,数据立方体很适合挖掘多维关联规则,多维关联规则挖掘中最重要的工作是频繁维谓词集的获得.具体应用OLAPServices工具有效获得频繁维谓词集的具体方法现有书籍介绍较少.通过一个高校学生信息系统的实际例子,对经由数据立方和MDX语言对有效计算频繁维谓词集的方法进行了有意的探索.     

基于SQL分层抽样的数据挖掘算法的改进

在对数据库聚类分析的基础上进行分层抽样,并使用关联规则,得出了数据之间的潜在关系.同时,对网民健身情况调查数据进行了实证分析,在SQL Server 2005上实现了抽样后的关联规则挖掘,提高了关联的效率,并取得了良好的效果.另外,对关联规则的评估作了一定的改进创新.     

关联规则挖掘法在CRM中的应用

CRM(Customer Relationship Management)是辨识、获取、保持和增加"可获利客户"的理论、实践和技术手段的总称.关联分析是对一些交易数据库进行分析,找出不同商品即数据项之间的联系,关联分析需要通过关联规则进行数据挖掘.关联规则挖掘是从大量的数据中挖掘出有价值描述数据项之间相互联系的有关知识.     

正、负关联规则挖掘算法的实现

关联规则挖掘寻找给定数据集中项之间的有趣关系,是数据挖掘的主要研究方面.传统的关联规则挖掘算法仅能挖掘正关联规则,事实上,负关联规则也包含了非常有价值的信息,对于决策的作用也是不容忽视的.     

基于关联规则挖掘算法的研究

关联规则挖掘是从大量的数据中挖掘出有价值描述数据项之间相互联系的有关知识.对于大型数据库来说,有算法的执行时间太长等问题.分析和探讨了Apriori算法,提出了基于Apriori算法的一种有效的关联规则挖掘算法,减少了数据库I/O操作时间,从而提高了效率.     

基于多次学习和关联度的关联分类改进算法

基于支持度置信度框架的关联分类算法在生成规则时难以提出大量高质量规则,而且在一些数据集尤其是不平衡数据集上,部分训练实例未被产生的关联规则所覆盖,导致算法的分类准确率不高.基于以上问题提出了改进的关联分类的算法(Improved Algorithm based on Multiple learning and Correlation degree,IAMC).首先,在提取规则时,IAMC对训练集进行多次关联分类学习,尽量多地提出高质量的规则.其次,在生成规则时采用综合考虑了置信度,补类支持度的新度量关联度,以提高生成的规则的质量.最后,在关联分类规则提取后,对利用已有规则无法判断类别的和未被已有规则覆盖的训练实例用决策树方法再次提取规则,并加入到规则集中.实验结果表明,IAMC算法能提出更多高质量的规则,在多个UCI数据集上具有较高的分类准确率.