领域知识驱动的医学图像关联模式挖掘算法

根据医学图像领域的相关知识,提出了关键像素区域ROI的概念及其特征属性针对ROI聚类后的图像数据进行挖掘,提出了一种基于对FP-GROWTH算法改进的Diff-FP-GROWTH算法。最后,给出了该算法的实例分析和该算法的实际研究意义。     

关联规则挖掘Apriori算法研究

随着收集和存储在数据库中的数据规模越来越大,人们对从这些数据中挖掘出相应的联知识愈来愈感兴趣,关联规则一个典型的应用实例就是市场购物分析．本文介绍了关联分析的概念Apriori算法及其改进技术,对Apfiori算法地优缺点进行了评价．     

关联规则挖掘算法及其在个性化网站中的应用研究

较为详细地介绍了关联规则挖掘的基本内容和相关算法,给出了在web个性化网站的建设中,利用关联规则挖掘对用户数据进行分析和预测用户行为的一个实例.     

模糊关联规则及其挖掘算法

通过定义模糊事务数据库,用模糊概念表示事务数据之间的关联关系,提出并定义了模糊关联规则的概念,研究了模糊关联的性质,并给出了一种模糊关联规则的数据挖掘算法.     

任意多表间关联规则的并行挖掘

通过关键字等相关属性之间的联系,在不进行连接操作的前提下,探讨任意多表间关联规则的数据挖掘问题。给出相关的数据结构以及具有较好并行度的算法,并对算法作定性分析。     

隐私保护关联规则挖掘算法分析及研究进展

关联规则挖掘可以发现大量数据中项集之间相关联系的知识,隐私保护是当前数据挖掘领域中一个十分重要的研究问题,其目标是要在不精确访问真实原始数据的条件下,得到准确的模型和分析结果.提出了关联规则挖掘形式化定义以及它的基本算法,从关联规则挖掘角度对当前流行的隐私保护关联规则挖掘算法进行了深入浅出的分析和介绍,最后系统回顾了目前人们在数据挖掘领域中对隐私保护关联规则研究的现状,阐述了隐私保护在未来数据挖掘中的发展方向.     

数据挖掘在教务管理中的应用研究

为了全面了解学生在校的学习情况,更客观地了解学校教学对学生学习状况的影响,本文对学生的成绩进行分析,采用了关联规则的Apriori算法挖掘出了学生的前期课程和后续课程之间的关系、理论课程和实验课程的关系、教师对学生学习情况的影响以及高中知识学习情况对大学学习情况的影响。     

一种基于数据库分解的关联规则挖掘新算法

在Fp-growth算法的基础上,提出了一种新颖的关联规则挖掘算法.该算法将大型数据库分解成频繁1-项集的项总数个子集,然后对分解得到的各个数据库子集用Fp-growth算法进行约束项数据挖掘,待所有数据库子集的约束项数据挖掘进行完毕后,再合并这些约束频繁项得到大型数据库的频繁项集.实验结果表明新算法所采用的数据库划分策略克服了FP-growth算法对大型数据库进行挖掘时,占用内存大,运行速度慢的不足,是一种适合于大型数据库的关联规则挖掘算法.     

经典关联规则挖掘算法

数据的挖掘是一门综合的学科,涵盖计算机数据库以及高等数学等诸多学科,对于如何更好地利用分析数据库,学者一直在探索。本文从关联规则基本理论入手,进一步对关联规则挖掘的经典算法Apriori算法和FP-growth(频繁模式增长)算法进行了详尽描述,并提出了两个算法不同的针对点,有助于使用者在应用时根据环境做出适当选择。     

关联规则在高校评教系统的应用

利用关联规则对高校教师进行评价,进而探索受学生欢迎的教师类型．     

负关联规则挖掘算法研究

典型的正关联规则仅考虑事务中所列举的项目.负关联规则不但要考虑事务中所包含的项目,还必须考虑事务中所不包含的项目,它包含了非常有价值的信息.然而,对于负关联规则挖掘的研究却很少,仅有的几种算法也存在一定的局限性.为此,文中提出了一种快速有效的负关联规则挖掘算法MNAR,并给出了一种基于二进制形式的支持数计算方法.理论和实验结果表明算法MNAR是有效和可行的.     

仿射医学图像融合算法

提出了一种仿射医学图像融合方法。以医学图像的象素灰度信息为融合依据,首先根据参考图像的象素值对参考图像进行划分;然后根据该划分对浮动图像进行划分,并假设被划分在同一组中的象素有相似的灰度值;最后迭代地对浮动图像进行仿射变换使得浮动图像中的被划分在同一组中的各个象素间的标准方差最小,实现融合图像象素之间的匹配。由于算法充分利用图像的全部象素的灰度信息,不需对图象进行滤噪等预处理,从而提高算法的精度;该方法采用仿射变换,因而不仅可纠正刚体形变而且可纠正放缩形变,适用于单模及模板融合。     

自动单模医学图像配准算法

提出了一种自动单模医学图像配准方法。首先根据三维医学图像的象素浓度信息计算出三维图像的浓度直方图,再迭代地对图像进行刚体变换使得配准图像间的浓度距离最小,实现配准图像象素之间的一一对应。由于该方法依据医学图像本身的象素浓度信息,而不是人为的外部标志,从而实现图像配准的自动化。     

基于All-confidence的正负关联分类

针对分类中如何有效利用负关联模式提高分类准确率,提出了一种基于正负关联模式的分类算法．利用类Apriori算法挖掘包含正项或／和负项且项与项之间互相关联的正负关联模式来产生分类规则．为提高挖掘效率,先找出能覆盖训练集的信息熵最小k个正,负项．然后,把这k个正／负项分别与其他项进行连接得到相应的正负关联模式．实验表明,该算法有效减少了挖掘的规则数,极大减少了挖掘时间,并提高了分类准确率．     

基于数据垂直分布的模糊关联规则入侵检测算法研究

把基于数据垂直分布的模糊关联规则挖掘算法引入到网络的入侵检测,利用该算法从网络数据集中对采集到的数据进行模糊化的处理,并将数据垂直分布于位图中.利用k-means聚类算法建立属性的模糊集和模糊隶属函数,该算法克服了传统的离散分区法的不足,同时改进了已有模糊关联规则,提取出具有较高可信性和完备性的模糊关联规则.     

一种结合关联与FOIL算法的分类方法

针对如何减少关联分类方法中冗余规则,增加FOIL算法的规则数,以提高分类准确率,提出了一种结合关联与FOIL算法的分类方法,并称之为ACFA．首先,以类支持度和自信度为度量提取长度为1和2的规则,其次,利用Apriori算法挖掘出频繁2-项集F2,然后在频繁2-项集F2申挑选满足条件的频繁项建立候选集,最后在候选集上运用FOIL算法来产生分类规则．实验表明算法ACFA不但有效减少了关联分类方法中冗余的规则,并大大增加了FOIL算法的规则数,提高了分类的准确率．     

Boole矩阵法模糊聚类在地形图数据挖掘中的应用

Boole数形成的λ-截矩阵Rλ能有效的对模糊相似矩阵进行分类,其分类结果与传递闭包法模糊聚类结果一样.但相比传递闭包法,在大容量数据应用中,Boole矩阵法在计算机编程时更容易应用.将Boole矩阵模糊聚类的方法应用在地形图数据分析中,使分析聚类在计算机应用上更容易.