基于多维数据的关联规则算法

通过分析多维数据对象属性的关系，结合联机分析处理技术，在建立数据立方体(Cube)的基础上，提出一个基于多维数据的关联规则算法，可以有效提高规则发现和数据挖掘的效率。最后，通过实践证明该算法有效。     

基于关联规则的HLA动态数据分发策略

针对HLA数据分发,提出了基于关联规则的动态数据分发策略,主要工作有:(1)提出基于关联规则的动态数据分发思想。(2)设计了描述仿真系统成员之间数据交互情况的发布订购树(PS-Tree)。(3)基于PS-Tree挖掘关联规则,实现动态数据分发策略。(4)给出动态数据分发策略性能的量化分析。实验结果说明动态数据分发策略通过提高组播资源利用率,有效实现了基于值的数据过滤,减少了冗余数据的发送与接收,从而提高仿真系统的实时性、稳定性。     

元启发式数据关联的多目标跟踪方法

提出了一种元启发式数据关联的多目标跟踪方法。首先,该方法根据跟踪门逻辑确定目标的有效量测。然后,利用滤波信息的似然函数描述量测点与目标之间的关联关系,并建立约束条件下多目标数据关联模型。最后,对蚁群优化算法进行改进设计,引入量测剔除策略,将求解问题转化为无约束的组合优化形式,从而利用蚁群优化算法在离散空间的启发式机制搜索量测与目标的最佳关联。仿真结果表明,该方法可以有效实现多目标数据关联且计算量较小,具有一定的工程实用价值。     

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.     

基于模糊动作关联规则挖掘的合作企业间关系价值

根据合作制造企业间关系的特点,界定了企业关系价值的基本内涵及其构成维度.针对提升企业关系价值问题,提出了模糊动作关联规则的概念.在结合动态模糊逻辑理论的基础上,定义了动态模糊隶属度函数,并给出模糊动作关联规则的相关定义及确切的形式化描述.同时,设计了FARM模糊动作关联规则算法对提升企业关系价值的规则进行挖掘.实验结果表明,该方法不仅能有效地解决企业关系价值提升问题,而且可以为企业决策者制定合作策略提供有利的决策依据.     

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.     

基于抽样和规则的不平衡数据关联分类方法

不平衡数据的出现给传统关联分类算法带来了巨大的挑战.为了提高关联分类方法对不平衡数据集的分类精度,本文分别从数据和规则层次着手,提出了关键值抽样法(key value sampling,KVS)和规则验证法(rule validation,RV).关键值抽样法通过增加与少数类相关性强的数据,减少与多数类相关性弱的数据来达到数据类分布平衡.避免了大量有效信息的流失,并且增强了与少数类相关性强的数据信息.规则验证法对初步生成的分类器进行了规则验证,并对分类性能不好的规则进行调整,从而保证了分类器中规则的质量.实验表明,本文中的研究方法能够有效提高关联分类方法处理不平衡数据的精度.     

基于轨迹数据的大规模路网交通拥挤时空关联规则挖掘

提出了K近邻RElim（K neighbor-RElim,KNR）算法和时序K近邻RElim（sequential KNbr-RElim,SKNR）算法,利用大规模路网的车辆轨迹数据来挖掘路段拥挤关联规则和拥挤传播时空关联规则。其中KNR算法在RElim算法基础上拓展了空间拓扑约束,可高效从大规模车辆轨迹数据集中挖掘路网中关联性拥挤易发路段,并量化这些路段间拥挤的关联性强度。而SKNR算法进一步以滑动窗口的形式拓展时间维度,可以挖掘出大规模路网中难以直接观测的拥挤传播现象,并追溯拥挤传播路径。以成都路网和车辆轨迹数据的挖掘结果对所提出的算法进行了说明和验证,结果表明了算法的有效性和鲁棒性。     

基于关联规则的ABC库存分类方法

库存管理是工业工程中普遍存在的基础管理,由于库存项目繁多,一般需要进行有重点的分类管理.ABC分类法一直被广泛应用于很多场合,其基础是将库存项目按照某类价值进行由高到低的排序,然后根据2-8原则分段划分ABC类型.然而,商品项目的价值不仅仅来源其自身的销售价值,还受到其它项目的影响,如"交叉销售"效应(cross-sal e effect).本文研究了在考虑交叉销售效应影响下的项目重要度评价问题,给出了一种基于关联规则的项目重要度评价指标,称为"期望金额占用",并在此基础上给出了新的库存 ABC分类方法.通过简单算例和benchmark数据集的计算,验证了算法的效率和效果.实验计算表明,新算法下的分类结果与传统ABC分类结果之间存在着不可忽略的较大差异.     

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.     

数据库中布尔型及广义模糊型加权关联规则的挖掘

数据挖掘主要是用来找出隐藏在数据库当中那些有用的而未被发现的知识本文我们引入布尔型加权关联规则和广义模糊型加权关联规则的概念,并分别给出挖掘这些规则的计算方法.     

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。     

基于共同机制的时间序列关联模式挖掘系统及其应用

提出了一种针对不同时间序列间关联模式的发现方法,并阐述了以该方法为基础而构建的关联模式挖掘系统的结构.系统按步骤主要分成序列分割,模式聚类和关联模式挖掘三个部分.其中关联模式的发现基于共同作用机制的思想,即两个不同的时间序列之所以出现频繁的关联模式,必定存在某种共同机制的作用或者二者本身之间有某种因果关系.通过定义可靠度来度量作用强度,并以此作为阈值约束,大大降低了算法的复杂性,伸缩性好,产生的关联模式数量适当.将其应用于股市关联变动模式的发现验证了其有效性.     

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…     

分布式系统中的元挖掘研究

针对分布式系统中的数据挖掘问题,提出了一种新颖高效的分布式元挖掘方法。该算法只需在各自站点扫描局部数据库两次即可形成局部和全局频繁项集,并根据局部和全局频繁项集形成相应的关联规则集及元规则集。在形成元规则集时无需扫描各站点中的关联规则集,这样既减少了分布式系统中需要的通信交换的数据量,也减少了各站点中的扫描数据量。研究表明所提出的算法是有效的。     

Expert System Based on Data Mining and Neural Networks

1　 IntroductionAlthough there are momentous progresses and application in Expert System ( ES) [1 ] ,thereare some innate limitations resulting from its symbolic information processing mechanism.Here are some problems listed below:the bottleneck of knowledge acquisition,the frailtyof knowledge,the monotony of inference.So a lot of researchers have advanced manyfresh theories and methods. For example,the knowledge representation includes:theobject-oriented and prototype representation techniq…     

用神经网络来挖掘数据库中的关联规则

在数据库中进行数据挖掘的方法有多种,神经网络方法是其中之一,在某些场合下神经网络方法有它的优势。本文讨论了一种适用于知识发现的神经网络模型,并给出了神经网络知识发现系统的设计过程,最后讨论了该方法的优缺点。     

一种高效的关联规则更新算法

在大型数据库中 ,数据不是静止的 ,新的记录需要不断地增加到旧的数据库中 ,而从旧的数据库中挖掘出来的关联规则必须加以维护 ,为此提出了一种关联规则更新算法。该算法既能有效地利用已经发现的知识 ,又能减少数据库的扫描次数 ,同时只需产生少量候选集。实验表明 ,该算法的执行效率比现有的典型更新算法高 ,是一种有实际应用价值的、高铲的关联规则更新算法。