中间存储的联机分析关联规则挖掘方法

针对“挖掘不同支持度下的关联规则需要反复扫描多维数据库所带来大量的系统I／O开销”这一缺限,提出一种基于中间存储的联机分析关联规则挖掘OLAM方法．在自行开发的联机分析处理OLAP的基础上,对待分析的多维数据集利用BCTree存储谓词集频度索引数,利用改进的Apriori关联规则挖掘算法分析用户感兴趣的维度,减少挖掘维度的个数,提高了反复挖掘的系统效率和系统针对性．生产数据证明了该方案的正确性和有效性．     

关联规则在中医方剂数据集市中的应用

中医药学是中华民族的文化瑰宝,从古至今,积累了海量的数据,采用数据仓库和数据挖掘技术可以从中获得有价值的知识.本篇论文介绍了如何构建中医方剂数据集市,从而对中医药数据进行OLAP(联机分析处理),以及如何采用关联规则技术挖掘中医药数据,并取得了良好的实验效果.     

基于DM和OLAP的地理信息决策支持系统研究

研究在应用程序中融合使用数据挖掘(DM)和联机分析处理技术(OLAP)的方法,在此基础上提出了一种基于DM和OLAP的决策支持系统(DSS)的结构,研究了基于SQL Server数据挖掘的三种解决方案,将DM算法和OLAP集成到DSS中,并应用于地理信息系统(GIS)的数据处理和模式识别,以实现船舶跟踪和航线优化．     

基于数据立方体的维内关联规则挖掘算法

针对数据立方体的结构特点，结合联机分析处理技术，提出了两种基于数据立方体的维内关联规则挖掘算法，以合肥农河超市实际数据作为测试数据，给出了两种算法的实验结果，结果表明，两种算法在不同支持度情况下执行效率存在明显差异，分别适合在高支持度和低支持度情况下进行关联规则挖掘。     

基于OLAP的多维关联规则挖掘研究

针对数据仓库中的多维数据模型及OLAP技术,给出了一套行之有效的基于OLAP的元规则指导的多维关联规则挖掘方案,最终挖掘出用户真正感兴趣的概念层次合理的多维关联规则.实验结果表明该方案是有效的.     

面向商业OLAP的并行数据抽取接口设计

商业竞争日趋激烈的今天,单纯的联机事务处理系统已经不能满足管理者的决策支持要求,联机分析处理(OLAP)技术的出现具有重要意义.研究了目前联机分析处理的关键技术,数据仓库的经典解决方案,数据预处理的相关方法,提出了一种面向商业OLAP的并行数据抽取接口设计方案,并对设计过程中的数据清理、数据集成和变换、数据归约等数据预处理技术作了重点介绍和应用研究.最后结合实际应用阐明了提出的数据抽取方案对于实现商业OLAP功能的有效性和实用性.     

基于快速隐私保护关联规则的挖掘算法

随着数据库规模的日益增大,关联规则挖掘需要在挖掘效率、可用性、隐私性及精确性等方面得到提升,需要对传统的关联规则挖掘算法进行更新和改进。在传统的Apriori算法基础上,提出了一种新的在关系数据库中挖掘关联规则的算法。该算法只需扫描一次数据库即可得到频繁项集,并通过非频繁项集来减少候选项集的生成,从而提高了算法的运算效率;此外,该算法将包含敏感数据事务做相关的处理,以达到隐藏包含敏感数据的关联规则。理论分析和实验结果表明,新算法不仅提高了关联规则挖掘的效率,而且还达到了隐藏包含敏感规则的目的。     

基于快速隐私保护关联规则的挖掘算法

随着数据库规模的日益增大,关联规则挖掘需要在挖掘效率、可用性、隐私性及精确性等方面得到提升,需要对传统的关联规则挖掘算法进行更新和改进.在传统的Apriori算法基础上,提出了一种新的在关系数据库中挖掘关联规则的算法.该算法只需扫描一次数据库即可得到频繁项集,并通过非频繁项集来减少候选项集的生成,从而提高了算法的运算效率;此外,该算法将包含敏感数据事务做相关的处理,以达到隐藏包含敏感数据的关联规则.理论分析和实验结果表明,新算法不仅提高了关联规则挖掘的效率,而且还达到了隐藏包含敏感规则的目的.     

一种实现OLAP数据隐私保护的方法

提出一种对于联机分析处理（OLAP）数据的隐私保护方法。首先采用多项式回归的方法对查询数据进行初步模拟,在初步模拟基础上提出了两类有效的规则进行优化处理。该方法在隐私保护的同时保持了较好的信息有效性。同时利用Kullback-Leibler信息量来描述OLAP模拟数据的信息有效性,解决了有效性难以评价的问题。实验表明该方法在隐私保护和信息有效性两个方面均取得了满意的结果。     

FOLAPE：基于位向量索引的快速OLAP引擎研究

提高联机分析处理OLAP效率是学术界和工业界共同关注的课题.传统OLAP在处理复杂应用时,运算代价随维度增大而增大,为解决这一问题,做了如下工作:(1)分析现有OLAP模型的不足,设计了一种采用位向量索引技术的快速OLAP模型,FOLAPE;(2)FOLAPE支持索引的增量式更新,提高了数据更新效率;(3)针对FOLAPE特点,设计了新的聚集函数算法;(4)在真实数据上进行了实验验证.实验表明,FOLAPE相对于最新OLAP模型,其平均查询时间最低减少90%,最高减少95%,同时存储空间需求也显著降低.     

基于关联的自适应分类规则发现模型

为了对现实中的大规模数据集进行分类挖掘，提出了一个基于关联的自适应分类规则挖掘模型，研究了该模型在预处理、多层分类规则的挖掘、算法的可扩展性、效率和输入参数的自适应等方面的技术和方法．     

基于事例的自适应关联规则挖掘模型的研究

认为传统的关联规则挖掘模型主要是针对结构化数据 ,其可信度和支持度不能随环境的变化自适应调节 ,即缺乏自适应性 ,而现实中还存在大量非结构化的数据 .针对传统发现模型的不足提出了一个基于事例的自适应关联规则发现模型 ,它不仅可以处理对非结构化数据的数据挖掘 ,而且还可以随着环境的变化自适应调节支持度和可信度 .     

Apriori算法的改进

介绍数据挖掘中关联规则的情况.在分析关联规则挖掘算法的基础上,对经典Apriori算法进行改进,改进算法意在通过减少生成候选频繁项集的数量和扫描数据库次数.从而,加快算法的执行效率和节省空间.     

基于概念分层关联规则挖掘的研究

通过加权平均算法(ML_TWA)发现多层关联规则.该算法针对现有多层关联规则挖掘中存在阈值定义不合理的情况,依据多层数据的特点,提出了一种加权平均阈值估计方法,来提高挖掘效率和结果的准确性.实验结果证明这种算法是有效的.     

一种基于关联挖掘的缺省规则更新算法

为了解决缺省关联规则的增量挖掘问题,在算法DRMBAR的基础上,结合粗糙集理论及频繁模式树结构,提出了一种基于关联规则的缺省规则更新算法IADRBAR,该算法主要考虑最小支持度发生变化时缺省规则的更新问题,即在新的最小支持度下,如何高效地生成新的关联规则. IADRBAR在最坏的情况下仅须扫描决策表一遍,并利用上一次已经挖掘出的频繁项目集及关联规则,有效地提高缺省规则的更新效率.理论分析和实验结果表明算法是有效可行的.     

基于Apriori算法的多维关联规则挖掘研究

关联规则是数据挖掘中的一个重要研究方向.经典的Apriori算法是一种最有影响的挖掘布尔型关联规则频繁项集的算法,但其并不适合挖掘近年来兴起的多维数据模型.在改进Apriori算法的基础上,提出了一种"二次剪枝"的算法,此算法适用于挖掘多维关联规则,并且在一定程度上提高了算法效率.     

基于关联规则数据挖掘的梭式窑燃烧控制专家系统的研究

为实现梭式窑燃烧控制运行的空燃气优化配比以及温度控制科学决策,研究并设计出一种基于关联规则数据挖掘的专家系统。详细地论述了数据挖掘基础知识以及使用关联规则理论挖掘的方法。重点设计并介绍了燃烧控制专家系统的各个部分详细组成。最后还给出了基于关联规则的燃烧控制专家推理算法并进行了实际应用举例。实践表明,该专家系统模型适应性好,推理结果可靠稳定,具有比较好推广应用价值。     

时态关联规则研究与应用

传统关联规则挖掘很少考虑关联规则的时间适用性.时态关联规则是指带有时态约束的关联规则,每个关联规则都有着其成立的时间区域.结合其他算法的特点,提出了基于Fisher聚类的时态关联规则挖掘算法(TApriori算法),它能够动态地发现关联规则以及关联规则有效的时间区域.实验结果证明该算法是合理有效的.最后,结合具体CRM项目的特点,讨论了在CRM引入数据挖掘的体系结构,给出了一个应用.