超市消费行为分析中的增量挖掘系统原型

介绍了一个应用增量更新技术开发的超市消费分析系统原型,源数据库已有的分析模型,对新数据进行增量挖掘,减少了对数据库扫描的次数,提高运行效率,加快了系统的反映速度,符合CRISR-DM模型的要求,具有一个实用的数据挖掘系统的特征.     

一种改进的关联规则增量更新算法

数据挖掘技术引起了数据库和人工智能等领域的专家和学者的广泛关注。关联规则的挖掘是数据挖掘研究的一个重要领域,本文分析了经典的增量更新算法FUP的不足,提出了一种改进的增量更新算法EFUP,详细论述算法思想,并与FUP算法比较分析,表明了该算法的优越性。     

一种新的加权关联规则增量更新算法

考虑事务数据库D长度不变、项目集I发生变化并且带有权重时的关联规则挖掘问题,提出了一种针对项目集增加的加权关联规则更新算法,解决了增加项目集的加权关联规则更新问题,与对新数据库重新运行算法相比,其运行效率有显著提高.     

一种关联规则增量更新算法

关联规则是数据挖掘领域的一个重要分支,而发现频繁项目集是关联规则数据挖掘中的关键问题.频繁项目集是在给定的交易数据库D下满足最小支持度和最小置信度下的一个项目集合,但随着数据集的增减,就会产生不同的频繁项目集.如何发现在数据集变化情况下频繁项目集快速和高效地更新是文中解决的问题.为此提出了一种改进的增量更新算法,实验结果表明此算法有较好的效果.     

一种基于关联规则的增量数据挖掘算法

分析了关联规则增量更新挖掘算法FUP和IUA,指出了其效率低下的主要原因.针对关联规则增量更新问题,提出了一种新的简单高效的增量挖掘算法LIUA,并对算法LIUA进行了测试,测试结果表明算法是高效、可行的.     

NPSP:一种高效的序列模式增量挖掘算法

提出了一种称为“异构树”的数据结构,采用一套编号规则对异构树的分支进行编号,使具有相同编号的分支代表相同的候选序列,编号不同的分支代表不同的候选序列,极大地简化了候选集计数过程,在此基础上提出了具有增量挖掘功能的序列模式高效挖掘算法NPSP,并从理论分析和实验两方面证明了其挖掘结果集的完备性和算法的高效性．     

小型超市数据仓库系统SMDW的研究与实现

介绍了独立开发的小型超市数据仓库系统ＳＭＤＷ Ｖ１．０的主要功能，用户界面及设计开发中遇到的特殊困难和相应解决方法，并介绍该系统在关联规则挖掘中实现Ａｐｒｏｒｉ算法的具体措施。     

数据挖掘在超市管理中的应用

针对当前在大型连锁超市中采购、存储、销售的庞大数据需要合理的存储、分析、查询的实际问题,采用了数据挖掘的方法,在理论上介绍了数据挖掘技术的相关知识及其在超市管理中的应用,以超市营销管理作为实例,详细描述了数据挖掘的整个分析、设计及应用过程,并对国内数据挖掘应用的现状进行了分析.结果对数据挖掘在实践应用上的一个理论指导,配合特定算法后将在实践中有着一定的应用前景.     

基于竣工测量数据的基础地理信息数据库增量更新技术研究

本文基于笔者多年从事城市竣工测量的相关工作经验,以城市竣工测量数据在城市基础地理信息数据库增量更新中的应用为研究对象,论文分析了竣工测量作为城市大比例尺地形图更新途径的理论基础,进而结合笔者实践给出了具体的更新方法,全文是笔者长期工作实践基础上的理论升华,相信对从事相关工作的同行能有所裨益。     

一种分类挖掘算法及其应用

提出一种增量式混合型分类挖掘算法,将基于概率论的符号学习与神经网络学习相结合,能够对既包含离散属性又包含连续属性的多个概念进行有效的分类处理,且具有较强的增量挖掘能力。该算法在法院决策支持系统中得到了运用,取得了较好的效果。     

一种挖掘序列模式的增量式更新算法

讨论了当从序列数据库中删除某些信息时，序列模式的更新维护问题。提出了一种新的算法MA_D（Maintaining Algorithm while Deleting information）, 处理因数据库更新而引起的序列模式的维护问题。该算法充分利用在前次模式挖掘过程中得到的信息，降低了挖掘新的序列模式的开销。实验分析表明，该算法对于序列模式的维护是十分有效的。     

一种有效的关联规则增量式更新算法

本文针对在事务数据库不变 ,最小支持度和最小可信度发生变化的情况下 ,如何进行关联规则的维护问题进行了研究 ,并提出了一种有效的增量式更新算法     

关联规则增量式更新算法

讨论了关联规则的更新问题，对关联规则的增量式更新算法IUA进行了分析，指出了其存在的问题和出现问题的原因，提出了一种改进的关联规则更新算法UA．对各种情况下关联规则的更新问题进行了讨论，说明了其均可以转化为数据库不变、支持度改变的情况来讨论，UA算法在充分利用原有信息的基础上，提高了算法的效率。     

A new incremental updating algorithm for association rules

Incremental data mining is an attractive goal for many kinds of mining in large databases or data warehouses. A new incremental updating algorithm rule growing algorithm (RGA) is presented for efficient maintenance discovered association rules when new transaction data is added to a transaction database. The algorithm RGA makes use of previous association rules as seed rules. By RGA, the seed rules whether are strong or not can be confirmed without scanning all the transaction DB in most cases. If the distributing of item of transaction DB is not uniform, the inflexion of robustness curve comes very quickly, and RGA gets great efficiency, saving lots of time for I/O. Experiments validate the algorithm and the test results showed that this algorithm is efficient.     

A new incremental updating algorithm for association rules

Incremental data mining is an attractive goal for many kinds of mining in large databases or data warehouses. A new incremental updating algorithm rule growing algorithm (RGA) is presented for efficient maintenance discovered association rules when new transaction data is added to a transaction database. The algorithm RGA makes use of previous association rules as seed rules. By RGA, the seed rules whether are strong or not can be confirmed without scanning all the transaction DB in most cases. If the distributing of item of transaction DB is not uniform, the inflexion of robustness curve comes very quickly, and RGA gets great efficiency, saving lots of time for I/O. Experiments validate the algorithm and the test results showed that this algorithm is efficient.      

多层次关联规则的增量式更新算法

目前已经提出的许多关联规则发现算法,大多数用于高效地发现大规模数据库中的关联规则,而对关联规则维护问题的研究工作却很少.文章提出一种增量式更新算法--IUPA(Incremental Updating Algorithm),用来解决多层次关联规则高效更新问题.     

基于加权关联增量更新模型的设备故障诊断研究

利用数据挖掘技术对设备监测数据进行分析,可以建立较准确的故障诊断及预警模型,但随着故障数据库的扩大,如何利用新增数据进行快速诊断成为急需解决的问题。针对上述问题,提出了加权关联规则增量更新模型,该模型直接对新增数据进行频繁项集挖掘,在一定程度上缩减了矩阵规模。通过算例证明了其挖掘结果的准确率明显优于经典的增量模型-FUP。