关联规则挖掘的算法研究

数据挖掘是近年来出现的一种综合机器学习、统计学、数据库等众多领域的新技术,而关联规则是数据挖掘的核心技术。本文通过对关联规则挖掘算法的分析,给出了优化思想,最后展望了关联规则挖掘的未来方向。     

Naive Bayes算法在垃圾邮件过滤系统中的应用与改进

垃圾邮件是Internet上普遍面临的问题,Naive Bayes算法由于其简单高效性在文本分类中应用较广。文章重点阐述了Naive Bayes算法在基于内容的垃圾邮件过滤中的应用及改进,并进行了实验,获得了良好的分类效果,实验论证了它在垃圾邮件过滤中的可行性和有效性。     

数据挖掘中朴素贝叶斯分类器的应用

朴素贝叶斯分类是数据挖掘中应用非常广泛的一种分类方法,本文利用该分类方法对高职院校教师测评数据进行了数据挖掘,提高了教师评价的科学性、客观性,从而更好地服务于教学.     

可视化电磁检测系统的研究

可视化电磁检测系统由hemhez磁化器、大功率磁化电源、磁敏探头、弱信号放大处理机构、A/D转换器、计算机检测及可视化软件、缺陷定位标记机构等部分组成。在检测过程中,用电磁方法检取管道质量信息,由A/D接口卡对信号进行采样、量化,由计算机进行运算、分析和比较,识别出有危害的管道缺陷的参数、等级和位置,建立实时监控图形。与水压、涡流、超声及照相等方法比较,可视化电磁检测系统使对管道缺陷的检测具有直观明了、快捷方便等特点。     

基于领域知识的冗余关联规则消除算法

关联规则挖掘算法用于从大型数据库中提取感兴趣的规则,然而,在领域知识中已经能清晰表示的知识并没有被充分考虑,关联规则挖掘算法提取的规则中包含了大量已知的关联性,从而产生了很多冗余规则.文章提出一种算法DKARM,同时考虑了数据本身以及相关的领域知识,以消除在领域知识中清晰表示的已知关联性.实验表明,该算法合理消除了冗余规则,有效降低了规则数目.     

一种基于UFFT的数据流分类器

文章提出一种基于极速决策森林(UFFT)的加权装袋算法(UFFT_wb),它采用加权装袋算法模型,以UFFT算法构建基分类器.实验表明,该算法具有确定分割点及选择分割属性花费时间少、构建新结点占用空间小及可以增量式构建等特点,与基于C4.5算法的加权装袋算法模型相比,在保持相似精度的基础上,时间性能有一定程度的改进.     

均匀设计在数据挖掘中的应用

KDD以及DM技术的广泛应用,使人们从大量数据中提取知识成为可能,可是随着处理的数据库规模的不断扩大,现有的挖掘方法就显得无能为力了。文章主要将试验设计中的均匀设计思想应用于数据挖掘问题中,利用均匀设计的选点方法在已有的数据库中挑选出具有代表意义的数据组成新的决策表,再使用已有的挖掘算法对其进行处理,得出最终的挖掘结果。     

一种基于Rough集的数据归约算法的实现

粗集是一种处理模糊和不确定性数据的工具 ,数据归约是粗集理论中重要的内容 .现已证明寻找信息系统的最小归约是 NP问题 .通过分辨矩阵和属性的依赖程度 ,消去冗余数据 ,得到一种最小归约集 ,并通过实例验证该算法的可行性 .     

基于依赖度求解属性约简的方法

针对传统属性集和依赖度概念的局限性,定义了新的属性集和依赖度概念,通过不同的多属性集依赖度的研究,给出了从属性集依赖度出发求解属性约简和核的方法,即依赖度法,开辟了独立于分辨矩阵法之外又一新途径.研究表明,依赖度法的时空性能比分辨矩阵法更加优越.     

一种基于属性重要性的属性约简启发式算法

属性约简是粗糙集理论研究中的关键问题之一.文中定义了一种新的属性重要性度量准则,克服了多值偏向性问题,并给出一种新的属性约简算法.该算法以核属性集为初始约简集合,以新的属性重要性度量准则为启发信息,通过逐步加入相对于决策而言重要的条件属性来求取最小约简.实例分析表明该算法是有效的.