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     

基于频繁模式树的关联分类规则挖掘算法

构建精确而有效的分类器是数据挖掘和机器学习中的一个重要任务．提出了一种基于频繁模式树的关联分类规则挖掘算法,该算法同时考虑所有属性,并对现有关联分类规则挖掘算法中内存要求高、类别属性处理难、I／O访问次数多等问题提出了相应的解决方案．试验结果表明,该方法可以取得比同样基于关联规则的分类算法CMAR更高的执行效率以及基于规则的决策树分类算法C4．5更好的分类效果．     

IDSG:一种新的频繁序列挖掘算法

在研究已有算法的基础上提出了一种频繁序列挖掘算法IDSG.该算法通过在频繁项(而不是频繁项集,即无需先求出所有频繁项集)间建立关联图,并在垂直数据库表达的基础上,借助简单的时态连接得到频繁序列完全集.整个过程只需扫描原始数据库两遍,有效减少磁盘I/O.另外,优化策略的正确运用,有助于减少候选序列的个数.分析及实验表明,较之同类算法,算法IDSG在效率上有了明显提高.     

无界算子频繁超循环性的判定准则

基于闭算子的性质，我们将频繁超循环性从有界线性算子的情形推广到无界线性算子的情形，从而给出一个使得无界线性算子频繁超循环的充分条件。     

舆情信息对投资者频繁交易的影响研究

大数据环境下,互联网与新媒体的飞速发展加快了网络舆论的流动性,也影响到投资者的交易行为。我国机构和个人投资者普遍偏好短线交易,大量舆情信息的冲击更容易使投资者增加交易频次。本研究借鉴已有研究成果,选取2019年9月至2022年9月与舆情相关的概念股,研究舆情信息传播与投资者频繁交易之间的关系,研究发现：（1）舆情信息的传播增加了投资者的交易频次;（2）舆情信息的传播虽然使投资者频繁交易,但并没有促成过度交易;（3）舆情信息通过吸引投资者的关注从而促使投资者产生频繁买卖的行为。研究结论对投资者正确看待舆情信息、监管当局关注媒体舆论导向和金融市场稳定发展具有重要的现实意义。     

基于投影二维表的最大频繁模式挖掘算法

PITable-MAX是基于投影二维表的最大频繁模式挖掘算法。算法只需要遍历一次事务数据库,并将数据信息存入投影数据库中,在挖掘事务项时才会从投影数据库中提取相关的数据信息生成投影二维表,从而减少对内存空间的占用,算法虽然采用递归方式,但组合策略可实现减少条件投影二维表的规模,以达到减少空间;并结合减挖策略来减少挖掘事务项的个数,以达到提高挖掘效率的目的;实验验证了算法的可行性和优越性。