基于FP-Tree的最大频繁项目集更新挖掘算法

发现最大频繁项目集是多种数据挖掘应用中的重要问题．在应用中用户需要调整最小支持度,以发现更有用的最大频繁项目集．为此提出了一种最大频繁项目集更新算法(UMFPA),该算法通过对频繁模式树(FP-Tree)中的频繁项目头表(H Table)增加两个域,从而将减少在数据库不变而最小支持度变化的情况下的更新挖掘最大频繁项目集的费用．实验结果表明,算法在进行最大频繁项目集更新挖掘时具有很好的性能．     

基于接收信号强度预测的自适应垂直切换算法

城市部署的超密集异构无线网络中车辆终端的运动状态和业务类型差异巨大,针对不同运动状态和业务类型的终端并发接入导致的频繁切换和拥塞问题,提出一种基于接收信号强度预测的自适应垂直切换算法。在切换触发阶段使用长短时记忆神经网络预测接收信号强度,在信道链路质量恶化之前提前触发切换,在网络选择阶段综合考虑网络参数以及终端在不同运动状态和业务类型下的接入偏好,并选出综合效益值最高的网络作为切换目标网络。仿真结果表明,该算法能更好地适应终端运动状态和业务类型的变化,能降低不必要的切换次数和网络拥塞度。     

关联规则挖掘的一个高效预处理算法

利用视图机制对原始数据进行预处理,把符合条件的数据和有用的属性放入视图中.根据一维(L1)和二维(L2)中的频繁数据项集对数据库中的属性进行过滤,以达到减少数据属性的目的,从而压缩数据库中的数据,为提高关联规则挖掘算法的性能打下基础.     

基于频繁关键字共现的诗词风格分类模型研究

为了提高宋词文档分类的精确性,本文在广泛采用的向量空间模型(Vector space model,VSM)的基础上,对分类算法中使用的特征项做了相应的修改,提出了频繁关键字共现的概念.在实验过程中,首先提取了宋词语料库中的关键字,再利用发现关联规则的Apriori算法发现分类时所需要的频繁关键字共现,最后结合关键字和频繁关键字共现,利用最邻近算法(KNN)对宋词文档进行风格分类.实验结果发现,结合了频繁关键字共现的VSM可以提高对宋词风格分类的准确度.可见,频繁关键字共现确实提供了风格分类中所需的更多信息.     

基于关联分析的高维空间异常点发现

异常点发现是从大量数据对象中挖掘少量具有异常行为模式的数据对象,很多情况下,这些数据对象较之正常行为模式包含了更多用户感兴趣的信息.该文针对某些具体应用领域中的数据对象具有高维性的特点,利用关联分析知识,提出一种高维空间异常点发现算法,理论分析和实验表明,算法是有效可行的.     

一种改进的关联规则挖掘算法

从大型事务数据库中发现关联规则是数据挖掘中的一个重要课题,其核心问题是挖掘频繁项集.经典Apriori算法是有效的挖掘频繁项目集的算法.在分析Apriori算法的基础上,提出了一种利用二维数组来代替算法中的哈希树的方法,可以迅速产生二阶频繁项目集,改善了Apriori算法的效率瓶颈,大大提高了算法的执行效率.     

基于频繁集的多层次次互式关联规则挖掘

定义了一系列关联规则的相关概念,然后,针对现有的销售事务数据库,提出了一种改进的获取多层次信息方法,并据此对各数据进行压缩编码,减少自理遇时,借助频繁集和交互式技术,实现多个概念层瓷交互式挖掘,以按用户实际需要提取出其感兴趣的关联规则,从而提高了挖掘速度和运行效率。     

基于关联规则的数据挖掘研究

本文介绍了关联规则的概念,并通过一个例子说明了关联规则挖掘的一种算法－－Apriori算法,指出了数据挖掘未来研究的重点和方向。     

一种多段支持度数据挖掘算法

本文以分段计算支持度为重要思想,通过分段计算各项集支持度,确保各段记录出现在相应规模事务中所形成的频度,进而构成支持度向量,加上项集多段支持度,实现大规模频繁项集的有效推测。该算法可提高数据库扫描过程中的信息获取率,从而缩减项集规模,并按照文中定理1这一思想对数据集进行及时调整,从而实现频繁项集生成效率的不断提高。