期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

改进的FUP算法在五金产品质量分析系统中的应用 被引量：1

Application of improved FUP algorithm on hardware product quality analysis system
下载PDF
导出
摘要 以阀门作为五金产品质量数据分析的实例,对阀门产品质量数据进行分析,主要是分析阀门产品的缺陷数据。针对传统的增量式关联规则算法FUP没有考虑到数据的时间属性,在FUP算法的基础上提出一种改进算法,并且将改进的FUP算法运用到产品质量分析系统中。通过实验结果对比发现,使用了改进算法以后,原来的许多规则已经不在生成的规则列表中出现,而一些新的规则被生成了。 以阀门作为五金产品质量数据分析的实例,对阀门产品质量数据进行分析,主要是分析阀门产品的缺陷数据。针对传统的增量式关联规则算法FUP没有考虑到数据的时间属性,在FUP算法的基础上提出一种改进算法,并且将改进的FUP算法运用到产品质量分析系统中。通过实验结果对比发现,使用了改进算法以后,原来的许多规则已经不在生成的规则列表中出现,而一些新的规则被生成了。
作者 李松生 赵燕伟 顾熙仁
机构地区 上海大学机电工程与自动化学院 浙江工业大学 特种装备制造与先进加工技术教育部重点实验室
出处 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2012年第S1期251-254,共4页 Journal of Jilin University:Engineering and Technology Edition
基金 国家自然科学基金项目(60970021)
关键词 计算机应用 关联规则 缺陷数据 FUP算法 质量分析 computer application association rules defect data FUP algorithm quality analysis
分类号 T-55 [一般工业技术]
  • 相关文献

参考文献6

  • 1郭鸿,黄桂敏,周娅.基于Kademlia的下关联规则挖掘算法研究[J].计算机工程与设计,2011,32(1):221-223. 被引量：2
  • 2武建华,沈均毅,王元元.一种改进的关联分类算法[J].计算机工程,2009,35(9):63-65. 被引量：6
  • 3Agrawal R,Imielienski T,Swami A.Mining association rules between sets of items in large databases. Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data . 1993
  • 4Agrawal R,Srikant R.Fast algorithms for Mining Association Rules. Proc.20th Intl Conf.Very Large Databases . 1994
  • 5David W.Cheung,Jiawei Han,Vincent T.Ng,et al.Maintenance of discovered association rules in large databases: an incremental updating technique. Proceedings of the 12th International Conference on Data Engineering . 1996
  • 6Cheung D W,Lee S D,Kao B.A general incremental technique for maintaining discovered association rules. Proceedings of the Fifth International Conference onDatabase Systems for Advanced Applications . 1997

二级参考文献9

  • 1陈耿,朱玉全,杨鹤标,陆介平,宋余庆,孙志挥.关联规则挖掘中若干关键技术的研究[J].计算机研究与发展,2005,42(10):1785-1789. 被引量：62
  • 2Quinlan J R.Induction of Decision Tree[J].Machine Learning,1986,1(1):81-106.
  • 3Agrawal R,Imielinski T,Swanmi A.Mining Association Rule Between Sets of Items in Large Database[C]//Proc.of the ACM Conf.on Management of Data.Washington D.C.,USA:[s.n.],1993.
  • 4Hu Keyun,Zhou Lizhu.Integrating Classification and Association Rule Mining[C]//Proc.of the 4th ACM Conf.on Knowledge Discovery and Data Mining.New York,USA:[s.n.],1998.
  • 5Azizol Abdullaha,Mohamed Othman,Md Nasir Sulaiman.Data discovery algorithm for scientific data grid environment[J].Journal of Parallel and Distributed Computing,2005(65): 1429-1434.
  • 6Agrawal R,Ramakrishnan S. Fast algorithms for mining association rules in Large Databases[C].Santiago,Chile:Proceedings of the twentieth International Conference on Very Large Databases, 1994:487-499.
  • 7Jong Soo Park,Ming Syna Chan,PhiliP S Yu.An effective parallel data mining of association rules [OL]. http://www.citeseer. com.cn,2003:1 - 12.
  • 8Rak R,Kurgan L A,Reformat M.Multilabel associative classification categorization of MEDLINE articles into Mesh keywords- An intelligent data mining technique to more accurately classify large volumes of documents[J]. IEEE Engineering in Medicine and Biology Magazine,2007,26:47-55.
  • 9Uno T, Kiyomi M,Arimura H.Lcm ver.2:Efficient mining algorithms for frequent/closed/maximal itemsets [C]. Goethals B, Zaki M J, Bayardo R. Brighton, UK: Proceedings of the IEEE ICDM Workshop on Frequent Itemset Mining Implementations (FIMI'04),volume 126 of CEUR Workshop Proceedings,2004.

共引文献5

同被引文献8

引证文献1

二级引证文献3

吉林大学学报（工学版）
2012年 第S1期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部