期刊文献+

一种新的增量式关联规则数据挖掘方法研究 被引量:10

Study on a new method of incremental association rule data mining
下载PDF
导出
摘要 本文介绍了一种实用的增量式关联规则数据挖掘方法,它映射数据挖掘空间到图像空间,并利用数字图像显示及存储的特点,结合增量事务的挖掘过程进行挖掘。该方法在一定程度上提高了关联规则数据挖掘的实时性,对于数据集及支持度的变化具有很好的适应性。通过铝电解现场采集数据挖掘实践证明,此增量式挖掘方法简单有效,具有很强的实用性;同时为提高铝电解生产的管理水平,提供了一种对工人操作可靠性、系统控制稳定性衡量的客观评价手段。 This paper describes a practical method for incremental association rule data mining. Mapping data mining space into image space, the method combines mining process of incremental transactions and mines data using the display and storage features of digital image. The method improves the real-time quality of data mining to a certain extent and gets good adaptability on the change of dataset and support. Experiments on the real data of aluminum reduction production prove that the proposed method is easy, effective and has high practicability. Moreover, in terms of improving the management level of aluminum reduction production, the proposed method provides an objective judgment measure to evaluate the worker operation reliability and system control stability.
作者 王晗 孔令富
出处 《仪器仪表学报》 EI CAS CSCD 北大核心 2009年第2期438-443,共6页 Chinese Journal of Scientific Instrument
基金 国家863计划项目(2006AA04Z212) 河北省自然科学基金(F2004000252)资助项目
关键词 数据挖掘 映射 增量事务 data mining mapping incremental transaction
  • 相关文献

参考文献9

二级参考文献40

  • 1何友全,肖建,黄碧霞,雷妍,熊启军.一种用于数据挖掘的二进制挖掘算法[J].计算机应用研究,2004,21(5):15-16. 被引量:3
  • 2韩学山,柳焯.考虑发电机组输出功率速度限制的最优机组组合[J].电网技术,1994,18(6):11-16. 被引量:88
  • 3颜跃进,李舟军,陈火旺.一种挖掘最大频繁项集的深度优先算法[J].计算机研究与发展,2005,42(3):462-467. 被引量:20
  • 4李少波,谢庆生.基于ASP的动态联盟制造资源管理框架研究[J].中国机械工程,2005,16(6):502-507. 被引量:17
  • 5[1]Han J W. Data mining techniques[A]. Proceedings of the 1996 ACM SIGMOD international conference on Management of Data [C]. Canada: ACM, 1996. 545.
  • 6[2]Agrawal R, Imielinski T, Swami A. Database mining: a performance perspective [ J ]. IEEE Transactions on Knowledge and Data Engineering, 1993, 5(6): 914-925.
  • 7[3]Fayyad U, Chaudhuri S, Bradley P. Data mining and its role in database systems[A]. Proceedings of the 26th VLDB Conference[C]. Cairo, Egypt: Morgan Kaufmanu, 2000. 63 - 124.
  • 8[4]Mitchell T M. Machine learning and data mining[J].Communications of the ACM, 1999, 42(11): 30-36.
  • 9[5]Tsur S. Data mining in the bioinformatics domain[A].Proceedings of the 26th VLDB Conference[C]. Cairo,Egypt: Morgan Kaufmann, 2000. 711-714.
  • 10[6]Riedell E, Faloutsos C, Ganger G R, et al. Data mining on an OLTP system (nearly) for free[A]. Proceedings of the 2000 ACM SIGMOD International Conference on Management of Data [C]. Dallas, Texas,USA: ACM, 2000. 13-27.

共引文献123

同被引文献73

引证文献10

二级引证文献42

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