基于情景感知的商场导购推荐商品信息的研究

针对目前商场中广告费用日益增长,纸制广告越来越多.提出了基于情景感知的智能商场导购系统的商品推荐信息的研究方案,情景感知服务是借助现在的信息技术为顾客提供自适应服务.解决了商场广告费用日益增加的问题,为商场降低了费用.将Aprior算法应用到该系统中,将以往顾客浏览的信息和现在的环境资源相匹配,实现了为用户提供个性化服务,减少了商家营销的成本.

一种面向入侵检测的数据挖掘算法研究

为提高入侵检测的精确性和有效性,通过对基本序列模式挖掘算法(Aprior算法)的分析,针对其缺点并结合入侵检测数据的特殊性,设计了改进的Aprior算法用于序列模式挖掘算法,算法将数据属性分成多个等级,侧重于多属性的序列模式挖掘,算法首先寻找高频轴属性值事件,再迭代降低支持度并增加新的低频轴属性值,用于比较长的频繁项集。同时以网络数据和日志文件数据为实验基础,从算法的精确性和适应性方面进行了比较。

基于图的挖掘关联规则改进算法

关联知识挖掘算法中一种广为人知的算法就是Aprior算法,之后所有关联规则挖掘算法的基本思想都是基于频繁项目集发现算法的基础上进行了改进.为了提高关联规则挖掘效率,首先回顾了基于图的关联规则挖掘算法;然后,在此基础上进行了改进,把关联规则挖掘中寻找频繁项集的问题转换为图中寻找完全子图的问题,通过在图中查找完全子图来寻找频繁项集.提出了一种基于图的关联规则挖掘改进算法,并且对原算法和改进的算法从时间和空间的性能进行了比较分析,得出改进的算法是有效可行的.最后从实验结果得出结论GenerateItemsets算法比DGBFIG算法优.

关联规则挖掘频繁项算法的应用

关联规则在数据挖掘中是一种简单但很实用的规则,Apriori算法和FP-Growth算法是关联规则中的典型算法,本文介绍了关联规则和两种典型算法的概念,利用实例对比两种算法在挖掘频繁项集中的区别,分析算法的优劣,从而确定算法的应用。

出行轨迹演绎性时序聚类分割算法

对于大规模出行轨迹数据进行出行方式研究时,除了要对行程中OD(起点-终点)进行提取,还要对其间交通方式进行判别。然而,一段行程中,往往包含多种交通方式,如何更精细地从中提取多种交通方式,提升最终交通规划效果,是目前出行方式研究的关键问题。在使用移动智能终端采集出行轨迹的基础上,对出行轨迹进行不同交通方式的转换点提取,最终提出了演绎性时序聚类分割算法进行出行轨迹的分段,并对其进行实验验证。结果表明算法对于分割不同交通方式段,达到了很高的精度。

换道过程中驾驶人感知操作的模式发现与规则挖掘

为发现高速公路下自由换道过程中眼睛感知-手脚操作之间的时序关联性,探索感知与操作相互作用的内在机理,采用驾驶模拟舱进行高速公路驾驶实验,采集眼动数据和车辆运行数据;分别提取换道瞬时和换道全过程的眼睛感知-手脚操作的特征;采用Aprior算法从换道瞬时和换道全过程两个角度发现眼睛感知-手脚操作的频繁模式,挖掘它们的关联规则。对于瞬时感知-操作,左换道发现13种频繁3项集模式,右换道发现18种频繁3项集模式;对于全过程感知-操作,左换道发现4种频繁模式,右换道发现3种频繁模式。左右换道各自挖掘到6条有实际价值的关联规则。对频繁模式和规则分析发现:右换道比左换道需要较多的感知时间、较复杂的手脚操作行为。发现的频繁模式和挖掘的关联规则描述了自由换道过程中感知操作的特征和它们之间的关联性,能够为安全换道提供参考,为无人驾驶换道操作提供支撑。

区域交叉口交通拥堵传播规律挖掘方法研究

为了准确识别和预测区域交叉口的交通状态,研究道路网络中的拥堵传播规律,以交叉口流量数据为研究基础,提出了一种改进型需求-容量的交叉口交通状态判别方法。结合交通领域的具体特点,对算法数据库进行适应性调整,采用一种基于路网拓扑结构约束的Aprior算法,建立区域交叉口拥堵传播规律挖掘模型,并以苏州市某区域的交叉口数据为实例进行验证,从时间维度分析发现拥堵具有相似性和反复性,从空间维度研究获取“回溢”和“流出”2种拥堵传播模式,与现实情况相符。结果表明,模型能够有效挖掘区域交叉口拥堵传播规律,并根据传播规律中各个交叉口拥堵发生的时序特性进行交通状态预测。所得结论对实现拥堵预警和交通拥堵的早期干预具有一定的借鉴意义。

基于关联推荐的Web服务组合优化

为实现基于历史知识与规则的Web服务组合优化,对于待解决的特定任务和问题,提出了一种Web服务组合优化方法。这种方法把Aprior算法应用于Web服务组合,通过挖掘历史日志中Web服务的关联规则,计算各种历史Web服务组合方案的支持度,生成针对当前问题的频繁项集,并可根据每种组合的置信度,动态地自动选取合适的Web服务,产生推荐的Web服务组合方案。这种方法可应用于流程管理、智能规划等领域。

数据挖掘技术在情感语音合成中的应用

目前,情感语音合成自然度在情感语音合成中成为难点,本论文将数据挖掘技术应用于其中。通过对传统的Aprior算法的改进,探讨了如何提取情感语音韵律参数之间的关系,并且在理论上表明比传统Aprior算法在挖掘情感语音频繁项目集的效率高。应用这些规则,可以很方便的为以后情感语音合成系统的选音提供帮助和参考。

移动支付中的手机票务用户群体——基于关联规则数据挖掘的实证分析

为在移动支付业务营销时能够快速找到特征用户群体,本文利用关联规则数据挖掘方法从用户认知、用户需求、使用情况、用后评价、未来使用意愿和影响用户使用因素等多个方面对移动支付中的手机票务领域进行调查分析。通过对1615份有效问卷进行分析,找到最可能使用手机票务的用户群体,从而帮助通信运营商在移动支付推广初期,能够通过快速确定目标客户市场进行精准营销。结果显示,移动支付中的手机票务市场还处于初期,用户认知度较低,潜在用户群体大,已经使用手机票务或有意愿使用的用户大多集中在月支出较高、具有高学历的年轻用户群体。

基于KMV模型和关联规则组合的上市公司信用风险传染研究

本文意在研究上市公司间的信用风险传染问题,用KMV模型度量了上市公司的违约距离、理论违约概率、资产市值以及资产波动率,并以此为依据,分别用关联规则数据挖掘方法 Apriori算法和Eclat算法,找出了存在着违约风险传染效应的上市公司,并画出直观信用风险传染路径,为风险监管体系以及相关行业提供了可参考的管理依据。