基于DRSA和CART的桥梁震损状态决策关联规则提取

为了解决桥梁在地震作用下发生各类损伤与不同影响因素之间的关系复杂且难以发现的问题,将桥梁的破坏情况与桥墩类型、结构类型、支座类型、平面线形、基础类型、交角、断层距、峰值地面加速度等影响因素相结合,利用优势关系粗糙集对桥梁损伤的条件属性进行约简,提取了汶川地震中374座桥梁发生各类破坏的最少关联规则集,另选20座桥梁进行测试,将结果与不可分辨关系粗糙集理论和分类回归树算法进行对比,结果表明对于震后桥梁损伤状态评价决策关联规则,采用基于优势关系粗糙集理论生成的规则比传统的基于不可分辨关系粗糙集理论和分类回归树算法生成的规则更加准确,因此在今后的桥梁损伤判别研究和规则提取中可以加以利用。

一种改进的关联分类算法

关联分类算法是数据挖掘技术中一种主要分类方法,但传统关联分类算法仅根据置信度构造分类器,影响分类精度。提出一种改进算法,在选择高置信度构造分类器的基础上,优先考虑短规则分类。实验结果表明,该改进算法在分类精度和分类器大小上均优于传统分类算法。

基于关联规则挖掘的中文文本自动分类

随着电子出版物和互联网文档的飞速增加,自动文档分类工作正变得日渐重要.提出一种基于关联规则的中文文本自动分类方法.该算法将文档视作事务,关键词视作项,利用改进的关联规则挖掘算法挖掘项和类别间的相关关系.挖掘出的规则形成分类器,可用于类标号未知的文档的区分.实验证明,该算法能较快地获得可理解的规则并且具有较好的召回率和准确率.

多支持度关联规则在库存管理中的应用

传统库存管理方法只考虑产品自身特点,按产品的某种属性进行分类,然后分类管理.然而,产品的库存重要程度不仅取决于产品自身的特点,同时还应考虑其他产品的关联影响.可以采用多支持度的关联规则模型来发现这种产品间的关联模式.在规则生成过程中结合"ABC"分类法,并且为了简化规则的生成过程,定义了基于约束的规则生成法.利用这种方法形成"A"类产品相关的关联规则,辅助制定库存管理决策.

多关系数据挖掘方法研究

目前大多数数据挖掘方法是从单关系中发现模式,而多关系数据挖掘(MRDM)则可直接从关系数据库的多表中抽取有效模式。MRDM可以解决原有命题数据挖掘方法不能解决的问题,它不仅有更强的信息表示能力,可以表示和发现更复杂的模式,还可以在挖掘进程中有效地利用背景知识来提高挖掘效率和准确率。近年来,借鉴归纳逻辑程序设计(ILP)技术,已经形成许多多关系数据挖掘方法,如关系关联规则挖掘方法、关系分类聚类方法等。

基于CMAR算法的水平加权多分类关联规则挖掘

关联分类是数据挖掘中一种新的分类方法,它将关联规则挖掘和分类进行了算法集成.但在实际应用中,用户会比较倾向于自己最感兴趣或认为最重要的那部分属性,因此有必要加强这些属性对规则的影响,同时减弱另一些用户兴趣不大或认为不重要的属性对规则的影响.为此,本文提出了水平加权关联规则的问题,并结合CMAR算法,加以改进给出了关于该问题的解决方案及有效算法NewCMAR,实验表明,修改后的NewCMAR算法正确并符合实际,有实用价值.

基于数据挖掘的银行全成本分析

针对银行全成本分析的业务特点和数据挖掘各种算法的应用特征,提出了基于关联规则的分类算法在银行全成本分析系统中的分析模型。将此模型与其他机器学习分类算法进行实验比较,得出此算法在该领域的最佳效果,所挖掘出的规则得到银行工作人员的肯定。

挖掘重要项集的关联文本分类

针对在关联规则分类算法的构造分类器阶段中只考虑特征词是否存在,忽略了文本特征权重的问题,基于关联规则的文本分类方法(ARC-BC)的基础上提出一种可以提高关联文本分类准确率的ISARC(ItemSet Significance-based ARC)算法.该算法利用特征项权重定义了k-项集重要度,通过挖掘重要项集来产生关联规则,并考虑提升度对待分类文本的影响.实验结果表明,挖掘重要项集的ISARC算法可以提高关联文本分类的准确率.

使用多支持度的关联规则分类算法

传统关联分类算法使用单一最小项目支持度挖掘关联规则,导致稀有项关联规则无法被发现,从而影响分类的准确性和实用性。提出一种多支持度关联规则分类算法MS-CBAR(Multiple Supports-Classification Based on Association Rules),将多最小项目支持度模型应用于关联分类,以有效挖掘稀有项。该算法为数据库中的规则项提供了用户可定义的最小项目支持度。MS-CBAR算法使用项的最小项支持度阈值、类的最小类支持度值和规则项的最小支持度值决定分类规则是否频繁。生成分类规则集后,使用最高优先度规则覆盖法基于规则集建立分类器。实验表明,所提算法在包含稀有项目及稀有类的数据集中准确率高于传统关联分类算法及其相关算法,表现更稳定。

关联分类算法的研究与实现

关联分类算法是对数据进行分析处理中的一个分支。文中结合了关联分类CBA算法,针对数据集样本进行了详细分析。首先,对关联分类中的CBA算法进行了研究,并同步对其实现的代码进行了编写。随后,结合相关数据,运行相关算法进行实现与分析。最终,对该样本数据进行了有效地分类和预测,也完成了算法的有效实现与分析。

基于关联分类算法的医学图像数据挖掘

目的利用关联分类算法，构造医学图像分类器，对未知类型的脑肿瘤图像进行自动判别和分类，以帮助临床医生进行脑疾病的诊断和治疗。方法对医学图像经过预处理后进行特征提取，再将提取的特征离散化后放到事务数据库中作为关联分类规则的输入，然后利用改进的Apriori算法构造医学图像分类器。结果构造了医学图像分类器，用已知类型的图像训练分类器挖掘满足约束条件的关联规则，然后利用发现的关联规则对未知类型的医学图像进行分类以判断脑肿瘤的良恶性。结论利用关联分类算法可以有效地挖掘医学图像特征，进而构造图像分类器，实现脑肿瘤良恶性的自动判别。