有限维空间下运动行为传感数据特征提取

维度的升高会加剧运动行为传感数据的复杂度,导致其分布特征空间被无限放大,因此提出基于有限维空间的运动行为传感数据特征提取方法。采用关联规则项挖掘分析方法计算数据模糊度,确定运动行为的有限空间区域。在有限维空间下,通过自适应寻优方法,计算传感数据的特征量化参数。检测运动行为传感数据的特征属性,计算数据分布融合映射输出结果,构建运动行为特征提取模型。实验结果表明,所提方法的运动数据空间聚类效果较好,能够把数据固定在有限维空间,数据特征提取精度始终保持在95%以上。

基于知识的目标关系分析挖掘技术

在战场目标价值分析和打击目标排序分析过程中,为了构建敌方作战目标体系,需要分析战场目标间的关联关系。轨迹和部署数据中隐藏大量信息,提出了一种从轨迹和部署数据中挖掘出感兴趣的目标关系类型信息的方法,所提方法对轨迹部署数据进行时空聚类,从聚类结果提取目标;对聚类目标使用频繁项挖掘算法分析挖掘满足一定支持度的有关联关系的目标,再根据构建的关系类型知识库或关系规则,分析目标间的具体关系类型。所提方法能对积累的目标历史轨迹部署数据分析挖掘出目标间的关联关系,挖掘出目标潜在的关系类型可为后续构建目标体系提供关系数据。

融合数据挖掘和评分预测的推荐算法

针对传统UserCF算法存在的数据稀疏、相似度计算开销大且不够准确的问题,以提高推荐准确率、覆盖率和时间效率为目标,设计了融合数据挖掘和评分预测的推荐算法DRR。首先用PCA降维算法解决用户评分矩阵过大且稀疏的问题;再用Canopy算法对降维后的矩阵进行处理得到聚类个数K,以余弦相似度为距离度量,用K-means算法对用户聚类,并用Apriori算法挖掘簇内项目之间潜在的关联规则,计算项目关联因子;最后以目标用户所在簇内的其他用户为其近邻,基于历史评分、余弦相似度和项目关联因子预测目标用户对项目的评分,在降低寻找最近邻时耗的同时挖掘出长尾项目。在movieLens数据集、豆瓣电影数据集上与UserCF算法、基于K-means聚类的协同过滤算法和基于谱聚类的协同过滤算法的对比实验结果表明,DRR算法的准确率、召回率、F1值、覆盖率,以及时间效率都有所提升。

动员需求关联规则挖掘模型

关联规则挖掘是一种成熟的基于规则的数据挖掘算法,已广泛用于发掘数据中感兴趣的关联关系。提出了一种动员需求关联规则模型,并描述了规则挖掘算法实现原理及评价方法。动员需求关联规则模型既可用于辅助快速提报动员需求,又可作为动员需求评估的辅助手段,从而为相关信息系统构建提供参考。

结合作答时间的自适应测验组卷方法

随着信息技术发展和计算机化自适应测验应用的普及,作答时间数据作为测验过程信息越来越容易获得,在心理测量领域的应用越来越广泛。将作答时间及模型应用于自动化组卷,对提高测验效率、被试能力估计精度乃至教育公平都有非常重要的意义。本文通过对自适应测验中组卷方法及研究结果进行系统梳理,全面展示结合作答时间数据的组卷方法,探究该类组卷方法对测验总时间约束、测验效率、题库安全、被试作答时间差异等问题的解决方案。对结合作答时间数据的组卷方法进行拓展,以及将研究成果应用于我国的大规模测评项目,都是未来需要探索的重要研究方向。

临床实验室传染病八项报告自动审核系统的建立和优化

目的建立和优化传染病八项报告的自动审核系统。方法依据美国临床和实验室标准协会(CLSI)发布的AUTO-15及国家卫健委发布的WS/T 616-2018,基于中间件(infinity)及实验室信息系统(LIS)建立传染病八项结果的自动审核规则体系。采用质量控制、标本状态、仪器报警、灰区范围、常规模式以及历史数据对比(Delta check)六大规则对传染病八项检测结果进行自动审核判断。通过人工审核与自动审核相互比对,验证自动审核系统的有效性,并对该系统进行再次优化和验证,以实现该项目的自动审核。结果建立包括质量控制、标本状态、仪器报警、灰区范围、常规模式以及历史数据对比共六部分的自动审核规则体系。自动审核的敏感性和特异性分别为87%和95%,阳性预测值和阴性预测值分别为88%和95%。调整审核规则后,2022年传染病八项报告审核通过率从39%上升至85%,周转时间(TAT)从原来的209(52,215)min缩短到141(83,149)min,审核人员由2名减至1名,将因仪器异常导致的两对半结果、HIV和TP阳性被误发等错误率降低至0.04%。结论传染病八项检测结果自动审核系统可减轻审核人员的工作强度,缩短TAT,降低报告差错风险。

诊疗控费管理系统的开发与应用探讨

目的:通过构建医院收费项目规则库,辅助诊疗费用的标准化、精细化管理。方法:依据国家相关政策法规、医院诊疗服务项目的运营指标、临床业务操作规范,结合收费项目的属性,构建符合医院的诊疗项目规则库,实现对诊疗费用的管理,做到事前提醒、事中控制、事后分析反馈。结果:规范了诊疗控费规则,优化了费用结构,提高了医院精细化管理水平,提升了患者就医体验,增强了医院的经济效益和社会效益。结论:通过诊疗控费管理系统的研发与应用,改进了医院诊疗费用管理制度,实现了透明、公平的收费规则。

基于隐结构模型联合频繁项集的针灸治疗弱精子症不育患者的辨证取穴规律

目的:探讨针灸治疗弱精子症不育患者的辨证取穴规律,为临床治疗弱精子症不育患者提供帮助。方法:检索国家知识基础设施数据库(CNKI)、中国生物医学文献数据库(CBM)、中国学术期刊数据库(CSPD)及中文科技期刊数据库(CCD)等数据库有关针灸治疗弱精子症的相关文献,提取症状、取穴处方信息构建医案数据库,采用隐结构模型、频繁项集的数据挖掘方法,分析针灸治疗弱精子症的辨证取穴规律。结果:纳入文献35篇,涉及症状62种,穴位49个。高频症状包括腰酸、神疲乏力等,高频腧穴包括关元、肾俞等。对症状、腧穴、证型进行频繁项集分析,挖掘出症状-腧穴频繁项集4项,包括耳鸣+头晕+腰酸+关元+肾俞等;证型-症状频繁项集4项,包括肾精亏虚证+健忘+性欲淡漠+神疲乏力+脉细等;证型-症状-腧穴频繁项集4项,包括肾精亏虚证+性欲淡漠+神疲乏力+头发易脱+关元等。结论:针灸治疗弱精子症多以关元、肾俞、足三里为主穴。

基于大数据与关联规则的考评进度动态跟踪系统设计

为了提高考评进度动态跟踪效果,设计一个基于大数据与关联规则的考评进度动态跟踪系统。在系统硬件部分设计了微控制器、通信模块、存储器模块与信号采集模块;在系统软件部分,采用大数据挖掘技术挖掘员工相关数据,采用关联规则挖掘数据的频繁项集,构建FP树,计算数据的最小支持度和最小置信度,对数据分类,获得员工绩效的关联信息,并整合信息,完成考评进度动态跟踪系统的设计。实验结果表明,该方法能够准确地对员工绩效打分,并在多并发用户访问与多条数量处理上,有效提高了考评进度动态跟踪效果。

基于隐结构与频繁项集探讨中药治疗肺结核的辨证用药规律

目的:探讨中药汤剂对肺结核的辨证用药规律,为临床治疗肺结核提供借鉴意义。方法:计算机检索中国知网、万方等数据库中建库至2022年4月中药汤剂内服辨证用药论治肺结核的临床文献,提取证型、症状及中药处方信息构建肺结核医案数据库,采用隐结构模型、频繁项集等数据挖掘方法,分析中药汤剂内服治疗肺结核的辨证用药规律。结果:经筛选共计纳入文献92篇,共涉及241味中药,358项症状。高频药物包括麦冬、百部、生地黄、百合等;中药频繁项集分析得出强关联规则12条,如熟地黄-生地黄?麦冬、川贝母-山药?麦冬等;高频症状包括咳嗽、盗汗、痰中带血、咳痰等;构建隐结构模型,得出肺结核主要证候有阴虚火旺、肺阴虚证、阴阳两虚等;挖掘证型-症状-中药频繁项集5项,其中包括肺阴虚证-脉细数+咳嗽+痰中带血+盗汗-百部+川贝母+麦冬等。结论:中药汤剂治疗肺结核多以麦冬、百部、生地黄为主要药物,药物配伍依据临床情况辨证选药,此结论可为临床治疗肺结核提供参考。

一种基于频繁模式树的约束最大频繁项目集挖掘及其更新算法

目前已提出了许多快速的关联规则挖掘算法,实际上用户只关心部分关联规则,如他们仅想知道包含指定项目的规则.当这些约束被用于数据预处理或将它结合到数据挖掘算法中去时,可以显著减少算法的执行时间.为此,考虑了一类包含或不包含某些项目的布尔表达式约束条件,提出了一种快速的基于FPtree的约束最大频繁项目集挖掘算法CMFIMA,并对其更新问题进行了研究,提出了一种增量式更新约束最大频繁项目集挖掘算法CMFIUA.

约束性相联规则发现方法及算法

文中研究了在大型事务数据库中发现有约束条件的相联规则问题 ,提出了有效实现约束性相联规则发现的两种方法 :过滤数据库算法 Filtering和频繁项集生成算法 Separate.这两种可以同时并用的方法比已有算法运算效率有显著提高 .

一种改进的Apriori算法

针对Apriori算法对数据库的扫描次数过多、系统的I/O负载大和产生大量的无关中间项集等弊端,提出了一种改进的Apriori算法。该算法通过加入用户兴趣项,减少候选项集的产生;打破了传统的算法实现步骤减少了数据库的扫描次数,降低了系统I/O负载;构建了用户兴趣度模型增加了算法生成强关联规则的可读性,提高了算法的效率。实验表明,改进的Apriori算法能有效地提高运行速度和效率。

基于FP-Tree的约束关联规则挖掘算法

针对构建FP-Tree时存在的大量内存消耗问题,提出了CCFP(constraint clip FP-tree)算法,该算法利用有项和缺项约束对事务数据库进行修剪后构造简化的FP-Tree,经再一次扫描后得到关联规则。实验结果表明:该算法较一般的FP-Tree算法能节省大量的内存空间,同时,运行效率也略有提高。

基于向量内积的关联规则挖掘算法研究

针对近年来研究较多的数据关联挖掘问题,论文将向量内积引入到该领域,并通过合理分配数据存储结构来提高数据库频繁项集的生成效率。研究表明,该方法不仅算法简单、只需扫描一次数据库,而且还具有动态剪枝、不保存中间候选项和节省大量内存空间等优点。在处理超大型数据库和分布式数据库方面均能得到较好的应用。

基于频繁模式树的约束最大频繁项目集挖掘算法研究

目前绝大多数频繁项目集(或最大频繁项目集)挖掘算法并没有考虑相关领域知识,其结果会产生许多无关的模式.因此,发现约束频繁(或约束最大频繁)项目集是多种数据挖掘应用中的关键问题,然而,这方面的研究工作却很少.为此该文提出了一种快速的基于频繁模式树(FP-tree:一种扩展前缀树结构)的约束最大频繁项目集挖掘及其更新算法.实验结果表明该算法是快速有效的.

高效关联规则数据挖掘算法研究

关联规则挖掘是数据挖掘领域的一个重要问题.由于关联规则挖掘通常是基于超大型数据库或数据仓库,算法的效率在一定程度上决定挖掘的成败.针对关联规则挖掘中的主要任务———频集发现过程中存在的几个问题,提出了项目树的概念,引出了一种新的挖掘模式,并设计了相应的高效挖掘算法,大大提高了挖掘效率.

一种自顶向下挖掘长频繁项的有效方法

Apriori算法已经成为关联规则挖掘中的经典算法 ,被广泛地用于商业决策、银行贷款、金融保险等几乎所有的关联规则挖掘领域之中 该方法是一种自底向上的有效挖掘方法 ,对于长频繁项 (如 10 0个项目 )该方法会遇到非常耗时的巨大计算问题 采用了一种新的自上而下挖掘方法 ,提出了事务项目关联信息表、关键项目、项目约简、投影数据库等新概念 ,利用投影、约简等方法在候选项集生成过程中及时修剪重复分支 ,使算法的实际效率大为提高 ,较好地解决了长频繁项的挖掘问题 通过计算机实验和算法分析证明了这种挖掘方法的有效性和完备性 新算法的计算复杂度与项目集平均约简项长度有关 ,估计为 0 5×M3 N×O(2 S×N′2 ) 其中 ,S为系统在用户给定最小支持度条件下的平均约简项长度 ,N′是数据库所对应关系的元组数 ,N为记录数 ,M为项目集平均长度 对于长频繁项来说S很小 。

基于FP-tree频集模式的FP-Growth算法对关联规则挖掘的影响

通过对两个有代表性的算法Apriori和FP-Growth的剖析,说明频集模式挖掘的过程,比较有候选项集产生和无候选项集产生算法的特点,并给出FP-tree结构的构造方法以及对挖掘关联规则的影响,提出了对算法的改进方法.

满足均匀分布的不确定数据关联规则挖掘算法

云计算为大数据提供了展示和共享的平台.为了防止隐私泄露,这些数据中往往包含人为添加的不确定因素,如何挖掘这些不确定数据是大数据共享亟待解决的问题.在用于共享的大数据中,不确定数据通过对精确数据的泛化处理来实现,具有均匀分布特性,这一特性不利于精确查询,但可为关联规则的挖掘提供便利条件.首先,依据泛化值之间可能的相交或包含关系,将泛化值进行分层聚类,为了保存与不确定数据集挖掘相关的重要信息,给出了构建不确定频繁模式树的算法,在此基础上,提出了频繁项集挖掘子算法(data mining algorithm for uncertain frequent item-sets,UFI-DM)和关联规则生成子算法(algorithm for generating association rules,GAR),分别用于挖掘频繁项集和生成关联规则,最后,通过理论分析和实验比对,论证了算法的可行性和有效性.