关联规则挖掘算法的山东省青少年体质健康影响因素分析

本文采用文献资料法、问卷调查法等研究方法,从关联规则相关概念入手,创新地利用计算机数据挖掘技术跨学科探究体育问题,以机器挖掘深层次探求影响山东青少年体质健康的因素以及与其青少年久坐、睡眠、面屏等因素的关联。研究旨在提升山东省青少年体质健康水平,为山东省青少年体质健康的促进提供系统、科学、有效的方案。

基于关联规则挖掘的信息安全专业课程体系优化设计

海内外信息安全专业人才需求不断变化,信息安全专业课程体系的优化具有非常重要的意义.基于关联规则算法对信息安全专业学生各门课程成绩之间的关系进行挖掘,探索信息安全专业的专业课之间、专业课与数学课程之间、专业课与物理课程之间的关系,通过置信度的设置,挖掘各相关课程之间的关系,进而提出了优化的信息安全专业的课程体系.研究成果将有助于信息安全专业学生知识体系的构建,进而促进信息安全专业学生就业率的提高.

基于关联规则的局部离群数据挖掘算法设计

针对现有挖掘算法在对局部离散数据挖掘时,存在挖掘结果关联度低、挖掘效率低的问题,引入关联规则,开展对局部离群数据挖掘算法设计研究。对需要挖掘的局部离散数据预处理,包括数据清洗、数据集成等。针对局部离散数据中的高维数据,提出一种基于属性相关分析方法,实现聚类。确定挖掘算法中的离群因子与链距离。最后,结合关联规则,实现对局部离散数据的并行挖掘。通过对比实验证明,新的挖掘算法挖掘结果关联度更高,且挖掘效率高,具备极高应用价值。

有效的矩阵加权正负关联规则挖掘算法--MWARM-SRCCCI

针对现有加权关联规则挖掘算法不能适用于矩阵加权数据的缺陷,给出一种新的矩阵加权项集剪枝策略,构建矩阵加权正负关联模式评价框架SRCCCI,提出一种新的基于SRCCCI评价框架的矩阵加权正负关联规则挖掘算法MWARM-SRCCCI。该算法克服了现有挖掘技术的缺陷,采用新的剪枝技术和模式评价方法,挖掘有效的矩阵加权正负关联规则,避免一些无效和无趣的模式产生。以中文Web测试集CWT200g为实验数据,与现有无加权正负关联规则挖掘算法比较,MWARM-SRCCCI算法的挖掘时间减幅最大可达74.74%。理论分析和实验结果表明,MWARM-SRCCCI算法具有较好的剪枝效果,候选项集数量和挖掘时间明显减少,挖掘效率得到极大提高,其关联模式可为信息检索提供可靠的查询扩展词来源。

基于轨迹数据的大规模路网交通拥挤时空关联规则挖掘

提出了K近邻RElim(K neighbor-RElim,KNR)算法和时序K近邻RElim(sequential KNbrRElim,SKNR)算法,利用大规模路网的车辆轨迹数据来挖掘路段拥挤关联规则和拥挤传播时空关联规则。其中KNR算法在RElim算法基础上拓展了空间拓扑约束,可高效从大规模车辆轨迹数据集中挖掘路网中关联性拥挤易发路段,并量化这些路段间拥挤的关联性强度。而SKNR算法进一步以滑动窗口的形式拓展时间维度,可以挖掘出大规模路网中难以直接观测的拥挤传播现象,并追溯拥挤传播路径。以成都路网和车辆轨迹数据的挖掘结果对所提出的算法进行了说明和验证,结果表明了算法的有效性和鲁棒性。

一种高效关联规则挖掘EARM算法的研究

针对类Apriori关联规则挖掘算法的不足,将以往关联规则算法予改进,提出一个更有效率的关联规则挖掘算法EARM算法。通过试验评估,该文所提算法的挖掘效率比Apriori及其改良算法要快2到5倍。

基于改进Apriori算法的高校教育满意度关联规则挖掘

针对经典关联规则Apriori算法在大数据集情境下易产生冗余和误导性的关联规则,以及难以确认关键性关联规则等问题,提出支持度—置信度—权重检验系数框架与后项约束的改进Apriori算法。首先,定义相关性系数、提升系数、错误系数并进行证明分析,进而构建权重检验系数;其次,运用主成分分析法,提取指标中的高权重影响因素作为后项,通过后项约束过滤冗余关联信息,从而筛选出更为准确的关键性关联规则。将改进的Apriori算法应用于高校教育满意度调查数据的关联规则挖掘并进行分析对比,实验结果验证了该算法的合理性和有效性。

关联规则挖掘中几个兴趣度量的值域研究

本文旨在研究关联规则挖掘中的各种兴趣度量的值域问题。首先,详细介绍了关联规则挖掘过程中涉及的定义和支持度、置信度、确信度、提升度和Laplace测度这五种兴趣度量的定义,并通过具体例子对这些度量进行了说明和解释。然后,深入探讨了这五种兴趣度量的值域,并给出了其在数据库大小有限和接近无穷两种情况下的值域情况。此外,本文还对这些兴趣度量值域的区间端点的取值进行了细致讨论,指出了与其他研究结果的区别及其原因,并给出了严谨的数学证明和对比分析,为关联规则挖掘提供了更全面和准确的度量工具。

基于关联规则改进的网络异常数据挖掘方法

传统的网络异常数据挖掘方法在计算网络异常数据与相关核心的距离时存在准确度不高的问题,导致挖掘精度有限,因此研究提出一种基于关联规则算法的改进网络异常数据挖掘方法。首先,初始化网络异常数据关联核心,采用Kmeans算法对网络异常实体数据执行局部搜索和优化;其次,运用关联规则算法精确计算网络异常数据与关联核心之间的距离;最后,确定距离关联核心最远的网络异常数据,以完成挖掘过程。研究结果显示,在挖掘相同数量的网络异常数据时,相较于传统方法,该研究方法能显著增加正确挖掘出的网络异常数据比例,提升对网络异常数据的识别精准度,具有显著优势。

基于数据挖掘的POAG“证候-证素-证型”关联规则研究

目的基于数据挖掘技术研究原发性开角型青光眼(POAG)的中医证候、证素、证型的分布特点及关联规则。方法检索建库至2022年12月31日中国知网(CNKI)、万方、维普(VIP)、中国生物医学文献(CBM)数据库中临床研究、病例报告等相关文献。使用Excel软件进行录入并规范术语,运用R语言对POAG证素、证型、证候进行频数、频率、关联规则分析及可视化。结果(1)一般情况:共纳入文献70篇,共提取中医证素23个,其中病位证素8个,以肝最多,为95次(16.41%),其次为心神(21次,3.63%)、肾(20次,3.45%)等;病性证素15个,以阴虚证素最多,为76次(13.13%),其次为阳亢(57次,9.84%)、气滞(55次,9.50%)、气虚(39次,6.74%)、血虚(39次,6.74%)等;共提取中医证候142个,最多为视物模糊(77次,5.01%),其次为脉弦(66次,4.29%)、眼胀及胀痛(66次,4.29%)、头晕(62次,4.03%)、脉细(58次,3.77%)等;共提取证型31种,最多为肝郁气滞证,共25次(35.71%),其次为肝肾阴虚证(14次,20%)、肝肾两虚证(12次,17.14%)、肝郁化火证(11次,15.71%)、痰湿内蕴证(10次,14.29%)。(2)证素-证候关联规则分析:证素关联较高的组合为①血虚,阳虚-气虚、②阳虚-气虚、③脾-气虚。证候关联较高的组合为①舌苔黄-舌质红、脉弦,②舌苔黄-舌质红、③口苦,舌苔黄-舌质红。证素-证候关联较高的组合为①口苦、脉数、脉弦、舌苔黄、舌质红-热,②口苦、脉弦、舌苔黄、舌质红、食少-热,③口苦、脉数、脉弦、情志抑郁、舌质红-热。(3)核心证素的证候分布规律:口苦、咽干、脉弦与各核心证素均关系密切。结论POAG以肝为核心病位证素,常见的病性证素主要有阴虚、阳亢、气滞、气虚等。证素之间组合关联性强,各核心证素具有特征性全身证候,为POAG的准确辨证提供理论支撑。

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。

面向客户个性化产品配置的关联规则挖掘研究

针对个性化产品配置中难以获取隐性配置知识等问题,提出了基于关联规则挖掘方法来获取产品配置规则的方法,从而便于在配置过程中对客户进行个性化的推荐。基于产品配置的历史销售数据,应用基于双层遗传算法来实现了关联规则挖掘算法,并设计了遗传算法的编码表示和算子操作。最后,以平板电脑的客户配置案例为例,举例说明了所提出方法的有效性。实验表明,与经典的Apriori算法相比,所提出的方法能够自适应地获得规则支持度和置信度的阈值,避免了Apriori人为设置阈值所带来的不足之处,从而能够适用于大数据环境下产品的个性化推荐。

一种关联规则挖掘算法—GBARM

Apriori算法是经典的频繁项目集生成算法,在数据挖掘界起着里程碑的作用。但是该算法要求多次扫描可能非常大的交易数据库。文章在Apriori算法的基础上,提出了一种改进的关联规则挖掘算法—GBARM。该算法能够使得每次扫描的事务数大大减少,并且能够逐步减小候选k-项集的规模,从而改善算法的性能。

基于FP-Growth算法的MES系统生产关联规则挖掘技术研究

制造执行系统(MES)产生的海量生产数据蕴含着知识性规律,挖掘这些数据对企业优化生产管理、提升产品质量、降低运营成本具有重要意义。研究分析了MES系统的架构特点和关键功能模块,介绍了FP-Growth算法的基本原理,设计了将算法应用于MES系统的过程,包括频繁项集生成、关联规则生成等关键步骤,从FP-Tree构建、投影压缩、并行化等方面对FP-Growth算法进行了优化,设计并执行基于生产数据量级的加压测试方案。

基于数据关联规则挖掘国医大师路志正治疗湿热中阻型胃脘痛的用药规律

目的采用医案数据挖掘的方法对国医大师路志正治疗湿热中阻型胃脘痛病案的临床症状、用药特色、组方规律、药症关系等进行分析。方法收集广安门医院路志正教授特需门诊及三芝堂门诊治疗湿热中阻型胃脘痛病案。采用Epidata 3.1数据管理软件建立医案数据库。采用SPSS Modeler l4.2统计学软件中提供的Apriori算法进行关联规则分析。结果(1)共纳入病历258份,所涉证型6种、治法10种、处方258首,共用药物163味,药物总频数2955次。使用频数15次以上的药物有20味。(2)药物-药物关联规则按支持度≥15%,置信度≥100%,分析出二阶关联规则3条,三阶关联规则13条;症状-药物关联规则按支持度≥10%,置信度≥100%,分析出二阶关联规则9条,三阶关联规则23条,四阶关联规则12条。结论基于数据关联规则挖掘的路志正教授治疗湿热中阻型胃脘痛的药物组合规律,能够反映出路志正教授治疗湿热中阻型胃脘痛运用“宣上、畅中、润下”的学术思想及具体用药特色和治疗方法,为进一步研究路志正教授的学术思想和用药经验提供科学依据和数据参考。

基于Apriori算法的学生成绩关联规则挖掘

随着信息技术的不断变革与发展,数字化技术正在逐步融入人类社会,影响社会的各个方面,并成为社会演进和经济增长的新助力。成绩数据是一项重要的信息资源,通过运用先进的数据分析技术对其进行分析,对促进学校的全面持续发展具有非常重要的作用。关联规则是一种简单、容易理解且很实用的数据挖掘方法,挖掘数据中存在的关系和规则,即发现课程之间的关联关系,不仅可以提高教学管理效率,还可以帮助教师对现有的教学方式和方法进行改革,从而不断提高教学质量,满足学生的学习需求。

基于关联规则挖掘算法的集团型企业业务数据管理系统

为了在决策支持系统中快速挖掘出关联规则,以帮助管理者做出更好的决策,提出了一种非冗余高效用关联规则算法。建立了一个高效用项目集合,在其中识别出高效用项。在此基础上,开发了一种从构建的集合中生成规则的高效算法。将提出的新算法分别在稀疏型数据集和密集型数据集上进行了验证,实验结果表明,提出的非冗余高效用关联规则算法运行时间更短,且所占用内存更小。所提出的算法可以与各种应用集成,并且可以很好地与外部系统结合,例如物联网(IoT)和分布式计算机系统,其在决策支持系统中具有较高的使用价值。

改进粒计算算法下时序数据关联规则挖掘仿真

挖掘数据的关联规则有利于提高数据的利用率,时序数据通常包含大量的时间序列和多个特征,在挖掘过程中受噪声的干扰,导致挖掘精度下降。为了解决这一问题,提出基于改进粒计算的时序数据关联规则挖掘模型。采用自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)方法对时序数据分解,对分解后获得的数据分量滤波,通过数据重构获得去噪后的时序数据;根据CerFac模型通过自底向上的方式对时序数据展开属性约简;采用改进粒计算的方式在属性约简后的时序数据中挖掘关联规则。实验结果表明,所提方法可有效消除时序数据中存在的噪声,高精度的实现时序数据的属性简约处理,且挖掘时间保持在1.5ms内,表明所提方法的挖掘效率高。

基于关联规则算法的电力企业财务信息异常数据智能挖掘方法

常规的电力企业财务信息异常数据挖掘方法以集群挖掘与分段挖掘为主,同一类别的异常数据挖掘效率较低,影响财务数据整合效果。因此,本文设计了基于关联规则算法的电力企业财务信息异常数据智能挖掘方法。此方法标注电力企业财务信息数据挖掘异常点,建立电力企业财务信息数据集,逐步探查数据集中的异常数据,并将异常数据汇总到一个数据单元中,形成财务信息数据异常点。本文基于关联规则算法挖掘电力财务异常频繁项集,在电力财务数据异常点中,挖掘出存在价值的信息,确保异常数据挖掘的准确性。采用对比实验,验证了该方法的数据挖掘准确性更高,能够应用于电力企业财务管理工作中。

基于关联规则的科研项目申报信息挖掘技术

随着数据挖掘技术越来越多地被用于教育领域,如何运用该技术实现知识发现是一个迫切需要研究的项目。基于此,利用关联规则对某高校2021年度科研项目申报信息进行数据挖掘,通过对项目相关人员的职称、学历、项目级别、研究基础与立项情况之间的相关性进行统计分析,为教师申报项目、学校进行科研管理决策提供参考,增加项目申报成功率,进而提升高校整体科研水平。