基于分类关联规则的中药功效与药味关联关系研究

目的为中药药性五味理论的全面总结奠定大样本数据挖掘的基础,并为中药新资源的开发及临床用药提供五味药性判定的理论线索。方法选择《中华本草》所载8 980味中药的五味数据及关联的药物功效索引数据作为数据集,采用IBM SPSS Clementine 14.1数据挖掘平台,选择Apriori模型挖掘分类关联规则,设置规则前件最小支持度阈值为0.5%,最小置信度阈值为80%。结果共挖掘出涉及甘、辛、苦3种药味的分类关联规则21条。具有生津止渴、补气、补阴、润肺、补肺、生津止渴&清热、润肺止咳、补气&补血、润燥、除烦、补脾益气功能的中药其药味多为"甘";具有发散风寒、解表、温中、散寒止痛功能的中药其药味多为"辛";具有消肿止痛&清热解毒、清热泻火、清热燥湿、化瘀止血&清热解毒、杀虫&清热解毒、止痛&清热解毒功能的中药其药味多为"苦"。结论本研究挖掘出的功效与甘、辛、苦三味之间的关联规律完全基于大量中药数据,后续还需通过各种试验多方验证以构建完整的中药药性理论体系。

明清脾胃湿热方用药分类关联规则挖掘

本研究搜集明清两代古医籍中治疗脾胃湿热证的方剂共591条，用药总频数4657次，涉及中药共161味，构建包含方名、年代、文献出处、主治、药物组成等字段的方剂数据库，分别作药物频数分析、logistic逐步回归分析、用药关联规则和分类关联规则挖掘等，从多角度探讨明清两代治疗脾胃湿热证的用药规律。

一个改进的分类关联规则挖掘算法

关联规则挖掘是数据挖掘的重要领域之一,目前多数监督学习算法对满足最小支持度和最小置信度的关联规则进行深入分析的较少。剖析了分类关联规则挖掘算法CAR-Apriori算法,并提出了一种基于多最小支持度和支持度差别限制的分类关联规则挖掘算法MSCAR-Apriori算法。实验结果表明,改进算法不仅可以挖掘出满足给定条件的分类关联规则,同时还可以保留稀有但用户感兴趣且可能蕴涵巨大利润的规则项。

仲景方用药的分类关联规则挖掘

目的总结仲景方主治寒、热、虚、实等诸证的遣方用药规律。方法选择仲景方作为数据集,采用CMAR子算法,分别从八纲中的寒热、虚实两个角度挖掘张仲景治疗寒、热、虚、实等诸证的遣方用药规律,算法参数设置最小支持度阈值为2%,最小置信度阈值为50%。结果在主治寒热证方面挖掘出21条分类用药关联规则,在主治虚实证方面挖掘出29条分类用药关联规则。结论总结了仲景方主治寒、热、虚、实等诸证的常用药。

基于原子分类关联规则的网络入侵检测研究

由于较好的准确性和鲁棒性表现,关联分类算法已经广泛应用于网络入侵检测领域。然而由于生成的关联规则数目较多,分类模型难以识别,同时导致运行速度慢、占用系统内存大。在本文中,对分类关联规则算法进行了改进,解决了上述问题,并且应用于入侵检测中,使用KDD99数据集进行验证,结果表明系统在保持误报率低的情况下,入侵检测率有所提高。

面向健康医疗的分类关联规则挖掘研究

数据的爆炸式增长使知识和规则隐式地存在于数据中不被发现,形成资源孤岛,造成资源浪费。关联分析用以挖掘大规模、海量数据中隐式的关联规则模式。提出一种面向健康医疗的分类关联规则挖掘算法,用以挖掘大规模个人健康数据间隐藏的分类关联规则模式,对健康医疗及其它领域中基于关联规则的推荐具有新价值。

基于分类关联规则的微博情绪分析

针对微博文本语法不规则、句子间文本联系不紧密的问题,提出一种基于分类关联规则的情绪分析方法。获得一篇微博中相邻句子间的连接词,分别采用KNN和SVM算法对微博中的每个句子进行情绪分析,获得对应的情绪标签;将获得的情绪标签和连接词转换为关联规则项集,通过关联规则挖掘算法获得相应特征;采用SVM算法对获得的特征进行情绪分类,得到整篇微博的情绪类别。实验结果表明,该方法在情绪分类上具有较好的效果。

分类关联记忆英语形容词

教与学是师生之间的互动关系。学者动也 ,师者助也———这一新的教学关系是对传统的教学关系的新的挑战。教给学生学法是引导学生进行自治学习 ,使学生自己管理好学习中各个环节的事半功倍的有效方法。以如何使互不相干的定语形容词互相关联为例 。

一个最优分类关联规则算法

分类和关联规则发现是数据挖掘中的两个重要领域。使用关联规则算法挖掘分类规则被叫做分类关联规则算法,是一个有较好前景的方法。本文提出了一个最优分类关联规则算法——OCARA。该算法使用最优关联规则挖掘算法挖掘分类规则,并对最优规则集排序,从而获得一个分类精度较高的分类器。将OCARA与传统分类算法C4.5和一般分类关联规则算法CBA、RMR在8个UCI数据集上进行实验比较,结果显示OCARA具有更好的性能,证明OCARA是一个有效的分类关联规则挖掘算法。

基于特征选择和模糊类支持度的模糊分类关联规则挖掘算法

模糊分类关联规则(Fuzzy Classification Association Rules,FCAR)是一种特殊的模糊关联规则,挖掘FCAR对于构建基于规则的分类模型至关重要。传统关联规则挖掘算法挖掘FCAR时可能会包含较多冗余规则,并且在数据集类别不平衡时,挖掘到的小类规则的数量会急剧减少甚至降为0。为解决上述问题,提出了一种基于特征选择和模糊类支持度-模糊提升度框架(Fuzzy Category Support-Fuzzy Lift Framework,FCS-FLF)的FCAR挖掘算法FSFCS Based FCARMiner(Feature Selection and Fuzzy Category Support-Fuzzy Lift Framework Based FCAR-Miner),基于模糊隶属度矩阵迭代挖掘FCAR。在多个类别不平衡的数据集上的实验结果表明,相比其他算法FSFCS Based FCAR-Miner算法能够避免大量冗余规则的生成,同时也能适应数据类别不平衡的情况,不会出现各类规则数量相差悬殊的情况。

挖掘Web日志中的分类关联规则

用户分类是Web访问模式挖掘研究的一个重要任务。提出一种应用关联分类技术对Web用户进行分类的方法:首先通过对Web日志文件预处理得到训练事务数据集,然后从该事务集中挖掘分类关联规则,并利用所挖掘的规则集构建了一个分类器,从而实现了根据用户访问历史对用户进行分类。

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.

基于精简模糊分类关联规则的分组模糊判决方法

为提高土地评价知识表达的简易性和可解释性,提出利用精简模糊分类关联规则和模糊判决进行土地评价的方法.为了降低土地评价模型的复杂程度,提高模糊关联规则分类的有效性和可解释性,本文通过精简模糊分类关联规则,去除了冗余规则,并针对了模糊判决中难以判决的问题,提出分组模糊判决算法进行迭代.实验表明,在采用32条精简规则的情况下,结合精简模糊分类关联规则和分组模糊判决进行土地评价方法获得准确率为92.2835%,比精简前在最小支持度为0.005的情况下得到的32条模糊分类关联规则准确率提高了5.0039%.

基于频繁闭项集的新关联分类算法ACCF

提出了基于频繁闭项集的新关联分类算法ACCF。ACCF首先挖掘出所有频繁闭项集(CFIs)和候选分类关联规则,然后从候选分类关联规则中产生和筛选出若干规则,并用其构建分类器;在分类应用时,采用了一种新的匹配方式对分类实例进行分类。通过理论分析和对18个UCI公共数据集的实验结果表明,ACCF不仅能挖掘出高质量且不丢失信息的关联分类规则,而且大大减少了关联分类规则的数量,在分类准确率上也比现有的关联分类典型算法更高。

一种大数据环境中分布式辅助关联分类算法

在很多现实的分类应用中,新数据的类标需要由领域专家最终确定,而分类器的分类结果仅起辅助作用.另外,随着大数据所隐含价值越发被人们重视,分类器的训练会从面向单一数据集逐渐过渡到面向分布式空间数据集,大数据环境下辅助分类也将成为未来分类应用的重要分支.然而,现有的分类研究缺乏对此类应用的关注.大数据环境中的辅助分类面临以下3个问题:1)训练集是分布式大数据集;2)在空间上,训练集所包含的各局部数据源的类别分布不尽相同;3)在时间上,训练集是动态变化的,会发生类别迁移现象.在考虑以上问题的基础上,提出一种大数据环境中分布式辅助关联分类方法.该方法首先给出一种大数据环境中分布式关联分类器构建算法,在该算法中,通过横向加权考虑分类数据集在空间上的类别分布差异,并给出"前件空间支持度-相关系数"的度量框架,改进关联分类算法面对不平衡数据的性能缺陷;然后,给出一种基于适应因子的辅助关联分类器动态调整方法,能够在分类器应用过程中充分利用领域专家实时反馈的结果对分类器进行动态调整,以提升其面向动态数据集的分类性能,减缓分类器的退化和重新训练的频率.实验结果表明,该方法能够面向分布式数据集较快地训练出有较高分类准确率的关联分类器,并在数据集不断扩充变化时提升分类性能,是一种有效的大数据环境中辅助分类应用方法.

改进的多类不平衡数据关联分类算法

由于多类不平衡数据中某些类别的样例数特别少,使得基于支持度-置信度的关联分类方法在这些类上产生的规则较少,甚至没有,从而导致这些类别的样例很难准确分类.针对此问题,文中提出改进的多类不平衡数据关联分类算法.为了提取更多小类的规则,根据项集与类别的正相关度提取规则.为了提高小类规则的优先级,提出利用项集类分布规则强度排序规则.此外,为解决规则冲突或无规则匹配问题,结合KNN分类新样例.实验表明,与基于支持度-置信度的关联分类方法相比,文中算法能提取更多的小类规则,且提高小类规则的优先级,在多类不平衡数据上取得较高的G-mean值和F-score值.

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。

关联规则分类的数据流挖掘方法在水电机组故障诊断的应用

引进一种数据流关联规则分类法(AC-DS),并应用该方法对UCI机器学习库中标准数据集进行分类验证,验证结果表明该方法准确且有效。然后将该方法应用到水电机组故障的诊断分类中,证明该方法的分类精度随着测试样本的增加而增加。该方法对现场不同类型机组故障分类有一定意义。

提取有效规则的关联分类算法

针对关联分类算法产生的规则普遍存在分类器分类精度、效率低的问题,提出了一种提取有效规则的关联分类算法———ACDER算法.首先定义了剩余支持度和剩余置信度,然后通过计算规则剩余支持度和剩余置信度建立了分类器并进行剪枝,以达成对分类尽量少且最有效的规则构成分类器,确保分类器中不存在任何冗余规则和冲突规则.在8个数据集上的测试结果表明,所提算法的平均分类精度比关联规则算法提高了4.15%,而在所有数据源分类器上的规则数却减少了54%.

董事联结影响股价联动：关联分类还是资源价值？

资产价格协同变化源于信息的关联性,企业所嵌入的社会关系和社会结构影响着企业间治理信息的扩散。以中国A股上市公司为研究对象,本文考察企业间董事联结关系对股价联动的影响。实证研究结果表明,董事联结影响股价联动,但这种联动性是由于董事联结的内在资源价值所形成的,而非投资者基于董事联结这一关系属性的简单分类投资形成的;进一步分析表明,节点股票的董事联结中心度与其它股票收益间的平均相关系数存在非线性关系,董事联结资源价值达到一定程度时,其对其它股票价格的主导作用逐步降低。