基于位图矩阵和双支持度的中药配伍挖掘技术

用数据挖掘技术研究了中药方剂配伍的规律.引入了关注频繁项概念,提出并实现了基于位图矩阵和双支持度技术的BM-DB-Apriori算法来寻找药对药组.位图矩阵技术使得在找频繁k-项集集时无需对数据库扫描,双技术度确保频繁项集中不包含那些因太频繁而失去意义的项集.以脾胃方剂库为对象分别使用BM-DB-Apriori和Apriori两种算法进行实验.实验表明,BM-DB-Apriori算法能够更快速、更准确地挖掘出药对和药组.

基于双隶属度模糊支持向量机的邮件过滤

针对邮件所含信息的模糊性和合法邮件与垃圾邮件错分代价的不对称性提出了基于双隶属度模糊支持向量机的邮件过滤方法,通过对每个样本赋予不同的双隶属度,得到最优分类器,提高了邮件过滤的正确率。经仿真实验证明,该方法能够有效降低将合法邮件误判为垃圾邮件,而且有很高的正确率等特点。

基于双阈值Apriori算法和非频繁项集的关联规则挖掘方法

针对从数据集中的正负关联规则挖掘问题,提出一种基于双阈值Apriori算法和非频繁项集的挖掘方法。首先,对通过逆文档频率(IDF)对语料库中的项(项集)进行加权,筛选出前N%的项集;然后,通过提出的双支持度阈值Apriori算法来提取频繁项集和非频繁项集,以此降低非频繁项集的数量;最后,通过置信度和升降度阈值的判断,分别从频繁项集和非频繁项集中挖掘正负关联规则。其中,创新性地利用了非频繁项集来挖掘正负关联规则。在一个医学文本数据集上的实验结果表明,提出的方法能够有效地挖掘出正负关联规则,且能够大大降低项集和规则数量。