基于GEP的多层关联规则挖掘算法及其应用

为了在Web使用挖掘中挖掘网站服务器日志数据库的热点Web页面访问集及发现其关联规则,提出了一种新的基于GEP(gene expression programming,基因表达式编程)的适用于挖掘多层关联规则的算法。将泛化技术应用于GEP作为它的适应性函数度量,引入GEP强大的自搜索功能,进化到较优的种群后,再利用传统的支持度-置信度的方法在子数据库的多个层及层间挖掘频繁项及关联规则。该算法改进了传统多层关联规则挖掘框架,实验结果表明了该算法在大数据库中的有效性和高效性。

数据立方体上多维多层关联规则挖掘算法

重点结合联机分析挖掘的思想,讨论了数据立方体上的多维多层关联规则挖掘。基于数据立方体和FP算法提出并构建了体现概念层次的Hib＆Dim FP树和其挖掘算法Hib＆Dim FP算法,并把此算法应用于数据立方体上的多维多层关联规则挖掘。最后的实验证明了该算法的有效性。

一种快速有效的分布式开采多层关联规则的算法

关联规则 (association rules)是数据开采的重要研究内容 .建立项目的层次关系可以发现更加有意义的规则 .主要研究分布式环境下开采多层关联规则的问题 .提出了一种快速有效的 ML FDM算法 ,采用的技术包括分布式编码交易表的有效修剪、侯选集的产生及修剪技术、侯选项集的全局支持数的计算方法等 .论述了它的原理、具体实现方法及其几个改进算法 .实验结果表明 ,算法 ML FDM是有效的 ,并对 ML

并行多层关联规则的挖掘算法研究

在分析了单数据库多层关联规则算法SMAM算法的基础上,为了提高现有算法的效率,改善内存的使用率,提出了两种并行多层关联规则算法PMAM-L和PMAM-LG。在无共享的工作站机群上进行性能测试,证明PMAM算法是有效的。

基于FP-tree的多层关联规则快速挖掘算法

研究了多层关联规则挖掘的理论和方法,提出了一种基于FP-tree的快速挖掘算法FAMML_FPT。该算法不仅实现了同层次关联规则的挖掘,也能实现跨层次关联规则的挖掘,其中引入了修补项、跨层修补项的概念,以便从低到高逐层建立FP-tree,有效减少了扫描数据库的次数,且不用产生大量的候选项集,提高了数据挖掘的效率。

一种改进的多层关联规则挖掘算法

在传统的多层关联挖掘算法中,概念层次树只提供项目的概念分层信息,导致项目查找效率不高。为此,提出一种改进的多层关联规则挖掘算法。在概念层次树的节点中增加2个域,以获取各层的频繁1-项集,通过增加1个基于Hash表的辅助存储结构,以提高项目的查找效率。实验结果表明,与传统算法相比,改进算法的挖掘时间能缩短10%左右。

分布式数据库多层关联规则挖掘算法研究

对分布式数据库多层关联规则挖掘的理论和方法进行了研究,提出了一种基于频繁模式树FP-tree(FreguentPatterntree)的快速挖掘算法DMAML_FPT(DistributedMiningAlgorithmofMultipleLevelbasedonFP-tree)。与类Apriori算法相比较,该算法最多只需扫描数据库三遍,不需产生和传输大量的候选项集,减少了数据通信量,从而提高了数据挖掘的效率。实验结果表明算法DMAML_FPT是可行和有效的。

基于语义划分的多层关联规则冗余处理方法

针对多层次关联规则的冗余问题,提出基于语义划分的多层关联规则冗余处理方法.该方法根据语义描述信息将冗余规则划分为三类:子规则冗余、同义规则冗余、可规约规则冗余.冗余处理的时候删掉冗余子规则,对同义规则进行归类视为具有相同意义的规则,把只表述了部分信息的可归约规则规约到更高层次.使用某手机订阅服务的真实数据进行实验,实验表明该方法能有效地对规则进行冗余处理.

从大型数据库中分布式挖掘多层关联规则的算法

关联规则 (Association Rules)是数据挖掘的重要研究内容。随着 OLAP与数据仓库技术的日益成熟 ,从巨量数据库中挖掘多层关联规则的问题越来越迫切且具有较高的实用价值。本文主要研究分布式环境下挖掘多层关联规则的问题。提出了一种快速有效的 DMML A算法 ,论述了它的原理及具体实现方法。实验结果表明 ,算法

一种基于多层关联规则的推荐算法研究

提出一种基于多层关联规则(MAR)的推荐算法,着重解决目前推荐算法的稀疏性问题和可扩展性问题。该算法采用多层关联规则挖掘用户对商品的偏好,并建立用户偏好预测模型。实验表明该算法性能优于其他推荐算法。

基于SQL的多值多层关联规则挖掘

在分析研究关系数据库上关联规则挖掘现有方法的基础上,提出了一种基于结构化查询语言SQL的多值多层关联规则挖掘新方法。采用了一种新的根据概念分层的编码方法对多值属性进行离散化,然后利用SQL的查询语句,结合多值属性的编码,实现了关系数据库上的多层关联规则挖掘。实验表明,该算法具有快速、有效、易开发等优点。

基于多层关联规则的银行产品交叉销售策略

我国商业银行在近些年的改革发展中存在两个共性问题：第一，基础设施投资巨大，生存和发展的途径主要靠吸引和保留足够数量的客户；第二，产品差别小，各个商业银行很难提供差别化、个性化的金融产品，长期留住客户比较困难。因此，商业银行在不断扩展业务范围、不断加大科技投入的同时要注重以客户为中心的管理，对客户需求的满足能力是银行能否与客户保持紧密联系、获得发展的关键所在。在这种背景下，如何利用先进的技术对现有客户进行有效交叉销售，从而最大化客户的生命价值就变得非常重要。

基于数据立方的多层关联规则的元模式制导发现

元模式制导数据发掘是以人为中心的交互式数据发掘方法，用户可以通过元模式指定其假设，从而引导数据发掘．

基于数据立方体的多层关联规则的挖掘

本文研究了多层关联规则中项目、项目集合和支持度等概念在数据立方体中的具体含义,提出了一种全面的、易于理解和使用的基于数据立方体的多层关联规则形式化描述方法,并设计了一种适合于数据立方体的多层频繁项目集合生成算法GenHibFreq。实验表明该算法在灵活性、可伸缩性和效率方面有很好的表现。

基于多层关联规则算法的煤矿突出预警模型

为提升煤矿突出预警精度,提出基于多层关联规则算法的煤矿突出预警模型。分析造成煤矿突出问题产生的主要因素,并以此为基础,由地质构造、煤层赋存参数与瓦斯参数3方面出发,选取压扭性断层、煤厚变化量以及煤层瓦斯含量等煤矿突出预警指标,构建煤矿突出预警指标体系。采用层次分析法构建煤矿突出预警模型,利用多层关联规则算法挖掘模型内同层指标关联规则与跨层指标的关联规则,确定预警模型内各指标的权重,根据组合权重确定煤矿突出预警结果,并将预警结果分为安全、威胁、危险与突出4个等级。实验结果显示,所研究模型的预警精度基本保持在99%以上。

基于下钻操作的多层关联规则挖掘算法研究

多层关联规则涉及多个抽象层中的项,它是通过有概念分层的关联规则挖掘而产生的.传统的方法仅考察每个概念层次内是否有用户感兴趣的规则,而忽略了不同概念之间的规则.另外,很多挖掘出的规则并不是用户感兴趣的.提出的关联规则的下钻操作沿袭了OLAP中下钻的概念,它是通过对已经挖掘得到的用户感兴趣的规则进行再分析,挖掘出用户感兴趣的子关联规则,从而达高效挖掘多层关联规则的目的,且这种规则不局限于同一概念层次内.

分布式多层关联规则在图书流通优化中的应用

提出了一种分布式多层关联规则算法,并给出了相关算法描述及算法实现方法,讨论了如何将分布式多层关联规则算法应用于大学图书馆图书流通量挖掘中,以达到优化图书馆藏结构的目的。

基于多层关联规则挖掘的超市货架陈列优化

基于.NET架构和数据仓库技术开发经理人决策支持平台,使用多层关联规则算法挖掘购物小票的频繁项集,发现顾客的购物模式,为超市货架陈列优化提供帮助。文章分析了决策支持平台的体系设计,多层关联规则挖掘模型的设计,最后进行频繁项集和规则的挖掘示例,并给出超市货架陈列的优化建议。

分布式数据库项约束多层关联规则挖掘

由于分布环境的日益普遍并且需要结合使用者的实际要求对数据集按层次挖掘关联规则,故本文针对在分布式环境下基于项约束的关联规则挖掘和多层关联规则挖掘的特点,将交易表按概念层次进行编码,使用逐层迭代挖掘策略,结合CD算法和Direct算法提出一种在分布式环境下挖掘约束性多层关联规则的有效算法:MLACD算法,并通过实验验证该算法是正确有效的。

基于蕴涵度的模糊多层关联规则挖掘改进算法

针对模糊多层关联规则挖掘算法的不足,引入了蕴涵度的方法,实现了基于蕴涵度的模糊多层关联规则挖掘算法。推导出了蕴涵度可以用支持度来表示,这样有效地缩短了程序的执行时间。实验结果证明了采用蕴涵度代替置信度的方法提高了模糊多层关联规则挖掘算法的效率。