基于多维关联规则的车辆故障码解耦方法研究

本文提出一种针对车辆复杂耦合故障的故障码(DTC)解耦方法。首先由车辆故障自诊断原理及故障信号传播过程分析故障码的复杂关联性,结合关联规则技术挖掘故障码间强关联关系,并定义故障码多维关联规则;其次由故障码数据集特征,改进适用于故障码多维关联规则挖掘的FP-Growth算法;最后由多维关联规则构建故障码关联知识图谱,结合图论实现复杂故障码解耦。结果表明,该方法能有效降低故障码的数量及复杂度,提升基于故障码检修故障的效率。

三层级阅读教学:以多维关联的结构化探索科学化

阅读和阅读教学都是有层级的,阅读教学多维关联、自下而上的“层级秩序”即构成结构,包括教学内容和教学过程。长期以来,阅读教学的“层级”意识要么关注学科结构,要么关注学习过程,都未能站在“多维关联”“自下而上”的视角审视并指导教学。“三层级阅读教学”理论本质上是对阅读教学的一种科学化、结构化探索,努力追求“学习逻辑(学习结构)-学科逻辑(知识结构)-情境逻辑(课文情境)”三位一体的阅读教学结构,从而使阅读教学真正走上科学化道路。

基于多维关联规则的用电负荷智能预测方法

用电负荷预测受到冗余数据影响,负荷预测值与实际值相差较大,因此提出基于多维关联规则的用电负荷智能预测方法。使用多维关联规则挖掘用电负荷频繁项集,获取全部用电负荷待预测数据,根据挖掘结果划分用电负荷种类。计算多维关联规则提升度,预处理冗余数据,生成待预测目标集。根据获取的用电序列,整合全部频繁项集,构建预测模型,并进行强关联学习。通过调整负荷数据训练收敛程度,获取用电负荷的最大、最小值。在用电设备节点中注入用电负荷预测多维关联规则修正数值,避免噪声数据影响预测结果。实验结果表明,该方法最大、最小负荷与实际数据,分别在9月30日和6月15日存在5 MW和0.3 MW的误差,说明该方法预测结果精准。

基于多维关联规则的建筑工程地质勘察数据整合研究

随着建筑工程复杂性的增加,对地质勘察数据的精确整合等各方面提出了更高要求。为解决建筑工程地质勘察数据整合问题,运用频繁模式增长树策略提取多维关联规则以优化数据质量,并采用倒数距离加权插值法构建高精度三维地质体模型。同时,以C语言编程优化模型,实现与地质模型的精确拟合。结果表明:运用该方法在工程勘察中整合地质数据,提高了叠置规则精确度,实现了BIM模型与地质体的高度一体化。该方法为地质勘察数据整合与BIM模型构建提供了新的有效路径,具有显著的应用潜力和推广价值。

改进多维关联规则算法在多源异构数据挖掘中的应用

针对传统多源异构数据挖掘方法存在的数据处理速度慢、加速比和分类精度低的问题,研究了改进多维关联规则算法在多源异构数据挖掘中的应用。利用改进多维关联规则算法分析数据之间的关联性,建立多源异构数据特征单元集合,根据数据权重与属性之间的相似度计算多源异构数据可信度,完成多源异构数据的预处理。计算多源异构数据的优先权值,并对数据进行排序处理,采用全局极小理论计算多源异构数据的适应度,以此搭建多源异构数据对象模型。以多源异构数据对象模型为依据,搜索出具有最大先验概率的数据划分策略,根据多源异构数据优化的目标函数设计了多源异构数据挖掘算法,实现了多源异构数据挖掘。实验结果表明,本文方法可以提高多源异构数据的处理速度,在加速比和分类精度上也具有一定的优势。

基于多维关联细粒度的电力信息化客户画像模型研究

针对当前模型构建的客户画像对客户信息约束不足,导致客户画像模型拟合度较低的问题,提出了基于多维关联细粒度的电力营销信息化客户画像模型。根据电力营销客户画像信息需求和数据源,采集并预处理电力营销客户信息。采用多维关联细粒度,分析客户信息关联性,通过支持度和置信度,约束电力营销客户信息,结合CS算法和模糊均值算法,构建电力营销信息化客户画像模型。实验结果表明,所提模型的信息标准指数较为接近0,规范拟合指数和拟合优度指数较为接近1,能够有效提高客户画像模型拟合度。

基于多维关联规则的大规模数据并行挖掘研究

为了解决因数据离散程度过大导致大规模数据并行挖掘质量变差的问题,提出基于多维关联规则的大规模数据并行挖掘方法。遵循多维关联思想建立关联树结构,根据RFM值计算公式完善多维运算法则,利用多维关联规则构建数据集合。求取近邻值指标、逆近邻值指标的数值,以此确定离散挖掘系数,结合该系数并行挖掘大规模数据。实验结果表明,在多维关联规则作用下,数据离散度取值小于35%,数据分布不再呈现稀疏状态,能有效提升大规模数据并行挖掘质量。

交通事故的多维关联规则分析

城市机动车数量的增加已经导致城市交通事故的频繁发生,能否对已发生事故作出正确的分析将直接影响到能否对未来类似事故的成功避免。本文提出一种使用数据挖掘领域中的多维关联规则技术分析大量交通事故记录的方法,通过找出可能导致交通事故发生的频繁因素组合来发现某些事故发生的规律,并将这些规律作为现实中作出预防举措的依据。

基于数据立方体的多维关联规则的挖掘方法

总结了现有基于数据立方体的多维关联规则挖掘算法，在此基础上将联机分析处理(OLAP)的钻取操作引入关联规则挖掘过程，提出了对Apriori_cube算法的改进算法，通过动态调整立方体的维层次，来挖掘出用户感兴趣的关联规则。

基于多维关联函数的产品低碳设计实例动态分类方法

针对产品需求动态性引起的产品低碳设计实例分类中存在的跳跃性问题,如何挖掘出实例归类的分类变换规则是研究的难点,为此提出一种基于多维关联函数的产品低碳设计实例分类方法。分析了产品全生命周期的关联特性,建立了产品碳足迹和资源消耗成本的集成量化方法,构建了产品低碳设计实例库;基于相似度和频度计算,对产品低碳设计实例库进行了约减,形成了分类实例库,在此基础上构建基于多维关联函数的相似度计算方法,实现其静态分类;建立了变需求下对应的可拓关联函数,获取需求变换对产品低碳设计实例分类的动态影响关系。以LG系列螺杆机(LG-6.7/10)低碳设计为例,基于Solidworks平台、VC++、Access数据库等软件平台,验证了所提产品低碳设计实例动态分类方法的可行性。

一种挖掘多维关联规则的有效算法

1.引言 挖掘大型事务数据库中的关联规则是数据挖掘研究的重要课题之一[1].由于关联规则在商务分析与决策、相关分析、分类等方面具有广泛应用,自提出以来一直受到广泛重视.一维关联规则的挖掘已有不少有效算法(如文,[2,3,4],综述参见文[1]).多维关联规则不仅考虑项集间的关联,而且考虑项集的维约束.这使得挖掘出的规则更具实用性,同时也增加了规则挖掘的难度.

大数据环境下基于多维关联分析的学习资源精准推荐

从教育大数据中为学习者提供个性化学习资源是缓解学习迷航、提升在线学习体验的有效途径。为实现精准的学习资源推荐,关键要整体考虑数据之间的复杂关系,对学习者、资源、情境等进行多维关联分析。本研究引入张量理论构建"学习者—资源"融合张量,依据多维关联分析原理,采用高阶奇异值分解算法挖掘学习者和资源的关联关系,实现学习者和资源之间的精准匹配。通过9组不同规模数据的对比实验,发现多维关联分析方法的推荐性能均优于在推荐领域成熟应用的协同过滤算法,并且随着数据规模增大,其推荐性能愈优。多维关联分析方法有利于大数据环境下个性化学习资源精准推荐,提升在线教育质量和个性化学习效果。

一种新的空间多维关联规则模型与算法

空间对象具有自相关、连续性、多尺度等特点,导致空间关联规则挖掘与传统的统计关联规则挖掘不同,不存在统计的“事务”,挖掘更加复杂。本文用基于空间相关的影响域来创建“空间事务”,以代替传统关联规则挖掘中的事务,建立了一种新的应用于挖掘空间多维数据的空间多维关联规则模型(Spatialmultidimensionalassociationrulesmodel,SMARM)。设计并实现了一种新的挖掘算法SMARBIA,用基于影响域、空间支持度等剪枝技巧,克服了空间多维关联规则挖掘过程中候选项目集庞大的困难。实验表明,该算法能有效地减少候选项目集而获得较好的性能。

药品不良反应多维关联规则挖掘及预警模型构建

目的找寻不良反应、药品、用药人群间的关联关系,构建关联模型,为临床安全合理用药,有效降低由药源性疾病带来的额外经济负担,提高临床治疗效果提供必要的保障。方法应用SQL构建多维数据仓库,运用数据挖掘技术中的关联规则挖掘数据中潜在的有价值的信息。结果与结论得到江苏省2004～2009年6年多维关联结果以及6年纵向多维关联规则比较结果,共获得7组具有强的关联性的三维关联组合和5组具有一定关联性的三维关联组合。

基于人工免疫的多维关联规则挖掘及其应用研究

关联规则挖掘是一个重要的数据挖掘问题。目前,关于单维关联规则的成果已经比较成熟,但是对于多维关联规则问题因为存在显著的组合爆炸问题,至今尚未完美解决。提出了一种基于人工免疫的多维关联规则挖掘算法。算法充分利用了人工免疫的记忆特性,把挖掘的关联规则存入记忆库,加快了多维关联规则的挖掘速度。结果表明,该算法应用于煤与瓦斯突出预测中,具有较好的鲁棒性,能快速、有效地进行全局优化搜索,在多维关联规则的挖掘中具有可行性和高效性。

基于灰相似关系和多维关联约束的新产品初始配置方法

为了解决新产品开发策划中将目标新产品概念模型中的结构化功能技术特性快速转化成新产品初始结构配置的问题,建立了多维关联约束的零部件资源库模型,针对分解后的新产品功能技术特性要求,根据零部件灰相似关系从零部件库查找出对应匹配或近似匹配的候选实例,按照零部件对产品总体功能技术作用的重要度排序,通过多维关联约束驱动和迭代匹配,逐步形成各零部件的总体候选方案,并根据综合匹配度确定最终匹配方案及其待改型设计和新设计的零部件。最后,通过一个实例对所提出的方法进行了验证。

刑事案件的多维关联分析模型研究

为了发现刑事案件中犯罪的特点与规律，本文建立了刑事案件的多维关联分析模型。首先，进行刑事案件的数据清理；然后，建立刑事案件多维数据模型，其中包括概念分层与建立数据立方体；在此基础上，利用改进的频繁谓词集算法寻找频繁谓词集，根据最小支持度与最小置信度要求，产生强关联规则；最后，对结果进行解释与评价。建立模型后，本文利用刑事案件的样本数据，详细地描述了整个模型的建立过程，并且利用大连市公安局提供的真实数据验证了模型的可用性与正确性并对结果进行了详细分析。本文建立的刑事案件多维关联分析模型为今后城市公安数据挖掘应用研究提供了参考。

基于多维关联本体的学习资源推荐方法

针对目前互联网环境下学习资源推荐方法无法满足用户垂直化、精准化以及个性化学习需求问题,探索融合学习资源维度、学习者维度以及情境维度的学习资源推荐方法。首先,构建学习资源推荐多维关联本体模型(MCOM),通过语义关系实现学习资源本体、学习者本体和情境本体关联;其次,设计动态自均衡二进制粒子群优化算法(DSEBPSO);最后,将MCOM本体模型与DSEBPSO算法融合应用,提出基于多维关联本体的学习资源推荐方法(MCOM-LROM),为学习者提供最优学习资源或学习路径。相较于当前主流的学习资源推荐方法,MCOM-LROM方法在推荐结果准确性、响应速度以及内容质量等方面性能更优。

基于粗糙集的多维关联规则挖掘方法

海量的数据使得关联规则挖掘非常耗时,而并非所有的规则都是用户感兴趣的,应用传统的挖掘方法会挖掘出许多无关信息。此外,目前大部分算法是针对单维规则的。因此,定义了一种挖掘语言使得用户可以指定感兴趣的项以及关联规则的参数(如支持度,置信度等),并提出一种基于粗糙集理论的多维关联规则挖掘方法,动态生成频繁集和多维关联规则,减少频繁项集的生成搜索空间。实例分析验证该算法的可行性与有效性。

基于多维关联规则驱动的新产品配置研究

为构建一个全面高效的新产品设计配置模型,文章建立了基于多维关联规则的零部件约束数据库。由产品质量特征重要度的计算和待配置零部件集合设计结构矩阵的撕裂操作,来指导产品族物料清单(bill of material,BOM)树上零部件的重要度排序;建立映射矩阵将新产品的总体质量特征需求分解为对产品族BOM树上特定零部件的功能技术特征,通过余弦夹角相似计算从零件库中检索出相匹配或近似匹配的候选零部件;按照零部件对新产品的重要度排序,通过多维关联约束驱动和迭代匹配,逐步形成各零部件的总体候选方案;同时确定待改型设计和新设计的零部件,根据综合匹配度计算确定最优匹配方案。最后通过实例说明了该方法的可行性。