基于极大频繁项集的粒关联规则方法

推荐系统已经被广泛应用于日常生活的各个领域,粒关联规则适用于推荐系统的冷启动问题,但粒关联规则存在规则集冗余而干扰推荐的问题。为解决该问题,从粒的性质出发,结合极大频繁项集可以紧凑地表示频繁项集的特点,提出基于极大频繁项集的粒关联规则方法 (MGR算法)来改进粒关联规则算法。利用MovieLens数据集,在不同阈值条件下,对比改进算法与传统粒关联规则算法的规则数量、运行时间和推荐准确率之间的关系。试验表明,改进的算法规则数量减少约1/2,运行时间减少约2/3,在不同阈值和不同划分比例的条件下,改进算法的推荐准确率均高于传统算法。

基于FP树的极大频繁项集的挖掘方法

提出一种基于FP树的极大频繁项集的挖掘算法,该算法在构建FP树的过程中,通过子项集剪枝的方法,将挖掘到的极大频繁项集存储起来,从而节省再次挖掘FP树的时间,较已有的算法在挖掘极大频繁项集时简化挖掘过程。该算法的提出,为关联规则的精简提供新的解决办法。

频繁项集挖掘的研究进展及主流方法

关联分析作为数据挖掘的主要研究模块之一,主要用于发现隐藏在大型数据集中的强关联特征。而多数关联规则挖掘任务可分为频繁模式(频繁项集、频繁序列、频繁子图)的产生和规则的产生。前者发现数据集中满足最小支持度阈值的项集、序列与子图;后者从上一步发现的频繁模式中提取高置信度的规则。频繁项集挖掘是许多数据挖掘任务中的关键问题,也是关联规则挖掘算法的核心。十几年来,学者们致力于提高频繁项集的生成效率,从不同的角度进行改进以提高算法效率,大量的高效可伸缩性算法被提出。文中对频繁项集挖掘进行深入分析,对完全频繁项集、闭频繁项集、极大频繁项集的典型算法进行介绍和评述,最后对频繁项集挖掘算法的研究方向进行简要分析。

关联规则挖掘方法在输送线烟箱缺条智能检测中的应用

针对输送线烟箱缺条检测时存在的检测精度较低、抗噪性较差问题,探讨关联规则挖掘方法在输送线烟箱缺条智能检测中的应用。以关联规则挖掘概念为依据,结合特征匹配度概念,获取输送线烟箱全部特征后构建烟箱缺条特征库;采用烟箱缺条关联分析模型,挖掘特征库中的烟箱缺条特征,获取烟箱缺条的极大频繁项集,输入所有待检测的烟箱,通过特征匹配和关联规则获取智能检测结果,完成烟箱缺条智能检测。测试结果表明该方法具备较好的数据挖掘性能和效率,在支持度和置信度均为最小值时,可准确完成烟箱缺条特征匹配,在不同噪声条件下,均具备较好检测结果,应用性较好。