基于聚类规则挖掘的思政教育教学素材整合系统设计

传统思政教育教学素材整合系统技术陈旧,整合效率低。为此,研究基于聚类规则挖掘的新系统。设计系统硬件,明确所需设备。软件部分包括建立素材库、数字化处理、聚类分类和动态扩展整合。测试表明,新系统在大量素材时能显著提高处理效率,有效整合教学资源。

基于模糊ISODATA^＊的关联规则聚类算法

在对模糊ISODATA算法分析的基础上,提出了一种适用于关联规则聚类的ISODATA*算法。本文首先分析了距离聚类的不足,然后结合关联规则的表示形式,提出了基于属性权重实现规则聚类的思想,并给出了相应的实现算法。最后采用国际上的UCI数据库进行了实验。实验表明该算法能有效地对关联规则进行聚类。

关联规则聚类更新的大数据文件请求流分析

综合考虑请求流的流行度和时间局部性对系统性能的影响,提出一种关联规则聚类更新过程,通过每个目标的时间间隔精确生成跟踪的流行度和时间局部性。对文件请求流进行建模,每个源工作负载一次;分析程序,为聚类提取特征;利用关联规则聚类找到相似的目标,利用数据处理工具获得每个聚类分布;生成合成跟踪,根据一个特定模型可以生成多个跟踪。仿真实验采用Yahoo Apache Hadoop聚类的跟踪数据,运行Hadoop分布式文件系统(HDFS)产生4100多个节点聚类,实验结果验证了该方法的有效性,合成结果非常接近真实负载。更新过程不要求模型适应于特定的时间间隔分布或特定的流行度分布。

基于聚类的比例规则

该文提出了基于聚类的比例规则（ＣＲＲ），该规则保留了比例规则（ＲＲ）的优良特性，同时适用于多峰分布的数据集。实验证明，基于聚类的比例规则的预测效果优于比例规则的预测效果。

一种基于K-means的关联规则聚类算法

关联规则是数据挖掘领域中的主要研究内容之一。针对高维海量数据集,尤其当支持度和置信度阈值太低时,将生成大量冗余和相似的关联规则,从而对关联规则的理解和使用造成了困难。本文采用改进的K-means思想,给出了一种关联规则聚类算法:首先重新定义了冗余关联规则,并给出了删除的方法;然后定义了一种新的规则间相似性度量;最后利用K-means思想,采用最大三角形方法选取聚类的初始点,将相似的关联规则归为一类。实验验证该算法能够帮助用户快速有效地找到有用的关联规则,提高了关联规则的可理解性。

顾客需求映射规则获取和聚类方法

采用数据挖掘技术从企业已有的产品或服务规划知识中提取顾客需求和设计需求之间的映射规则,是进行产品或服务规划分析的重要方法。针对常用Apriori关联规则挖掘算法运算量大的问题,提出了基于PIETM(Principle of Inclusion-Exclusion and Transaction Mapping)算法的顾客需求映射规则挖掘方法,提取强关联规则。针对规划设计数据量较大时,规则挖掘会产生大量冗余规则的问题,通过采用基于粗糙集的聚类方法对顾客需求以及设计需求可选值进行聚类,实现顾客需求映射规则的聚类分析。最后以某企业叉车方案规划中,顾客需求映射规则的挖掘和聚类分析为例,验证了所提方法的有效性。

基于SQL选择语句的聚类分析

在数据挖掘中SQL语句常用于数据的特征规则,特别是聚类规则。因为仅仅用一些简单的SQL语句就可以同时创建特征规则和聚类规则。把SQL语句和其他应用软件结合起来,将提高创建t-加权和d-加权的能力,特别是在特征规则中进一步归一化的能力,其中t-加权用于衡量每条数据记录的典型性,d-加权用于衡量聚类区分原则中的差异性。基于概念树把层次结构转换成表格结构将影响SQL语句的编写和成功执行,并且把层次结构中的每一个树结构转换为相应的表结构,最终把整个层次结构转换为表结构,才能合理高效地设计查询程序。

基于规则聚类和参数学习的扩展置信规则库推理模型

扩展置信规则库(EBRB)中的规则数量和参数取值共同影响EBRB推理模型的决策准确性和计算效率.基于此,提出一种基于规则聚类和参数学习的改进EBRB推理模型,称为RCPL-EBRB模型.所提出模型的基本原理如下:首先,依据密度聚类分析对EBRB进行规则聚类来识别EBRB中无效的扩展置信规则和优化传统EBRB的建模过程;然后,以聚类所得到的规则簇(即Sub-EBRB)进行参数学习和规则推理,保证激活规则集合的一致性,从而提高RCPL-EBRB模型的决策准确性和计算效率;最后,引入非线性函数拟合和基准分类问题数据集开展模型的有效性检验和参数灵敏度分析.实验结果表明,所提出RCPL-EBRB模型比现有EBRB推理模型和传统机器学习方法具有更高的决策准确性.

基于规则实时性的端云动态分配方法研究

针对物联网控制规则在实际应用中,由于延迟触发执行导致物联网系统引发不同程度的控制安全事故,本文基于规则的实时特性提出了一种面向物联网控制规则的端云动态分配方法(EasiDEP),以提高物联网系统控制规则的实时性。首先,根据规则之间的相关性以及实时特性,提出了一种规则聚类算法,将规则库中的规则分为实时和无实时规则;然后,基于规则聚类结果提出一种端云动态规则分配方法,将实时规则分发至云端和本地规则服务端同时处理,提高实时规则的触发执行率。最后,通过实验验证了EasiDEP能够有效地提高物联网控制规则的实时触发执行率,降低系统发生控制安全事故的风险。

中医药治疗心肾综合征的用药规律分析

目的分析中医药治疗心肾综合征的用药特点及规律。方法检索中国知网、万方、维普期刊数据库建库以来中医药治疗心肾综合征的文献,对符合纳入标准的中药处方进行统计,利用Microsoft Excel软件建立方药数据库,应用SPSS 26.0统计软件对中药频数、相关性和聚类规则等进行分析,采用IBM SPSS Modeler 18.0统计软件对中医药治疗心肾综合征用药规律进行数据挖掘,采用Cytoscape软件绘制高频药物核心网络图。结果共得到中药处方94首,其中涉及中药136味,使用频次982次,使用频率较高的依次为茯苓、黄芪、白术、附子、丹参,并挖掘出常用药对和药物组合共21个,通过高频药物聚类分析得到4个潜在处方。结论中医药治疗心肾综合征以益气温阳、活血利水为主,常用补气药、活血化瘀药、利水渗湿药、温里药等。

人工免疫系统在数据挖掘中的应用

对自然免疫系统机制、人工免疫系统及数据挖掘进行简要介绍。对人工免疫系统在数据挖掘领域中的应用进行详细分析综述。主要阐述人工免疫系统在分类规则、聚类规则等中的应用现状,并对其方法进行详细分析并指出其优缺点。

逆向物流定位-运输路线安排问题研究

构建了一个逆向物流混合整数规划模型—定位—运输路线安排问题的模型,采用启发式聚类规则与禁忌搜索算法的混合策略对模型进行了求解设计,最后提出了下一步的研究方向。

浅谈数据挖掘在机房信息管理中的应用

以往的机房信息管理系统,多数是OLTP系统,缺乏综合分析、辅助决策的能力,尤其对其历史积累的海量信息中隐含知识的利用无能为力。该文在聚类规则挖掘理论与研究的基础上,将k-means的算法应用于安徽经济管理学院的机房信息管理系统,对课外上机人次数据进行挖掘,根据挖掘规则得出了课外上机与课内上机时间安排的合理顺序。

一种基于二叉树结构的入侵检测研究

提出以二叉树结构取代原有入侵检测系统采用的链表结构,旨在改进入侵规则的存储和模式匹配,提高检测速度。对Snort规则结构作了简要分析,详细阐述了以规则聚类思想构建二叉树结构的过程;同时,采用C4.5算法为二叉树每个规则集节点动态选择最显著的特征,并进行并行测试,实现性能优化。为了尽可能减少冗余比较和无效匹配,引入数字型的IntMatch串匹配算法,有效地提高了模式匹配速度和规则的访问速度。

基于分层混合信息的移动机器人复合地图创建

为提供丰富的环境信息,提出一种基于分层混合信息构建复合地图的方法,针对准结构化环境,将几何特征划分为规则区域和非规则区域,在非规则区域采用改进的基于网格的共享近邻算法(GNN)进行非规则聚类,并引入贝叶斯概率算法进行动态信息处理.实验结果验证了方法的有效性及实用性.

基于数据挖掘分析王仲奇治疗时邪用药规律

目的:探讨新安医家王仲奇治疗时邪病的处方用药特色。方法:从《王仲奇医案》中选取王仲奇治疗时邪病的有效处方74首,利用Office 2010处理数据,进行数据挖掘,应用数据分析软件IBM SPSS Modeler 14.1和SPSS 22.0,分别对所用药物的用药频数、性味归经、药物类别、聚类规则及关联规则等进行分析。结果:用药频数前五位分别是茯苓、苦杏仁、佩兰、通草、半夏。药类及性味归经频数分析显示清热药、化痰药、补虚药和解表药位居前四位;以苦寒之药佐甘温之药,寒温并用;药物以入脾胃经为主,兼顾肺气的功能,脾肺同调。聚类规则分析显示处方含金银花、天花粉、石斛等9类药物。关联分析得出二项配伍药对前3位为苦杏仁、前胡,茯苓、黄芩,苦杏仁、黄芩;三项配伍前3位为苦杏仁、枳壳、茯苓,茯苓、青蒿、苦杏仁,茯苓、薏苡仁、佩兰。结论:王仲奇辨证论治时邪病时,以三焦为本,多从湿热入手,治疗以苦寒药与甘温药并用,驱温热,化湿浊,时邪亦解矣。

混合属性数据点集的特征权重优化方法研究

应用决策树方法来获取混合属性数据点集的"规则聚类区域",利用"异类子聚类相离,同类子聚类相近"的原则来交替优化有序属性和无序属性的权重,提出了基于决策树划分的特征权重优化方法。该方法在一定程度上解决了有效获取数据子集的子聚类问题和混合属性数据点集的特征权重优化难题。仿真实验表明,该方法在优化混合属性数据点集的特征权重时是有效的。

Vague集之间的距离公式

指出Vague集(值)之间的距离公式应遵循的公理,并提出两个新的Vague集之间的距离公式。证明了这些距离公式满足这些公理,使得在进行Vague规则聚类时,对距离公式有选择的余地,以便当规则库较大时,降低Vague推理时的搜索规模和减少计算的复杂性。

Vague集之间的新的距离公式

在基于Vague集聚类规则的近似推理中,需要计算Vague集之间的距离.本文提出两个新的距离公式,证明它们满足已知公理,选择适合的距离公式会得到Vague集规则的更为合理的聚类,以便在进行Vague集推理时,可以降低规则库的搜索规模和减少计算的复杂性.