基于概念格的Web日志路径挖掘算法

路径挖掘适用于探索用户沿超连接寻找和浏览网页的规律,而Web日志的完美结构使挖掘更加容易和有效。由二元关系导出的概念格作为一种非常有用的形式化工具,体现了概念内涵和外延的统一,反映了对象和特征间的联系以及概念的泛化与例化关系,因此非常适于发现数据中潜在的信息。本文通过概念格模型,提出了一种Web日志的路径挖掘算法,并进行了相关的分析与展望。

面向原生XML数据库的自适应路径索引

路径索引是改善原生XML数据库(NXD)性能的一项重要技术.然而现有NXD中的路径索引缺乏动态性、自适应性,妨碍了NXD的查询性能改善.本文根据Chung C等提出的面向XML数据的自适应路径索引(APEX)[1],结合NXD的特点,提出面向NXD的自适应路径索引(NXD-APEX).NXD-APEX继承了APEX自适应性,并通过加入时间特征到APEX的常用路径挖掘算法中,使NXD-APEX能有效处理具有时间局部性的查询.同时针对NXD-APEX可能导致的大空间开销问题,提出一种基于收益的索引筛选算法.试验表明:NXD-APEX能以合理的空间开销有效地改善NXD的查询性能.

基于并行Apriori的铁路物流配送FPMA

以提升挖掘分析铁路物流配送频繁路径数据效率为目的,研究基于并行Apriori的铁路物流配送频繁路径挖掘算法,采用Fuzzy c-means算法聚类分析物流配送数据集,根据内部相似度将数据集分割出具有较高相似度的数据簇,利用改进Apriori算法挖掘分析各数据簇中包含的频繁模式获取各区域的物流频繁路径,通过分析合并物流频繁路径后生成各区域的频繁路径序列。借助Hadoop中的子项目Mahout和MapReduce实现Fuzzy c-means算法和改进Apriori算法的并行化。实验结果表明,上述算法有效提升频繁路径的挖掘效率以及精度,确保为物流管理者提供清晰的货物流向,在实际应用中具有更高适用性。