基于两级多支持度的非频繁项集挖掘方法

现有关联规则挖掘算法都是在频繁项集基础上进行挖掘,关于非频繁项集的资料很少.特别是在研究负关联规则后,非频繁项集因包含重要的负关联规则而变得非常重要.针对这一问题,在多支持度算法的基础上提出了一种新的算法模型,能够在挖掘频繁项集的同时得到非频繁项集,实验结果表明了该算法的有效性.

基于向量内积的非频繁项挖掘算法研究

针对负关联规则中非频繁项集的生成问题,将向量内积引入到该领域。通过对事务数据库的布尔化表示及对数据存储结构的合理分配,提出了一种新的非频繁项集快速生成算法。该算法首先将布尔化所得矩阵中的向量进行内积运算,通过逐层递增的思想,用两级支持度模型来约束非频繁项集与频繁项集的产生,使非频繁项集不仅可由频繁项集之间连接产生,而且可由频繁项集与非频繁项集、非频繁项集与非频繁项集之间连接产生。实验结果表明,该方法仅需扫描一次数据库,且具有动态剪枝、不保留中间候选项、不丢失非频繁项集和节省大量内存等优点,对数据库中负关联规则及各项集中低频率、强相关模式等相关算法的研究具有重要意义。

数据挖掘中的剔除非频繁项超集法

在关联规则数据挖掘中,根据非频繁项的超集仍是非频繁项的结论,总结出一种高效的关联规则算法:剔除非频繁项超集法,并与经典的Apriori算法作比较,其效率比Apriori算法高。

多支持度在非频繁项集挖掘中的研究

关联规则是当前数据挖掘研究最重要的分支之一,目前的关联规则多是在频繁项集的基础上进行挖掘,而没有挖掘非频繁项集的算法。本文在多支持度算法的基础上,提出了一种新的算法模型,在挖掘频繁项集的同时还能够对非频繁项集进行挖掘。

基于双阈值Apriori算法和非频繁项集的关联规则挖掘方法

针对从数据集中的正负关联规则挖掘问题,提出一种基于双阈值Apriori算法和非频繁项集的挖掘方法。首先,对通过逆文档频率(IDF)对语料库中的项(项集)进行加权,筛选出前N%的项集;然后,通过提出的双支持度阈值Apriori算法来提取频繁项集和非频繁项集,以此降低非频繁项集的数量;最后,通过置信度和升降度阈值的判断,分别从频繁项集和非频繁项集中挖掘正负关联规则。其中,创新性地利用了非频繁项集来挖掘正负关联规则。在一个医学文本数据集上的实验结果表明,提出的方法能够有效地挖掘出正负关联规则,且能够大大降低项集和规则数量。

不同临床表型COPD频繁和非频繁发作患者气道巨噬细胞的异质性

目的:比较频繁发作(frequent exacerbator,FE)和非频繁发作(infrequent exacerbator,iFE)的不同临床表型的慢性阻塞性肺病(chronic obstructive pulmonary disease,COPD)患者的临床特征及诱导痰中巨噬细胞的异质性。方法:分析80例慢性支气管炎(chronic bronchitis,CB)、肺气肿(emphysema,EM)、哮喘-COPD重叠(asthma-COPD overlap,ACO)表型的COPD急性发作住院患者的临床特征;采用流式细胞术检测诱导痰巨噬细胞CCL3和CD163的表达,定量聚合酶链反应(quantitative PCR,qPCR)检测HIF-1α和Cav-1的表达。结果:FE和iFE患者在年龄,第1 s用力呼气容积(forced expiratory volume in one second,FEV1)/用力肺活量(forced vital capacity,FVC),痰细菌阳性率,COPD评估测试(COPD Assessment Test,CAT)评分,改良医学研究委员会(Modified Medical Research Council,mMRC)评分方面的差异有统计学意义(P<0.05);相对于iFE患者,FE患者诱导痰巨噬细胞上CCL3荧光强度明显降低(P<0.01),而CD163显著增高(P<0.01),同时HIF-1α和Cav-1 mRNA水平也显著升高(P<0.01)。CB表型的FE患者与iFE患者之间在年龄,痰细菌阳性率,CAT评分,mMRC评分方面的差异有统计学意义(P<0.05);相对于iFE患者,FE患者诱导痰巨噬细胞上CCL3荧光强度轻度降低(P>0.05),而CD163显著增高(P<0.01),同时HIF-1α和Cav-1 mRNA水平也显著升高(P<0.01)。EM表型的FE患者与iFE患者之间在年龄,病程,FEV1/FVC,痰细菌阳性率,CAT评分,mMRC评分方面的差异有统计学意义(P<0.05);相对于iFE患者,FE患者诱导痰巨噬细胞CCL3荧光强度轻度减低(P>0.05),而CD163轻度升高(P>0.05),同时HIF-1α水平轻度升高(P>0.05),Cav-1水平则显著增加(P<0.01)。ACO表型的FE与iFE患者所有临床特征差异均无统计学意义,FE患者诱导痰巨噬细胞CCL3荧光强度明显低于iFE患者(P<0.01),而CD163差异无统计学意义(P>0.05),同时HIF-1α(P<0.01)和Cav-1(P<0.05)表达也显著增加。全部FE及CB表型FE患者CCL3与HIF-1α和Cav-1均呈显著负相关,CD163仅与HIF-1α呈显著正相关;EM表型FE患者CD163与HIF-1α呈显著正相关;ACO表型FE患者CCL3与HIF-1α呈显著负相关,而CD163与HIF-1α呈显著正相关。结论:CB,EM,ACO表型FE和iFE患者临床特征差异不一,诱导痰中替代活化巨噬细胞(M2)在FE患者中占优势,HIF-1α可能在其极化过程中起关键作用。

基于通讯行为轮廓挖掘条件非频繁行为的方法

条件非频繁行为是指带有属性值的频数较低事件轨迹所记录的行为。从记录的事件日志中挖掘条件非频繁行为是业务过程优化的主要内容之一。已有的方法删除低频次行为,较少考虑模块网间数据流角度下的条件非频繁行为。基于此,文中提出了基于通讯行为轮廓挖掘条件非频繁行为的方法。以模块网间的通讯行为轮廓理论为基础,首先,通过给定的业务过程源模型查找其可执行事件日志,并且找出频数较低的事件轨迹,添加相关属性及属性值,即可得到条件非频繁轨迹;其次,通过计算不同模块网间通讯特征的条件依赖数值,确定条件不频繁轨迹是否删除或保留,从而得到优化事件日志,进而挖掘出优化通讯模型;最后,通过仿真实验验证了该方法的可行性。

加权非频繁关联规则挖掘算法在物流中心选址的应用

本文在Apriori算法的基础上进行改进,利用多重最小支持度解决了物流中心选址中非频繁项目的挖掘;同时提出权重法对Apriori算法优化,解决了项目集的重要程度不一致的问题。并通过实际的例子证明了改进的Apriori算法有效的提高了电子商务中物流中心选址的正确性。

浅谈CJ20-250接触器在非频繁操作线路上的应用

本文论述了CJ20—250交流接触器在交流操作方式时不宜用于非频繁操作线路，只有改成直流无噪声运行时才能用于非频繁操作线路，并对自行设计的一种新型直流无声运行电路的原理及效益做了分析。

改进的基于频繁模式树的最大频繁项集挖掘算法——FP-MFIA

针对最大频繁项目集挖掘算法(DMFIA)当候选项目集维数高而最大频繁项目集维数较低的情况下要产生大量的候选项目集的缺点,提出了一种改进的基于频繁模式树(FP-tree)结构的最大频繁项目集挖掘算法——FPMFIA。该算法根据FP-tree的项目头表,采用自底向上的搜索策略逐层挖掘最大频繁项目集,从而加速每次对候选集计数的操作。在挖掘时根据每层的条件模式基产生维数较低的非频繁项目集,尽早对候选项目集进行剪枝和降维,可大量减少候选项目集的数量。同时在挖掘时充分利用最大频繁项集的性质,减少搜索空间。通过算法在不同支持度下挖掘时间的对比可知,算法FP-MFIA在最小支持度较低的情况下时间效率是DMFIA以及基于降维的最大频繁模式挖掘算法(BDRFI)的2倍以上,说明FP-MFIA在候选集维数较高的时候优势明显。

一种改进的基于FP-Tree的高效挖掘最大频繁项目集算法

为了解决最大频繁项目集算法DMFIA(discover maximum frequent itemsets algorithm)在挖掘候选项目集维数较大而最大频繁项目集维数较小的情况下产生大量候选项目集的问题,提出一种改进的基于FP-Tree(frequent pattern tree)的最大频繁项目集挖掘的FP-EMFIA算法;该算法在挖掘过程中根据项目头表,采用自上而下和自下而上的双向搜索策略,并通过条件模式基中的频繁项目和较小维数的非频繁项目集对候选项目集进行降维和剪枝,以减少候选项目集的数量,加速对候选集计数的操作。在经典数据集mushroom、chess和connect上的实验结果表明,FP-EMFIA算法在支持度较小时的时间效率优于DMFIA、IDMFIA(improved algorithm of DMFIA)和BDRFI(algorithm for mining frequent itemsets based on decreasing dimensionality reduction of frequent itemsets)算法的,说明FP-EMFIA算法在候选项目集维数较大时有相对优势。

一种实时挖掘数据流近似频繁项的算法

数据流的无限性和流动性使得传统的频繁项挖掘算法难以适用。针对数据流的特点,提出了一种实时的挖掘数据流近似频繁项的算法。在允许的偏差范围内,新算法只需扫描一次数据项,使用的存储空间远远小于数据流的规模,能动态地挖掘数据流中的所有频繁项。将数据项存储到一种新的数据结构中,利用该数据结构可以快速地删除非频繁项。最后,理论分析和实验表明这种方法的有效性。

数据流上近似非可导项集的挖掘算法

频繁项集是通过对大规模数据进行挖掘获取的代表数据模式的知识结构.非可导频繁项集作为频繁项集的有效压缩方式,能够高效深入地挖掘海量数据、稠密数据与数据流当中的规律.针对项集在计算界限值时代价昂贵的缺点,提出了近似可导项集的概念,并基于纵向数据格式实现了挖掘算法MANDI,能够提高支持度计算和项集间操作的速度.另外,为了满足数据流实时、快速的特点,讨论并证明了近似可导项集的增量性质,提出了可动态更新的算法UANDI.通过实验验证了两种算法的可行性和有效性.

工作流的非邻接模式挖掘算法

为了发现业务执行流程中的潜在知识,提出一种非邻接模式挖掘算法,同时考虑活动和边的发生频率,结合工作流模型和作用日志,以图分析方法挖掘工作流非邻连模式。该算法对候选模式搜索空间进行充分剪枝,以提高运行效率,可以为业务流程的改造和优化提供依据。

一种自底向上的最大频繁项集挖掘方法

频繁项集挖掘是关联规则挖掘中最关键的步骤。最大频繁项集是一种常用的频繁项集简化表示方法。自顶向下的最大频繁项集挖掘方法在最大频繁项集维度远小于频繁项数时往往会产生过多的候选频繁项集。已有的自底向上的最大频繁项集挖掘方法或者需多次遍历数据库,或者需递归生成条件频繁模式树,而预测剪枝策略有进一步提升的空间。为此,提出了基于最小非频繁项集的最大频繁项集挖掘算法(BNFIA),采用基于DFP-tree的存储结构,通过自底向上的方式挖掘出最小非频繁项集,利用最小非频繁项集的性质进行预测剪枝,以缩小搜索空间,再通过边界频繁项集快速挖掘出最大频繁项集。验证实验结果表明,提出算法的性能较同类算法有较为明显的提升。

一种实时有效的AECFP数据流频繁项挖掘算法

由于数据流的高速产生性、强流动性及变化不稳定性的需求,数据流算法应在有限存储空间里实时准确分析数据,提取有用知识。在允许的误差范围内,提出一种有效的数据流频繁项挖掘算法AECFP,通过一种基于频繁项样本的数据结构记录抵达的项目集合,进行快速的保存样本,并在样本空间满时快速删除出现次数最小且最旧的非频繁项,保留相同支持数的其它频繁项。当用户查询频繁项时,快速实时准确挖掘数据流中的频繁项,适应数据波动变化。经过实验证明,该算法在挖掘频繁项时,具有快速的处理能力,满足空间消耗的低存储要求,并能保证数据频繁项的挖掘准确度。

喀什地区慢性阻塞性肺疾病患者临床表型与肺功能指标相关性研究

目的探讨喀什地区慢性阻塞性肺疾病(COPD)临床表型与肺功能指标的相关性。方法选取2021年3月至2022年1月喀什地区第一人民医院呼吸科收治的200例COPD患者为研究对象,依据2019版慢性阻塞性肺疾病全球倡议的划分标准,将入选COPD患者分成频繁急性加重(FE)组84例和非频繁急性加重(IFE)组116例,比较两组临床资料和肺功能指标的差异,并分析相关临床指标与肺功能的相关性。结果两组患者在性别、年龄、体重指数(BMI)、血压和吸烟史方面比较,差异无统计学意义(P>0.05)。FE组慢性阻塞性肺疾病评估测试(CAT)评分、改良英国医学研究会呼吸困难指数(mMRC)高于IFE组,差异有统计学意义(P<0.05)。FE组白细胞计数(WBC)、C反应蛋白(CRP)、降钙素原(PCT)高于IFE组,差异有统计学意义(P<0.05),第1秒用力呼气量(FEV_(1))、第1秒用力呼气量占预计值百分比(FEV_(1)%pred)、第1秒用力呼气量占用力肺活量百分比(FEV_(1)/FVC)低于IFE组,差异有统计学意义(P<0.05)。Spearman相关性分析显示,COPD患者既往1年急性加重次数与CAT评分、mMRC评分、WBC、CRP、PCT水平呈轻中度正相关(P<0.05),与FEV_(1)、FEV_(1)%pred、FEV_(1)/FVC呈中度或显著负相关(P<0.05)。结论喀什地区FE与IFE两种临床表型COPD患者的临床特点存在明显异质性,前者肺功能往往更差,且COPD急性加重次数与肺功能下降紧密相关,应引起临床高度重视。

面向购物篮数据的稀有序列模式挖掘算法

传统购物篮数据挖掘仅局限于频繁项或频繁模式的挖掘,但大多数频繁模式挖掘不能有效的利用非频繁序列项,通常的做法是将之舍弃.基于此问题,提出了一种面向购物篮数据的稀有序列模式挖掘算法ISM-BD.该算法提出了时间变量和综合权重因子的概念,以此来保证数据的时效性和挖掘结果的区域差异性.首先根据人为指定的环境因子,计算不同区域下的综合权重因子;然后通过设定时间变量的范围来剔除不具时效性的数据;最后计算序列项的支持度,并与综合权重因子比较,从而找出不同区域下的稀有模式.采用公开购物篮数据的实验表明,提出的ISM-BD算法与已有的算法相比能有效的利用非频繁序列,其挖掘结果具有时效性和较强的适用性.

Apriori算法的三种优化方法

通过对Apriori算法的思想和性能的分析,认为Apriori算法存在以下三点不足:(1)由K阶频繁集生成K+1阶候选频繁集时,在K+1阶候选频繁集中过滤掉非频繁集的策略值得进一步改进;(2)连接程序中相同的项目重复比较太多,因而其效率值得进一步改进;(3)在回扫数据库时有许多不必比较的项目或事务重复比较。根据上述三点不足,提出了相应的三种优化策略来优化Apriori算法,得到一效率较高的改进Apriori算法。

利用项集有序特性改进Apriori算法

Apriori算法是挖掘关联规则的一个经典算法,通过分析、研究该算法的基本思想,并利用项集的有序特性对其进行改进,减少了生成的候选集数量,从而提高算法的效率.