基于向量矩阵优化频繁项的改进Apriori算法

针对经典Apriori算法存在多次扫描数据库及生成冗余候选项的弊端,提出一种改进的VM_Apriori算法.该算法采用事务数据向量矩阵与行候选向量相结合的表示方法,运用快速排序的思想对频繁项集的项按各单项的出现频度升序重排,以提高算法的执行效率.实验结果表明,改进的VM_Apriori算法能在正确挖掘关联规则的同时极大提高执行效率.

微网故障检测关联规则挖掘算法研究

针对于目前故障检测方法在微网应用中存在较大误差的问题,介绍了一种基于贝叶斯网络和关联规则数据挖掘的算法模型。首先,通过hash技术优化Apriori算法,对原数据挖掘,去除不期望的候选项集。然后,通过贝叶斯网络训练样本,减少检测误差,最终得到微网故障检测结果。仿真结果表明这种基于贝叶斯网络和关联规则挖掘算法的故障检测模型,比传统算法在配电网故障检测方面更有效率,并且检测误差大幅降低。