基于SA-Apriori的道路事故风险评估研究

道路事故风险评估是提高道路安全水平的有效方式。为实现在道路网络特征视角下的道路事故风险评估,融合线段分析与频繁集算法,提出SA-Apriori的特征提取算法,进而构建SA-Apriori道路事故风险评估模型,以重庆市大渡口区作为分析对象,建立以道路网络特征变量为指标的道路事故风险等级划分体系,评估其道路事故风险水平,结合商业点位分布情况对该评估方法的有效性进行验证。并针对大渡口区道路事故风险情况,提出道路事故风险的管理对策与建议。结果表明:该道路事故风险评估方法具有较高的可靠性,可为基于路网特征的道路事故风险评估提供参考。

谱聚类和Apriori算法在建筑坍塌事故致因组合分析中的应用

建筑坍塌事故是人员伤亡和经济损失较大的事故类型之一。为探究建筑坍塌事故不同致因之间的关联和相互依存关系,首先,选取国内2015—2020年231份建筑坍塌事故报告作为研究对象,借助R语言平台进行文本挖掘,得到43个致因。其次,运用Python进行谱聚类,根据致因之间的关联强度对其进行聚类。最后,利用关联规则挖掘Apriori算法确定建筑坍塌事故致因之间的关键关联组合。结果表明,43个事故致因可分为5类,在每一个簇类中确定了最关键的致因组合,并提出了针对性的预防措施,为坍塌事故的预防和控制提供一种新的思路。

基于改进遗传算法和Apriori算法的气旋强度预测方法

为了提高气旋强度预测的准确度,在遗传算法和多支持度阈值的Apriori算法基础上提出了气旋预测算法GA-MSApriori。利用滑动窗口对历史气旋监测数据进行处理,经过处理后的数据能够描述各监测要素值所处范围以及要素值在过去时间内的变化情况,并以此作为输入数据,最终输出预测准确度较高的气旋强度预测规则。相较于传统的预测方法,气旋强度的预测准确度提高了6%~10%。

运用Apriori关联规则探究沈宝藩教授治疗冠心病的用药规律

目的:运用Apriori关联规则探究沈宝藩教授治疗冠心病的用药规律,为冠心病的防治提供客观依据。方法:收集2021年2月—8月新疆医科大学附属中医医院沈宝藩教授门诊以冠心病作为第一诊断病人的病例资料,运用Apriori关联规则算法对沈宝藩教授处方用药规律进行分析。结果:筛选沈宝藩教授治疗冠心病方剂329首,共涉及中药110味,使用频次排名前5位中药依次为川芎、丹参、当归、陈皮、红花。药性以温、平、微寒为主。药味以甘味、辛味、苦味为主。药物归经以心、肺、肝、胃经为主。高频药物关联规则显示,支持度较高的前5位药对为:丹参-川芎,红花-川芎,当归-丹参,红花-丹参,当归-川芎。核心药物为川芎、丹参、陈皮、当归、红花、太子参、葛根、郁金、炙甘草。结论:运用Apriori关联规则算法,较好地反映了沈宝藩教授治疗冠心病的用药规律,即活血化瘀、化痰通络与益气、养阴结合辨证施治,为临床治疗冠心病提供了有效组方。

基于BL-Apriori的民航机务风险关联规则分析

为了解决机务维修领域风险分析过程中文本数据挖掘不充分问题,提出1种基于二进制逻辑“与”运算改进的Apriori关联规则挖掘方法,采集到飞机维修企业2012—2021年机务维修领域不安全事件报告,最终成功挖掘出民航机务维修领域具有耦合性、关联性的风险要素,并对风险要素之间的关联规则进行分析。研究结果表明:改进后的算法运行时间从0.153 s降低至0.034 s,挖掘到机务风险中飞机检查不全面、人员遗忘/疏漏等为主要因素,与工程实际相符。研究结果可为机务安全管理提供决策支持。

基于改进的Apriori算法在高校成绩分析中的研究

针对挖掘算法在频度-可信度框架下的缺陷,本文引入兴趣度和提升度的改进Apriori算法对成绩样本进行关联规则挖掘;结合多观测量筛选出具有显著意义的强规则,并揭示规则背后的原因;最终根据分析结果提供了针对性的专业课程学习方法和内容调整方向,进一步优化了教育质量,本文的研究方法和过程旨在帮助授课教师优化教学管理并更好地了解学生的学业水平。

基于Apriori算法的大学生选择旅游景点的研究分析

大学生作为旅游行业消费群体的主力军,其对旅游景点的选择极大地影响着旅游业的发展。本文基于Apriori算法,对近几年大学生对旅游景点特征组合选择的关键因素进行了研究。文章首先使用因子分析法提取了五个主要因素,其次将处理后的数据通过Apriori算法提取关联特征,然后使用层次分析法寻找权重占比较高的因素。根据实验得出的重要因素,最终找到影响大学生选择旅游景点的三个主要因素为民俗、物价和曝光度。

基于Apriori算法和改进剪枝算法研究针灸结合推拿治疗神经根型颈椎病的选穴配伍规律

目的:研究针灸结合推拿疗法治疗神经根型颈椎病的选穴规律及配伍特点,为临床治疗神经根型颈椎病提供参考依据。方法:检索2012年2月—2022年2月中国知网、万方数据库、维普数据库刊登的针灸结合推拿治疗神经根型颈椎病的相关文献,建立文献数据库与腧穴数据库,采用Vlookup函数和数据转置对腧穴数据进行分析,采用SPSSPRO频数分析得出高频腧穴,采用Apriori算法和改进剪枝算法进行关联规则分析,最后按照支持度、置信度和提升度进行深入分析。结果:共检索出文献414篇,最终纳入文献133篇。频次≥14次的腧穴共20个,排名前十的依次为风池穴、天宗穴、合谷穴、肩井穴、曲池穴、后溪穴、手三里穴、颈夹脊穴、外关穴、风府穴。使用频次≥14次的腧穴归经以手阳明大肠经、手太阳小肠经、足少阳胆经、督脉、经外奇穴、足太阳膀胱经、手少阳三焦经为主。设置最小支持度为20%,最小置信度为80%,关联规则为后项→前项,采用Apriori算法和改进剪枝算法对频次≥14次的20个腧穴进行关联规则分析,置信度排名前四的腧穴配伍组合分别为肩井、风府、后溪、外关→风池、天宗,肩井、风府、外关、曲池→风池、天宗,手三里、天宗、肩井、后溪→风池、曲池,肩井、后溪、天宗、风府→风池、外关。结论:针灸结合推拿治疗神经根型颈椎病选穴具有注重分经辨证,腧穴配伍侧重本经配穴,远近配穴与同名经配穴的规律特点。运用Apriori算法和改进剪枝算法可以有效挖掘针灸结合推拿治疗神经根型颈椎病的特点,具有较高的学习价值。

基于Apriori的视觉传感网络关联数据高效识别方法

在视觉传感网络关联数据识别中,由于数据变化的规律难以捕捉,造成识别结果精确度降低,为此,提出了基于Apriori的视觉传感网络关联数据高效识别方法。通过设计视觉传感网络联合监控系统监控视觉传感网络数据变化情况,获取视觉传感网络关联数据。该系统由处理器单元、数据传输单元等四个模块构成。提取图像中的感兴趣区域完成ROI提取,并通过腐蚀处理等方式对视觉传感网络关联数据实施形态学处理。基于Apriori算法实施视觉传感网络关联数据之间关联规则的挖掘,实现视觉传感网络关联数据的识别。布设实验环境后,使用三个数据集测试该方法的识别性能。测试结果表明,所提方法的微平均查全率均高于94.86%,微平均查准率高于93.02%,最高召回率为98.52%,三个项目的测试值均较高,证明了该方法对视觉传感网络关联数据识别比较准确。

基于改进Apriori算法的学生网上学习行为关联特征挖掘模型

学生在线学习行为与成绩之间存在密切关联,为了挖掘学生学习行为特征间的隐含关系,研究采用改进的关联规则挖掘算法对其进行相关性分析。实验结果表明,研究设计的算法在精确率及召回率指标上表现较好,相比传统的关联规则挖掘算法运行速度更快,用时降低幅度达26.49%。该方法从多维度实现了学习行为的分析与关联,为教学决策和研究提供了科学的支持和指导。

基于Apriori算法的生鲜蔬菜购买的关联分析

为满足当下生鲜超市日常补货和定价需求,基于某商超经销的6个蔬菜品类从2020年7月1日至2023年6月30日的销售流水明细与批发价格的相关数据,采用Apriori算法和K-means++算法研究各生鲜蔬菜的销售时间分布规律及消费者购买各生鲜蔬菜的相关关系,进而从蔬菜种类销售购买关联度及相关性角度为生鲜超市的策略制定提供新的视角。

基于Apriori算法的煤矿事故隐患短文本关联分析

为准确把握隐患的特点和规律,解决煤矿事故隐患排查治理工作存在的“认识不深刻、管理不周到”等问题,提出了基于Apriori算法的煤矿事故隐患短文本数据关联规则分析的研究方法。首先将煤矿事故隐患短文本进行预处理;其次结合算法原理对挖掘到的隐患关联规则进行分析;最后对煤矿事故隐患规则进行可视化。结果表明,Apriori算法能够有效挖掘煤矿事故隐患短文本中的特点规律,为煤矿事故隐患排查治理提供决策信息支持。

Apriori算法在“信息技术基础数学”考试成绩分析中的应用

文章将“信息技术基础数学”期末考试成绩作为研究对象,应用Apriori关联算法对学生考试成绩数据进行挖掘。实例验证显示,该算法能够发现试题中隐藏的知识点关联规则,有助于学生更好地构建自己的知识关联网络,并在下一轮教学活动中为教师提供重要的参考。

Application Analysis of Nursing Students'Grades in Course Relevance Based on Association Rule Mining Algorithm Apriori

By analyzing the correlation between courses in students’grades,we can provide a decision-making basis for the revision of courses and syllabi,rationally optimize courses,and further improve teaching effects.With the help of IBM SPSS Modeler data mining software,this paper uses Apriori algorithm for association rule mining to conduct an in-depth analysis of the grades of nursing students in Shandong College of Traditional Chinese Medicine,and to explore the correlation between professional basic courses and professional core courses.Lastly,according to the detailed analysis of the mining results,valuable curriculum information will be found from the actual teaching data.

基于Apriori关联算法的城市综合体停车需求影响因素关联分析

明确城市综合体停车需求影响因素具有重要现实意义。通过构建城市综合体停车供需影响分析指标体系,抽样选取了福州6个综合体停车场,采集了连续一周的综合体停车数据,并提出基于Apriori算法对停车需求影响因素进行关联分析。结果表明:综合体建筑面积和周客流量是停车饱和度高的主要关联因素;停车场容量和停车费用是停车饱和度低的主要关联因素;停车时段停车饱和度差异明显,但关联影响不显著。该方法适用于不同类型综合体停车需求分析,为综合体停车管理和服务优化提供科学的手段,有助于深入了解综合体停车需求特性。

基于Apriori算法的入侵数据检测方法研究与设计

随着计算机和5G技术的迅猛发展,人们的日常工作、学习和生活更加智能化、数字化,网络的普及率和使用率逐年提高,大家对网络的依赖度也越来越高。同时针对政府、企事业单位的网络攻击也更加频繁,尤其是分布式拒绝服务(DDoS)攻击愈演愈烈,传统的网络安全防护手段已不足以应对现在的网络安全形式。研究在传统的入侵检测系统基础上,使用Apriori算法优化了入侵数据挖掘和特征检测,解决了目前入侵检测进程中具有的反复扫描和海量无用规则等问题,并结合蜜罐构建了现有的入侵检测模型,可以更有效、更快速地对入侵数据进行检测和处理。

城市轨道交通运营FTA-Apriori风险链构建方法研究

为探明导致城市轨道交通运营事故发生的风险链式传导机理,构建事故风险链,提出FTA-Apriori(Fault Tree Analysis-Apriori)风险链构建方法。首先,针对城市轨道交通运营中风险灾害度高但支持度低的特点对Apriori算法进行改进,并通过灾害度与支持度二维耦合挖掘风险间的强关联规则;其次,通过FTA方法构建风险事故树,挖掘导致事故发生的风险组合,进而与强关联规则结合构建风险链。研究结果可为城市轨道交通运营风险链的构建提供一种全新的方法,进而揭示导致事故发生的风险链式传播机理,为风险链断链位置及风险精细化管控提供理论指导。

基于Apriori算法的关联规则分析应用

Apriori算法是关联规则的经典算法之一。文中是基于对Apriori算法原理的研究从而完成电影标签推荐的应用,实现当用户给自己喜欢的电影打标签时,可通过关联规则进行电影推荐。实验采用Python语言实现Apriori算法,对数据集MovieLens采用One-hot编码进行处理,利用Apriori算法寻找到数据集中的频繁项集,根据找到的频繁项集生成关联规则。实验结果表明,基于Apriori算法的电影标签推荐得到的实验结果更准确、快速、高效,同时也取得了良好的电影标签推荐效果,从而提升用户体验。

基于APRIORI算法的安全本科模块化课程内容优化

为培养安全工程专业多方面的技术性实用人才,探究课程内容重复带来的问题以及对应的解决办法,统计分析某校安全工程专业28门课程教学大纲知识点的重复性,构建相关数据集,进而运用APRIORI算法分析课程的关联性数据,关联规则涵盖课程的所有重复知识点,之后基于计算结果给出可能原因及相应影响,同时与其他课程教授内容对比,分析此类问题的普遍性,并给出降低课程内容重复度的基本方法。结果表明:安全专业交叉性强,使得教材内容易出现重复,统计样本中共有41个知识点存在不同程度的重复;教学大纲知识点与课程之间共有10条单项集强关联规则,涵盖11门课程,支持度和置信度都在较高水平,显示出各课程内容之间的强相关现象;课程重复性高主要由教学设计不合理、课程管理制度不完善导致,可通过优化课程衔接、突出内容特色和采用多种教学方式等途径解决。

基于Apriori算法的智能配变终端设备缺陷自动诊断方法

为切实增强电力配变终端设备运行维护水平和管理控制程度,提出基于Apriori算法的智能配变终端设备缺陷自动化诊断方法。运用Apriori算法挖掘智能配变终端设备数据特征,组建三角分解树,采用粗糙集约简完成数据预处理,计算设备状态特征量,构建终端状态诊断证据体系,利用基础概率分配函数方法减少缺陷样本训练偏差,将缺陷相关系数替换为加权平均模糊隶属度,创建智能配变终端设备的优良、一般与预警隶属度函数,通过D-S证据理论完成缺陷数据融合,自动化诊断智能配变终端设备缺陷。仿真实验表明方法具备优秀的诊断精度与收敛速率。