基于SIF模型与Apriori算法的煤矿顶板事故致因关联分析

为更科学地预防煤矿顶板事故的发生,对煤矿顶板事故致因及其关联规则进行识别十分关键。首先,通过文本挖掘并结合SIF事故致因模型,确定56个影响顶板事故发生的致因;其次,通过构建顶板事故数据库并运用Apriori算法进行顶板事故致因关联规则挖掘;最后,绘制顶板事故致因关联规则复杂网络图,并综合分析顶板事故的核心致因及各致因间的关联规则。结果表明:安全培训教育和安全监督管理、作业人员安全意识淡薄和违反作业规程、当班管理人员在现场的管理不到位和其他事故致因之间有着很高的关联度以及提升度,这些因素是造成煤矿顶板事故发生的核心因素。

基于“2-4”模型和Apriori算法的商业综合体火灾成因分析

为深入分析商业综合体火灾事故成因,揭示事故致因因素之间的关联规则,运用事故致因“2-4”模型和Apriori算法,对40起商业综合体火灾事故原因进行分析,研究结果表明:在组织文化、管理体系、个体能力和个体动作4个层面中,安全主体责任的认识(100%)、安全管理制度未执行(80%)、无安全培训(70%)等因素是火灾事故的主要原因;通过Apriori算法挖掘出277条关联规则,并从高支持度、高置信度和高提升度3个维度进行深入分析,发现员工参与度与防火意识薄弱、安全管理知识匮乏与报警意识薄弱且应急响应不及时等因素之间存在显著关联。基于分析结果,提出加强安全责任意识、完善管理制度执行、强化安全培训等针对性建议,为商业综合体火灾预防提供理论依据和实践指导。

基于改进Apriori算法的塔吊事故致因动态关联网络分析

为研究塔吊事故致因及其相互作用,采用人因分析和分类系统(HFACS)模型、关联规则挖掘和复杂网络理论相结合的方法,对塔吊事故致因进行定性分类和定量分析。首先,收集241份塔吊事故调查报告,并根据塔吊事故特点调整HFACS模型框架,以此确定46个影响塔吊事故发生的因素,再运用改进的Apriori算法挖掘事故致因之间的关联性;然后,结合关联规则挖掘结果构建塔吊事故致因动态关联网络,并综合探究塔吊事故的关键影响因素。结果表明:人员岗位与能力不匹配、监管人员未按要求进行安全检查、部分岗位人员配备不齐等是造成塔吊事故发生的关键因素。改进后的方法实现了人为因素的量化分析,可为预防塔吊事故的发生提供决策依据。

基于Apriori算法的高校选修课程分析推荐模型

将数据挖掘技术运用到学生选课当中,构建了课程推荐模型。首先,基于河南某高校学生选课数据进行清洗和转换,去除无效和冗余的部分,并将数据进行编码作为模型输入。其次,针对数据进行课程热度分析,为学校课程计划的制定提供参考。最后,基于Apriori算法构建课程推荐模型,分别从支持度、置信度、提升度三个角度,挖掘学生选修课程之间的关联规则,并深入分析课程之间的强关联性,为学生的课程选修提供推荐依据,帮助高校了解最新的学生需求和课程动向,以便及时调整课程规划,为高校学生提供个性化服务。

Apriori算法及神经网络在数控机床中应用研究

数控机床加工精度受到机床零部件、外部环境等因素的影响,从而需要添加适当的补偿参数确保加工精度的稳定性,另外,不同车床不同时刻的补偿参数实时变化。为此,提出一种基于关联规则及神经网络方法的智能误差补偿模型。以实际生产中产生的数据集为基础,通过Apriori算法对数据集进行筛选;对各个特征值与补偿参数进行归一化处理,以提高数据的收敛速度;利用神经网络模型为不同情形下的车床搜寻最佳补偿参数模型,从而构建起最佳的智能误差补偿模型;经过智能误差补偿后,对生产的物件进行图像识别,分析其是否符合精度要求。仿真测试结果表明:针对训练集数据和测试集数据,车床稳定性分别提高了0.695和0.713。实测结果显示:利用上述方法,对30个产品进行雕刻,精度均符合要求。因此,智能误差补偿模型能够提高车床加工稳定性,提升产品合格率。

一种基于Apriori算法的雷达目标所属平台判别方法

雷达目标所属作战平台判别是电子对抗侦察情报处理的关键步骤,直接影响电子对抗情报生成质量,进而影响电子对抗决策。针对截获雷达目标所属平台判别问题,提出一种基于Apriori算法的雷达目标所属平台判别方法。首先,利用云模型分别对截获脉冲不同类型的特征参数进行建模,消除截获脉冲特征参数模糊性、不完整性;然后,利用信息熵理论对截获脉冲所属辐射源的型号进行识别;最后,提出了数据挖掘+Apriori算法,建立数据库存储信息、人员识别经验信息与平台识别历史记录多维分析框架,实现了雷达目标与所属平台配属关系判别。仿真结果表明:在已知雷达数据库样本量较大的情况下,所提方法仍有较高的准确率和识别效率。

基于改进Apriori算法的入侵检测数据挖掘模型研究

将数据挖掘技术应用到入侵检测系统中,成为入侵检测研究的重要方向。本文对Apriori算法进行改进,以此构建入侵检测数据挖掘模型,运用该模型作入侵检测。实验表明,对以知攻击,采用误用检测和异常检测混合策略,其平均检测准确率达到80%以上,不失为一种效果良好的的入侵检测技术。

云计算环境下Apriori算法的MapReduce并行化

借助分割数据技术优化了经典的Apriori算法,实现了对候选项集的分组统计。给出了优化Apriori算法的MapReduce编程实现模型,达到了Apriori算法并行化的目的。实验结果表明,该算法能够大量减少键/值对的产生,提高了算法的效率,并且随着挖掘频繁项目集节点数的增加,算法的加速比成线性提高。

云计算环境下基于MapReduce并行的Apriori算法优化研究

根据MapReduce模型并行运行实现的特点,针对可扩展性差的传统Apriori的特点和传统Apriori算法,采用了"云"强大的廉价计算处理方式和关联规则挖掘算法,改进提高Apriori算法的运算效率。通过改进在云计算环境下MapReduce编程框架,并且结合验证MR-Apriori算法的实验为基础,这对传统意义上的Apriori算法在数据挖掘过程中所出现的客观问题进行处理,从而真正意义上的完成了本文研究的基于MapReduce并行的Apriori算法的扩展性提升的目标,并且表明了元计算技术结合关联规则挖掘算法的可能性。

基于兴趣度的Apriori算法在电子病历数据分析中的应用

通过分析Apriori核心算法,使用案例描述Apriori算法设计思想上所存在的不足,引入兴趣度阈值对Apriori关联规则进行了改进.并将该改进后的算法对电子病历数据库中数据进行关联规则提取,建立了基于兴趣度的Apriori算法的医疗诊断模型.通过实验证明,该模型能够提取具有诊断价值的关联规则并提高医生的诊断效率.

KMV和Apriori算法在上市公司信用风险传染中的应用

运用KMV模型计算违约距离,作为度量我国上市公司信用风险的指标,并利用Apriori算法挖掘上市公司之间的信用风险传染。结果表明关联规则挖掘能直观有效地描述上市公司之间的信用风险传染,产生强关联规则的上市公司之间信用风险传染较为明显。

基于apriori算法的旅游线路推荐模型实践分析

该文的旅游线路推荐系统模型,核心推荐模块主要采用的是关联规则apriori算法,文中分析了该系统建立的平台,然后通过模拟数据验证该系统的实践意义。

基于Apriori算法的学生成绩分析在课程关联性的应用研究

利用Apriori关联规则算法,并借助SPSS Modeler软件,对学生成绩进行深层次分析,挖掘出课程之间的关联性,并对挖掘结果进行详细的分析和说明,这对今后设置课程、制定教学计划、修订人才培养方案、开展教学活动以及学生学习等具有重大的现实与指导意义。

基于Apriori算法在煤矿安全预警系统中的应用

论文应用关联规则挖掘技术对煤矿安全预警系统参数进行数据挖掘,详细介绍了关联规则算法中的Apriori算法在煤矿安全预警系统中的应用及实现,促进了煤矿安全监测系统的监测性能。论文采用TipDM数据挖掘在线建模平台中的Apriori算法进行关联规则的挖掘,仿真结果表明该算法性能良好。

Apriori算法在金属复合产品质量控制中的应用

为提高某种金属复合产品的质量,将数据挖掘技术应用于金属复合产品质量控制。提出一种基于关联规则Apriori算法的生产过程控制模型,并从该复合产品的600组生产数据中挖掘原材料厚度和复合比例之间的关联关系。实验证明,生产过程控制模型对于产品质量的提高及成本控制具有一定的帮助,可用于生产过程的指导。

Apriori算法的改进及其在睡眠辅助医疗中的应用

针对睡眠呼吸暂停低通气综合征结合沈阳市某医院的数据对睡眠呼吸暂停低通气综合征的相关诊断指标及潜在病因进行频繁项集的挖掘.常用的Apriori算法实用性较强但效率不高且有局限性.本文针对Apriori算法的缺陷结合已有的优化算法提出了一个新的优化算法,并在此基础上建立了睡眠呼吸暂停低通气综合征辅助医疗的模型.该算法效率更高、速度更快、适用性更广,并且将结果与医学临床表现进行对比,符合临床表现,可信度较高.

基于Apriori算法的高校招生的关联规则分析

数据挖掘是适应信息社会从海量的数据库中提取信息的需要而产生的新学科。它是统计学、机器学习、数据库、模式识别、人工智能等学科的交叉。以往的数据挖掘技术的应用大多是在金融领域,而在其他领域里面应用不是很多,如在高校招生中的应用更是如此。数据挖掘技术对招生工作的深层研究与挖掘将会得到各高校的更多重视。以某高校招生数据作为招生信息为依据,对高校招生的关联规则进行分析。从而对关联性规则的应用作进一步的研究。

基于Apriori算法的零售商品购买关联分析

本文通过简单的案例简述了Apriori算法在零售商品购买记录数据关联分析的应用,借助SPSS Modeler软件分析零售商店消费者的购买行为、影响消费者购买的因素、消费者同时购买的商品以及买了某种商品之后还会购买哪些商品,找出频繁项集,挖掘出零售商店商品之间的关联规则,为零售企业提供决策支持。

用户兴趣模型和Apriori算法在大学生就业推荐中的应用研究

为了实现大学生就业的智能推荐和兴趣匹配,提出基于用户兴趣模型和Apriori算法的大学生就业推荐模型。构建大学生就业的用户兴趣信息采集与大数据分布模型,采用大数据关联信息挖掘方法进行大学生就业的兴趣特征匹配,在关联规则约束控制下,构建大学生就业的兴趣相关性特征量,对大学生就业推荐的兴趣特征大数据进行优化融合处理。采用Apriori算法进行大学生就业推荐的兴趣特征点自适应匹配,通过模糊自适应寻优方法实现对大学生就业行为的优化推荐。仿真结果表明,采用该方法进行大学生就业推荐的可靠性较好,提高了大学生就业的满意度水平。

融合关联规则Apriori和Weighted-Slope One算法的模型研究

针对于Slope One算法不精确不具有解释性的缺点提出了一种融合关联规则Apriori和WeightedSlope One的算法模型。利用关联挖掘Apriori找出互相关联的物品集大大提高了Slope One算法的推荐精度。融合后的AW-Slope One的算法在Movielens数据集上的对比实验结果表明,在数据集稀疏以及邻居数目较少的情况下,平均绝对误差(MAE)大大降低。