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Apriori算法的煤矿安全事故分析

为分析煤矿事故报告中的危险致因因素,统计分析了2018—2022年全国煤矿事故报告数据,采用Apriori关联规则算法,并利用Gephi进行关联规则可视化,探究各个致因之间的复杂关系。首先对数据进行预处理,计算词频-逆向文件频率(Term Frequency-Inverse Document Frequency, TF-IDF),提取了78个煤矿事故致因因素,其中人因层包括31个因素,设备层包括9个因素,管理层包括31个因素,环境层包括7个因素;然后,经过关联规则挖掘算法,得到了585条关联规则,绘制了其支持度、置信度和提升度的散点图;最后,根据Gephi生成的事故致因复杂网络图,分别分析了高支持度、高置信度和高提升度关联规则致因因素。结果表明:基于Apriori算法的煤矿事故致因分析,得到了人因层、管理层、设备层和环境层4个方面的关键致因因素;对煤矿关键致因因素进行直观、多视图的展现,有助于提高煤矿安全管理水平。

一种Apriori算法在监狱警察心理健康调查中的应用

为从复杂数据中挖掘监狱警察心理健康状况,提出一种改进的Apriori算法进行监狱警察心理健康监测和评估,并根据狱警心理表现症状进行疏导。针对传统Apriori算法计算量大、遍历数据长的问题,对数据库集心理健康调查结果进行矩阵化处理和和运算,采用自连接操作方式删除非频繁项集,降低数据计算量。将改进算法应用于监狱警察心理健康调查,应用结果表明:监狱警察普遍存在“内向、抑郁、焦虑、坚强”的心理特征,后续心理辅导工作中,需加强户外锻炼,多接触外界事物,培养活泼开朗、积极乐观的情绪。

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GEO数据库分析高血压肾病的差异表达基因及免疫细胞浸润

目的:分析高血压肾病(HN)差异表达基因(DEGs)及免疫细胞浸润模式。方法:从GEO数据库中下载HN和健康人肾小管间质组织样本基因芯片数据集,使用R软件分析得到DEGs,并利用Metascape在线分析平台进行DEGs的功能富集分析,通过LASSO、SVM-RFE和RF三种机器学习算法筛选特征基因并验证诊断价值,最后利用CIBERSORT算法进行免疫细胞浸润分析。结果:共获得277个DEGs,功能富集分析发现其与先天免疫反应、体液免疫反应、对细胞因子的反应等多种免疫相关过程有关。机器学习算法共获得3个特征基因,分别为CISH、GADD45A和ZFP36,均具有良好的诊断价值,免疫细胞浸润分析发现调节性T细胞和M1巨噬细胞浸润较多,并且多种免疫细胞之间具有相关性。结论:HN的发病机制可能与多种免疫相关过程有关,调节性T细胞和M1巨噬细胞可能在HN的发病机制中发挥关键作用,CISH、GADD45A和ZFP36是HN潜在的诊断标志物。

基于改进Apriori算法的高校教育满意度关联规则挖掘

针对经典关联规则Apriori算法在大数据集情境下易产生冗余和误导性的关联规则,以及难以确认关键性关联规则等问题,提出支持度—置信度—权重检验系数框架与后项约束的改进Apriori算法。首先,定义相关性系数、提升系数、错误系数并进行证明分析,进而构建权重检验系数;其次,运用主成分分析法,提取指标中的高权重影响因素作为后项,通过后项约束过滤冗余关联信息,从而筛选出更为准确的关键性关联规则。将改进的Apriori算法应用于高校教育满意度调查数据的关联规则挖掘并进行分析对比,实验结果验证了该算法的合理性和有效性。

基于Apriori算法的高血压电子病历研究

采用SQL技术对电子病历数据进行预处理,将高血压患者按照性别以65岁为界,分为<65岁男、<65岁女、≥65岁男、≥65岁女4组。运用Apriori算法研究检查检验结果与用药之间的关联规则,挖掘出29条强关联规则,对制定高血压临床诊疗方案提供参考依据。

基于Apriori算法的盘江矿区煤与瓦斯突出特征研究

为揭示盘江矿区煤与瓦斯突出灾害发生规律,提高瓦斯防治工作的针对性,根据Apriori算法规则的原理和方法,对盘江矿区37起煤与瓦斯突出事故点的瓦斯地质参数进行了统计分析,以最小支持度为40%、最小置信度为75%的二项关联规则基准开展了数据挖掘试验。结果表明:煤层瓦斯压力1~2 MPa与埋深200~400 m、煤厚2~4 m与煤的瓦斯放散初速度≥15mmHg、煤厚2~4 m与煤厚变异系数≤0.2、泥岩厚度≤5 m与围岩强度系数≥2,是具有强关联特征的参数组合类型,盘江矿区发生煤与瓦斯突出地点都呈现浅埋深、高瓦斯压力、厚煤层和围岩强度大的典型特征;在特殊的山地浅埋深条件下(200~400 m),煤层原始地应力往往不大,高瓦斯压力是煤与瓦斯突出的主要影响因素,煤层瓦斯压力普遍达到1~2 MPa;煤厚增大、瓦斯放散初速度高反映出煤体结构受到过强烈破坏,局部发育具有煤与瓦斯突出倾向的构造煤,煤厚变异系数小预示煤层遭受的破坏形式不以煤层局部变异为特征,可能存在以分层构造煤特征的煤体结构破坏的形式;在煤层的顶底板砂岩等强岩层普遍较厚的情况下,煤层高强度砂岩顶板在开采扰动下产生的动载荷条件,叠加形成了煤与瓦斯突出发生强应力场条件;高瓦斯压力、构造煤与顶板围岩特性是影响盘江矿区煤与瓦斯突出的主要因素,在煤矿开采过程中,应以瓦斯压力作为主导参数指标,并重视结合构造煤、顶板岩性的特征来开展煤层突出预测与治理工作。

基于改进Apriori算法的高速公路交通事故关联分析

针对现有交通数据中事故影响因素间的关联特性,为高速公路运营及管理部门提供精准化、细粒度的决策支持信息,该文考虑驾驶人、环境、道路和车辆4个维度,建立带约束的改进Apriori算法,挖掘影响高速公路交通事故的关联规则。在传统Apriori算法的基础上,规则前项和后项约束的增加,可以提高关联规则的准确性和挖掘效率。结合3 178条高速公路交通事故数据的分析结果表明:改进Apriori算法通过精准挖掘潜在因素和事故等级间的关联程度,降低无效关联规则数量,关联规则准确性、挖掘效率均大大提升。驾驶人性别、年龄、照明强度、车辆类型均与高速公路事故严重程度有强关联性;路面湿滑会使交通事故升级为一般事故;黑夜下的照明状况,是使轻微事故升级为一般和严重事故的主要因素。

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算法的国企人力资源数据挖掘方法探析

当前的人力资源数据挖掘原则一般较为固定,缺乏灵活性,导致最终得出的平均挖掘量下降,为此,本文对基于Apriori算法的国企人力资源数据挖掘方法进行研究。结合实际的挖掘需求和标准,先进行人力资源数据采集,以动态的形式,增加数据挖掘的灵活性,并设定数据流动态挖掘原则。在此基础之上,构建Apriori测算人力资源数据挖掘模型,采用动态挖掘误差拟合处理的方式来实现数据挖掘。测试结果表明:相较于传统模糊聚类人力资源数据挖掘方法和传统改进CURE聚类人力资源数据挖掘方法,本文设计的Apriori测算人力资源数据挖掘方法最终得出的平均挖掘量相对较高,这说明该方法的资源挖掘速度更快,效率更高,挖掘针对性显著增强。

基于Apriori算法的氢安全事故统计分析

为探究氢安全事故不同特征因素间的相关性,以827起涉及氢气系统的安全事故为数据集,统计分析事故时间、应用阶段、点火源、事故致因及事故后果等特征因素。首先,构建事故致因的关联规则网络,讨论事故致因相关性;然后,交互分析事故致因和事故后果,明确事故因果关系;最后,基于Apriori算法挖掘氢安全事故的6类特征因素的关联规则。结果表明:氢安全事故中设备失效与设计错误、操作错误与意外反应等6个事故致因组合相关性最高;未点燃的氢气释放与压力释放装置、通风系统等8个因素强关联,氢火灾与螺栓、自燃等9个因素强关联,氢爆炸与制氢、电火花、压缩机等5个因素强关联。

基于K-Means与Apriori算法的资源利用率研究——以高校图书馆为例

K-Means是一种将相似的数据点划分到一个集群、不同的数据点划分到不同集群的聚类算法,Apriori算法则是一种频繁项集挖掘算法。高校图书馆为人才培养和科研服务提供重要助力。以高校图书馆为例,通过数据调查、问卷调查和访谈调查3种方式了解其借阅情况,利用K-Means与Apriori算法分别对借阅数据进行聚类与关联性分析。根据分析结果,提出通过调整采购方案、吸引读者兴趣、优化图书馆馆藏等途径提高高校图书馆资源利用率,实现图书馆投入费用的效用最大化。

基于Apriori算法与网络关联的含桃仁方剂应用规律探析

目的 运用Apriori算法挖掘含桃仁方剂的配伍规律及桃仁炮制品、每日用量与主治病证及病证类型的关联性,为桃仁的临床实践及现代应用提供参考。方法 检索《中医方剂大辞典》中含桃仁的方剂,运用Excel 2017、IBMSPSSModeler 18.0、Cytoscape 3.9.1软件、Chiplot网站进行频次统计及关联规则分析。结果 共收集含桃仁方剂1563首,多来源于宋朝,涉及486味中药,以补血药、理气药、温里药为主;主治病证366种,可归为30种病证类型,高频病证为闭经、跌打损伤、癥瘕积聚等,高频病证类型为气血津液病证、产后病证、月经病证等;桃仁炮制品以桃仁为主,其次为麸炒桃仁、燀桃仁,其中桃仁关联病证和病证类型最多,麸炒桃仁与气血津液病证关联性最好;桃仁每日用量主要分布于<3 g、5~10 g、3~4.9 g,其中桃仁<3 g与主治病证跌打损伤、产后腹痛、产后便秘等相关联,与病证类型产后病证关联性最好;3~4.9 g、5~10 g与主治病证跌打损伤关联性最好,与病证类型产后病证、气血津液病证等相关联。通过关联规则分析得到桃仁治疗闭经的核心配伍为当归、大黄、肉桂、川芎,治疗跌打损伤的核心配伍为当归、红花、大黄、赤芍,治疗气血津液病证的核心配伍为当归、肉桂、木香、大黄,治疗产后病证的核心配伍与同气血津液病证相同,仅有主次之分。结论 通过关联规则分析桃仁炮制品、每日用量与主治病证及病证类型间的关系,揭示了桃仁在具体病证中的应用特点,结果可为桃仁的临床合理应用及后续新方的研发提供参考与新思路。

基于Apriori算法的高压电气试验设备故障诊断研究

高压电气试验设备在电力系统中具有至关重要的作用,但是其结构和工作原理复杂,故障诊断一直是一个具有挑战性的问题。为了提高设备故障诊断的准确性和效率,本文基于Apriori算法,研究了设备故障的潜在规律和关联性,基于挖掘结果建立故障诊断模型,并进行试验验证。结果表明,基于Apriori算法的故障诊断方法在提高诊断准确性和效率方面具有显著优势,可为高压电气设备的健康管理和维护提供新的思路和方法。

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%。

Apriori算法在重庆垫江南部土壤养分元素组合研究中的应用

研究基于重庆垫江南部地区3250份土壤表层样品的54类地球化学数据,应用Python编程语言进行Apriori关联规则算法研究,尝试通过大数据分析的方法提取出隐藏在数据集中的土壤养分元素与其他各元素之间的组合规律,为垫江地区的土地利用规划、生态环境保护、现代农业发展以及土地污染防治等工作的开展提供科学依据。通过Apriori方法进行的重庆垫江南部土壤元素数据分析最终反映出各元素之间共存在八种关联关系。Fe、Zn、Co、V、Mg、Cu六类土壤养分元素的关联性极强,会出现共同富集的现象;土壤中Mo、Ca元素的缺乏与Li、I、U、P元素的匮乏存在一定关联;其他土壤养分元素则相对独立,无法建立与其他元素之间的关联规则。相较于传统地球化学分析方法,关联规则算法具有快捷、准确、完全基于数据深入挖掘等特点,对于未来土壤养分元素多寡的指示以及富集等级的划分具有重要的学术与应用价值。