基于FP-Tree的共享前缀频繁项集挖掘算法

在数据挖掘中发现关联规则是一个基本问题,而发现频繁项集是关联规则挖掘中最基本、最重要的问题。提出了基于FP-Tree的共享前缀频繁项集挖掘算法-FP-SPMA算法。构造FP-Tree来压缩事务数据库,通过共享前缀和前瞻剪枝快速减小候选项集,无需递归构造条件模式树,算法性能有明显的提高。

基于FP-Tree的约束关联规则挖掘算法

针对构建FP-Tree时存在的大量内存消耗问题,提出了CCFP(constraint clip FP-tree)算法,该算法利用有项和缺项约束对事务数据库进行修剪后构造简化的FP-Tree,经再一次扫描后得到关联规则。实验结果表明:该算法较一般的FP-Tree算法能节省大量的内存空间,同时,运行效率也略有提高。

基于FP-tree的多层关联规则快速挖掘算法

研究了多层关联规则挖掘的理论和方法,提出了一种基于FP-tree的快速挖掘算法FAMML_FPT。该算法不仅实现了同层次关联规则的挖掘,也能实现跨层次关联规则的挖掘,其中引入了修补项、跨层修补项的概念,以便从低到高逐层建立FP-tree,有效减少了扫描数据库的次数,且不用产生大量的候选项集,提高了数据挖掘的效率。

基于改进FP-Tree的最大频繁项集高效挖掘算法

基于FP-Tree的FP-Max算法在挖掘最大频繁集时需多次递归建立条件模式树耗费大量存储空间,这大大降低了算法的挖掘效率。提出了一种基于改进FP-Tree的最大频繁集快速挖掘算法—FP-EMax算法。该算法无需建立条件模式库大大减少了存储空间开销,采用预剪枝策略减少条件模式树的构造次数及子集检测次数,从而算法的挖掘效率大大提高。最后通过实验证明FP-EMax算法在支持度较小的情况下较之于FP-Max及同类算法具有更好的性能。

基于FP-tree的项约束关联规则挖掘算法研究

介绍了项约束关联规则的基本概念和技术现状,详细分析了FP-tree关联规则算法的关键技术。对FPC、CMFIMA、CCFP、DCMFI和CMFI五种基于FP-tree的项约束关联规则算法思想及技术进行分析和评价,通过比较,给出各算法的优点和不足,最后介绍了基于FP-tree项约束关联规则的应用,并展望了FP-tree项约束关联规则挖掘未来的研究方向,为基于FP-tree的项约束关联规则技术的研究与发展提供参考。

一种基于FP-tree的最小预测集获取新算法

生成用于预测的关联规则,现有算法生成的关联规则中许多是不必要的。利用分治策略和基于频繁闭子集的FP-TREE生成一种特殊的关联规则集(最小预测集),它比现有规则集小,但是具有同样的预测功能,并且具有发现关键属性的能力。给出了它的算法,并从理论上证明了该算法的正确有效性。

一种基于NFP-tree的频繁项集挖掘算法

针对频繁项集挖掘时间与空间效率低的问题,提出一种基于New FP-tree的高效频繁项集挖掘算法。此算法利用New FP-tree结构存储事务数据库中的频繁项集信息,无需递归构造条件模式树,仅需两次扫描数据库即可生成所有频繁项集。最后的实验证明了该算法的有效性。

人造树的燃烧性能评价概述

本文通过对人造圣诞树按照UL2358-2013《预装有灯饰的季节性人造树和其他季节性装饰品的防火测试调查大纲》进行测试,介绍了人造树和其他季节性装饰品的燃烧性能测试评价方法。试验结果表明试样在被点燃后火焰沿竖直方向蔓延,以及由树枝向树干方向横向蔓延,试验在进行到200s时火焰蔓延至试样顶部后沿树冠圆周方向蔓延,在进行到216s时热释放速率(HRR)测得最大值487.4kW,在184s时测得烟气释放速率(SPR)最大值21.56m^(2)/s,试验的总热释放量(THR)为33.3MJ,烟气释放总量(TSP)为881.01m^(2)。试验表明试样在试验过程中出现轰燃及产生大量烟气,存在严重的火灾风险,因此建议人们在选购人造树等季节性装饰物时,需着重考察其防火阻燃性能。

ITEM软件在基于故障树诊断中的应用

在复杂的故障树中,手工定量分析故障树和求取最小割集比较的困难。利用可靠性工程软件ITEM对故障树进行建造和分析,快速地求取出了故障树的顶事件的发生概率,最小割集数及其发生的概率。从结果中得到各个底事件的重要度,分析出各个底事件在故障树中对顶事件发生贡献度大小和在故障树结构中的重要性,从而给出了系统设计的薄弱环节,为提高和保证系统的可靠性提供了有效的方法。并从给的最小割集量级上进行比较,为系统故障源搜索提供较好的测试步骤。

一种基于Fp-tree的压缩存储频繁项集结构

很多决策支持系统需要支持在线的、交互式的频繁项集挖,但是频繁项集挖掘是一个运算量非常庞大的过程。提出一种基于Fp-tree存储频繁项集结构——BFp-tree对频繁项集进行预处理,并将其存储在磁盘上,以支持在线挖掘要求。

基于CFP-Tree的关联分类算法的改进

通过在FP-Tree中加入分类信息,并将特征结点与分类结点转换成按字典排序的项-序表,生成被约束子树,实现了对基于分类频繁模式树的关联分类数据挖掘算法的改进。

一种基于FP-tree的最大频繁项目集挖掘算法

提出一种基于FP-tree的最大频繁项目挖掘算法DMFIA-D,该算法运用双向搜索策略,根据FP-tree构造特征自顶向下选取最大频繁候选项集,自底向上对候选项集进行计数、剪枝最终确定最大频繁项目集。由于减少了最大频繁候选集,并对候选集进行有效剪枝,从而缩短算法的挖掘时间,提高挖掘效率。

基于FP-tree最大频繁项集的FP-MFI算法研究

由于基于FP-tree的DMFIA算法在生成最大频繁项目集时会产生大量的候选频繁项集,通过改进传统的FP-tree结构,并提出了一种基于改进FP-tree的最大频繁模式挖掘算法FP-MFI,该算法不需要生成最大频繁候选项目集,改进的FP-tree是单向的,每个节点只保留了指向父节点的指针,可节约树空间。实验结果表明FP-MFI算法在数据库中频繁项目很多,而每一个事务中频繁项目很少的情况下,比同样基于FP-tree的DMFIA算法挖掘最大频繁项目集的效率更高。

基于权重项的决策树算法研究

决策树作为监督学习的重要分类算法,其代表的是对象属性与对象值之间的一种映射关系。决策树分为分类树和回归树,基于信息增益的分类树缺乏对缺失值的情况考虑。文章对分类决策树算法进行较为深入和全面的分析,进而通过增加权重项解决分类决策树在处理缺失特征时的问题。在数据集上的实验研究表明,权重项可以有效提升算法模型预测能力。

融合GA-CART和Deep-IRT的知识追踪模型

随着深度神经网络的快速发展,基于深度学习知识追踪模型的优势逐渐显现。Deep-IRT将项目反应理论与动态键值记忆网络(DKVMN)相结合,增加了学生与练习之间的联系,却忽略了学习特征的影响。DKVMN-DT在DKVMN的基础上增加了基于CART决策树的行为特征预处理,但决策树仍是一种贪心算法。为优化CART带来的局部最优问题并加强学生能力与项目难度的联系,提出了一种将基于遗传算法的CART与Deep-IRT相融合的优化模型。首先对CART基于遗传算法进行2次优化,对学习者的学习行为特征进行预处理;然后计算交叉特征并融入DKVMN底层模型中;最后引入项目反应理论,根据学生能力与项目难度完成概率预测。实验结果表明,DKVMN-GACART-IRT模型的AUC值均优于原始模型,具有更好的预测性能。

上海轨道交通列车检修规程管理系统

城市轨道交通的检修规程是列车维护的技术依据和标准,经过多年的发展,已经呈现了多样化的模式。为了实现上海轨道交通列车检修规程管理的智能化和信息化,建立了检修规程管理系统。介绍了该系统各功能模块的主要功能。从列车设备部件出发,搭建了上海轨道交通车辆设备的全量设备树和检修项点全量库,将检修规程项点内容结构化、数字化;通过该系统的功能模块实现了检修规程生成、检修规程对比、检修规程审批、检修规程版本管理等功能;通过该系统可对检修规程进行统筹管理、持续优化和追本溯源。

CAD/PDM信息集成研究

PDM系统已经成为企业产品开发信息集成的公认平台。研究 PDM系统与其他工程系统的集成是促进企业信息顺利集成的关键。在企业信息集成模式的指导下 ,本文讨论了 CAD系统与 PDM系统的信息集成的三种模式 :封装模式、接口模式和紧密集成模式 ,阐述了CAD/ PDM双向集成过程中涉及的内容、数据及操作方法 ,并简单介绍了作者开发的一个集成实例。

高效关联规则数据挖掘算法研究

关联规则挖掘是数据挖掘领域的一个重要问题.由于关联规则挖掘通常是基于超大型数据库或数据仓库,算法的效率在一定程度上决定挖掘的成败.针对关联规则挖掘中的主要任务———频集发现过程中存在的几个问题,提出了项目树的概念,引出了一种新的挖掘模式,并设计了相应的高效挖掘算法,大大提高了挖掘效率.

用于电脑专家诊断系统的脾胃病辨证量表的研制

【目的】使脾胃病临床辨证和疗效评价达到客观化和标准化。【方法】通过文献复习和专家咨询 ,把脾胃病临床辨证思维逻辑过程总结为“诊断树” ,并根据诊断树末端的证型确定脾胃病辨证量表的条目池 ;根据量表制定原则 ,对条目池的条目进行量化和拆分 ,制定脾胃病辨证初选量表 ;再由专家对量表进行分析、综合、合并和删除 ,以及逆向翻译 ,作出进一步的修订。【结果】建立了脾胃病辨证量表的临床应用版。【结论】本量表覆盖的信息切合临床实际需要 ,易于操作 ,并具有较好的信度与效度。

关联规则挖掘算法介绍

数据挖掘是一个多学科交叉融合而形成的新兴的学科,它利用各种分析工具在海量数据中发现模型和数据间的关系。而在大规模事务数据库中,挖掘关联规则是数据挖掘领域的一个非常重要的研究课题。文中介绍了关联规则挖掘的研究情况,描述了经典Apriori算法的实现,并对该算法进行了分析和评价,指出了其不足和原因。描述了FP树挖掘最大频繁项集的算法,通过实例对该算法进行了性能评估,并得到结论:数据库中潜在的最大频繁模式越多,运行时间越长。