Apriori-sort算法研究

Apriori算法虽然在候选集的产生时利用了剪支技术,但每次扫描数据库时都必须扫描整个数据库,因此扫描的数据量大,速度较慢。Apriori-sort算法是在Apriori算法基础上的改进,基本思想是把事务数据库变为以度表示的事务度数据库,并对事务度数据库进行排序。Apriori-sort算法查找频繁项集时,只扫描数据库Dd中满足d(Ck)芨d(Ti)的事务。对扫描数据库进行了有效剪支,因此Apriori-sort算法的计算效率高。并用仿真数据对Apriori-sort算法和Apriori算法进行了仿真对比实验,实验结果证明了新算法的高效性。

基于情景感知的商场导购推荐商品信息的研究

针对目前商场中广告费用日益增长,纸制广告越来越多.提出了基于情景感知的智能商场导购系统的商品推荐信息的研究方案,情景感知服务是借助现在的信息技术为顾客提供自适应服务.解决了商场广告费用日益增加的问题,为商场降低了费用.将Aprior算法应用到该系统中,将以往顾客浏览的信息和现在的环境资源相匹配,实现了为用户提供个性化服务,减少了商家营销的成本.

审计系统中基于数据挖掘的关联规则自动发现技术研究

在网络安全审计系统中引进数据挖掘技术,将Agent和分布式挖掘模式相结合对网络主机安全事件进行挖掘,并采用经典的Apriori关联性分析算法实现网络主机安全事件的相关性分析,根据分析结果来找出导致安全事件的原因。多次试验结果表明,该方法有效提高了报警事件的准确率。

一种面向入侵检测的数据挖掘算法研究

为提高入侵检测的精确性和有效性,通过对基本序列模式挖掘算法(Aprior算法)的分析,针对其缺点并结合入侵检测数据的特殊性,设计了改进的Aprior算法用于序列模式挖掘算法,算法将数据属性分成多个等级,侧重于多属性的序列模式挖掘,算法首先寻找高频轴属性值事件,再迭代降低支持度并增加新的低频轴属性值,用于比较长的频繁项集。同时以网络数据和日志文件数据为实验基础,从算法的精确性和适应性方面进行了比较。

Aprior算法在海滨观测数据相关性检验中的应用

针对目前海滨观测数据相关性检验通常采用人工筛选判断的方式,提出一种经典的关联规则数据挖掘算法--Aprior算法应用于海滨观测数据的相关性检验。提高相关性检验的效率和准确度,完善海滨观测数据的自动化质量控制系统。

基于图的挖掘关联规则改进算法

关联知识挖掘算法中一种广为人知的算法就是Aprior算法,之后所有关联规则挖掘算法的基本思想都是基于频繁项目集发现算法的基础上进行了改进.为了提高关联规则挖掘效率,首先回顾了基于图的关联规则挖掘算法;然后,在此基础上进行了改进,把关联规则挖掘中寻找频繁项集的问题转换为图中寻找完全子图的问题,通过在图中查找完全子图来寻找频繁项集.提出了一种基于图的关联规则挖掘改进算法,并且对原算法和改进的算法从时间和空间的性能进行了比较分析,得出改进的算法是有效可行的.最后从实验结果得出结论GenerateItemsets算法比DGBFIG算法优.

面向网络业务流设计的时态路径约束关联规则算法

提出了一种新的基于业务流分析方法 ,采用关联规则挖掘的算法对全网业务进行关联关系分析 .该方法在Aprior算法的基础上 ,引入时态约束和路径约束 ,使之更加体现网络业务的特性 .使用该方法 ,可以充分利用已有数据 ,分析已有业务的行为 ,且可以预测未来业务的行为 .模拟实验结果表明 ,该算法对业务流分析中不同业务之间的相关性发现是非常有效的 .

Apriori算法的改进及实例

本文对Aprior算法简介进行阐述,对这种算法进行改进,并以案例验证改进的合理性。

基于关联规则挖掘算法的心理危机预防系机制构建

学生心理危机是学校重要而紧迫的课题,对整个学校的稳定起重要作用。在核心素养背景下,我们应加强培养高职生心理健康素养,构建心理危机预防与干预体系。关联规则挖掘是从大量的数据中挖掘描述数据之间相关性的有价值的知识。我们对Aprior算法进行了分析和讨论,提出了一种基于Aprior算法的规则挖掘算法。最后,我们将该算法应用于大学生心理健康测评数据使相关职能部门有效制定大学生心理危机干预方案减少或消除危机。

基于Web日志的序列模式挖掘应用研究

首先分析了序列模式挖掘算法——类Apriori算法,然后重点介绍了如何对Web服务产生的大量日志数据进行收集、预处理,并基于类Apriori算法对Web日志进行分析,发现新模式,为优化网站建设提供有价值数据。

关联规则挖掘频繁项算法的应用

关联规则在数据挖掘中是一种简单但很实用的规则,Apriori算法和FP-Growth算法是关联规则中的典型算法,本文介绍了关联规则和两种典型算法的概念,利用实例对比两种算法在挖掘频繁项集中的区别,分析算法的优劣,从而确定算法的应用。

一种基于分布式计算平台的试验数据关联规则挖掘算法

随着航天型号信息化、智能化的发展,型号系统产生的试验数据量较以往有了大规模的增加。针对型号试验数据量大、数据多样化导致的分析难度大的问题,文章提出了基于Map Reduce分布式计算框架应用Aprior算法对试验数据进行关联分析的方法。经实验验证,该方法可有效分析出海量数据内部的关联关系,且效率比单机方式有极大提升,为发掘海量试验数据价值提供了一种有效的手段。

基于数据挖掘的中医治疗湿疹用药规律分析

目的基于数据挖掘技术分析中医药治疗湿疹的组方用药规律。方法检索收集中文期刊全文数据库(CNKI)、万方学术期刊全文数据库近20年内1 214篇中医药治疗湿疹的期刊文献,使用Excel软件建立数据库,分析用药频次与高频药物性味归经分布;分析湿疹伴瘙痒剧烈时辨证用药规律;使用Spss Modeler软件基于关联规则Apriori算法挖掘湿疹治疗用药的关联规则及处方规律,并进行网络可视化分析。结果本研究共纳入584篇文献,970首方剂,涉及中草药454味。其中内服汤剂使用频次高的药物为甘草、白鲜皮、生地黄、苦参等;外用方剂使用频次高的药物为苦参、黄柏、地肤子、蛇床子、白鲜皮等;高频药物药性以"寒/微寒"为主;药味以"苦、甘"为主;主归"肝、肺、脾"经;湿疹伴瘙痒剧烈者辨证加减使用频次高的药物为地肤子、白鲜皮、乌梢蛇等;通过关联规则发现核心药对为栀子-甘草、黄柏-白鲜皮-苦参、荆芥-防风、蛇床子-地肤子-苦参、白鲜皮-地肤子-苦参。结论中医治疗湿疹处方用药以清热药、解表药、利水渗湿药、攻毒杀虫止痒药为主,甘草、白鲜皮、荆芥、防风和苦参等药物使用频次高。

换道过程中驾驶人感知操作的模式发现与规则挖掘

为发现高速公路下自由换道过程中眼睛感知-手脚操作之间的时序关联性,探索感知与操作相互作用的内在机理,采用驾驶模拟舱进行高速公路驾驶实验,采集眼动数据和车辆运行数据;分别提取换道瞬时和换道全过程的眼睛感知-手脚操作的特征;采用Aprior算法从换道瞬时和换道全过程两个角度发现眼睛感知-手脚操作的频繁模式,挖掘它们的关联规则。对于瞬时感知-操作,左换道发现13种频繁3项集模式,右换道发现18种频繁3项集模式;对于全过程感知-操作,左换道发现4种频繁模式,右换道发现3种频繁模式。左右换道各自挖掘到6条有实际价值的关联规则。对频繁模式和规则分析发现:右换道比左换道需要较多的感知时间、较复杂的手脚操作行为。发现的频繁模式和挖掘的关联规则描述了自由换道过程中感知操作的特征和它们之间的关联性,能够为安全换道提供参考,为无人驾驶换道操作提供支撑。

基于关联推荐的Web服务组合优化

为实现基于历史知识与规则的Web服务组合优化,对于待解决的特定任务和问题,提出了一种Web服务组合优化方法。这种方法把Aprior算法应用于Web服务组合,通过挖掘历史日志中Web服务的关联规则,计算各种历史Web服务组合方案的支持度,生成针对当前问题的频繁项集,并可根据每种组合的置信度,动态地自动选取合适的Web服务,产生推荐的Web服务组合方案。这种方法可应用于流程管理、智能规划等领域。

关联挖掘在图书借阅数据库中的应用研究

介绍了关联挖掘的基本概念和挖掘过程,并给出了Apriori算法,进一步讨论了关联规则在图书馆读者文献借阅数据库中的应用。通过实例分析说明使用Aprior关联挖掘方法能有效挖掘隐藏在数据背后的有价值信息,为图书馆服务工作提供决策支持并且有利于图书馆开展个性化信息服务。

区域交叉口交通拥堵传播规律挖掘方法研究

为了准确识别和预测区域交叉口的交通状态,研究道路网络中的拥堵传播规律,以交叉口流量数据为研究基础,提出了一种改进型需求-容量的交叉口交通状态判别方法。结合交通领域的具体特点,对算法数据库进行适应性调整,采用一种基于路网拓扑结构约束的Aprior算法,建立区域交叉口拥堵传播规律挖掘模型,并以苏州市某区域的交叉口数据为实例进行验证,从时间维度分析发现拥堵具有相似性和反复性,从空间维度研究获取“回溢”和“流出”2种拥堵传播模式,与现实情况相符。结果表明,模型能够有效挖掘区域交叉口拥堵传播规律,并根据传播规律中各个交叉口拥堵发生的时序特性进行交通状态预测。所得结论对实现拥堵预警和交通拥堵的早期干预具有一定的借鉴意义。

基于频集的Apriori关联规则算法在招标采购活动中的应用

基于频集的Apriori关联规则算法可以在一堆看似杂乱无章的数据表象下找出背后"隐秘关系"。在招标采购活动中,很多现象可以直观地被感知,但是难以被科学地界定。文章基于"循例评审"原理,以"智能评审"为例,探讨了Apriori关联规则算法在招投标采购活动中的具体应用过程。实践表明,合理应用Apriori关联规则算法,可对"看似异常、实难界定"的信息表象下的规律加以明晰,能够为营造健康有序的招标采购环境发挥积极作用。

改进后的Apriori算法在超市中应用

超市很容易收集和存储大量的销售数据,通过对这些数据的关联分析,可以用来指导商家科学地安排进货、库存以及货架设计等。但Apriori算法在产生候选集需要进行大量的运算,时间较长。本文根据超市对数据库的利用的特点对Apriori算法进行改进,使用时间分割数据集,介绍了分割的方法,并详细阐述了改进算法的核心-合并子算法。新算法在实际中有一定的应用价值。

数据挖掘技术在情感语音合成中的应用

目前,情感语音合成自然度在情感语音合成中成为难点,本论文将数据挖掘技术应用于其中。通过对传统的Aprior算法的改进,探讨了如何提取情感语音韵律参数之间的关系,并且在理论上表明比传统Aprior算法在挖掘情感语音频繁项目集的效率高。应用这些规则,可以很方便的为以后情感语音合成系统的选音提供帮助和参考。