基于遗传算法的双向关联规则挖掘

关联规则挖掘是数据挖掘和知识发现中一门重要技术,但基于支持度-置信度框架的关联规则挖掘存在一些问题。文章引入了双向关联规则的概念,实现了基于遗传算法的双向关联规则挖掘算法。实验证明,它能弥补传统关联规则挖掘算法的不足。     

基于聚类的关联规则挖掘算法的研究及应用

通过对数据挖掘中聚类技术和关联规则挖掘技术的多种算法进行比较研究,提出了基于聚类的关联规则挖掘算法,阐明了具体聚类方法选择的依据,详述了该算法的实现过程,并利用该算法挖掘出校园卡用户消费行为之间简单的关联规则.     

基于关联规则数据挖掘技术在音乐分类中应用

为了提高音乐分类的精准性及个性化,提出基于关联规则的数据挖掘技术在音乐分类中的使用,解决单一轨道提取的局限性问题。首先,对音乐文件预处理进行分析,主要包括提取主旋律、分析和声;之后,对基于FP_Growth关联规则挖掘算法的音乐风格进行分析。因为FP_Growth算法只需要扫描两遍原始数据,对原始数据进行压缩具有较高的效率,所以将FP_Growth关联规则挖掘算法应用于音乐媒体的风格分类中,并且创建基于FP_Growth关联规则挖掘的音乐风格分类,减少所需频繁项集的数量,从而提高数据库扫描速度,在此过程中不需要候选项集,实现音乐分类过程中的数据挖掘;最后,对数据挖掘的效率进行Matlab测试,测试结果表示,相比基于LAD和Apriori算法的音乐风格分类,基于FP_Growth的音乐风格分类减少了I/O开销,提高了运行效率和分类的精准性。     

基于云平台的并行关联规则挖掘算法分析

自云计算技术出现之后,数据挖掘技术取得了突破性发展。数据挖掘系统不仅实现了低成本、高效率运行,并且系统储存空间和系统可扩展性也在不断扩大,大大提高了数据挖掘效率。这里简要阐述了基于云平台的并行关联规则挖掘算法分析的研究意义,并对基于Hadoop的数据挖掘系统和数据算法设计进行了详细介绍。     

基于数据流的频繁闭项集挖掘

关联规则挖掘是数据挖掘的一项重要技术,它主要是通过频繁闭项集挖掘得到关联规则。因此,频繁项集挖掘算法的性能对关联规则挖掘算法起到了决定性的作用。基于数据流的频繁闭项集挖掘能针对数据流有效地挖掘频繁闭项集,本文主要分析基于数据流的频繁闭项集挖掘算法及其在关联规则挖掘中的应用。     

基于数据挖掘技术的图书馆个性化快速推荐算法研究

随着高校图书管理系统建设的不断发展,广大师生的图书借阅活动产生了大量的浏览数据。为了对以上借阅信息进行数据挖掘以便为读者提供更高水平的服务,提出一种基于数据挖掘技术的图书馆个性化快速推荐算法。首先对数据挖掘的主要方法和组织结构进行了介绍;然后对经典关联规则挖掘算法中的Apriori算法进行改进,提高了关联规则的运算效率;最后采用改进的Apriori算法对图书借阅历史数据进行关联分析,从而对读者做出个性化的推荐。实验结果表明,提出的图书馆个性化快速推荐算法具有较高的准确度和运行效率。     

一种基于云计算的关联规则改进研究

随着数据挖掘技术的成熟,其中关联规则在大规模数据中的应用成为了目前的热点.为了提高在大规模数据下进行数据挖掘的效率,在MapReduce中通过引入归并函数Fusion来提高执行剪枝任务的效率并进行了优化研究,提出了一种基于云理论的关联规则Apriori算法,详细论述了实现的过程以及关键技术.通过实验表明,该方法取得了良好的实验效果,克服了Apriori算法耗时多、识别率低下等问题,是实现在大规模数据进行数据挖掘的实用工具.     

基于搜索的QAIS关联规则发现算法的改进

挖掘关联规则是数据挖掘领域的一个重要研究方向,目前已经提出了许多用于高效地发现大规模数据库中关联规则的算法。本文对一种基于搜索算法的QAIS算法进行了改进,形成了ImprovedQAIS算法。     

基于遗传算法的关联规则数据挖掘

关联规则是数据挖掘的重要手段,它基于支持度、置信度等对规则进行筛选,生成有用的规则,由于根据实际情况有时会产生虚假规则,所以兴趣度也自然被引入。遗传算法是自动化技术、专家系统等经常采用的算法。通过改进的遗传算法进行关联规则数据挖掘并进行了实例应用。遗传算法能较好地得出发生交通事故原因与结果的关联规则,提高数据挖掘的效率。     

几种关联规则数据挖掘算法的实现

关联规则挖掘是数据挖掘研究的一个重要分支,其目的是为了发现大量数据中项目集之间感兴趣的相关性信息。经过十余年的发展,关联规则挖掘已经成为数据挖掘技术中较为成熟并很重要的一种方法,涉及到多种关联规则挖掘算法。文章重点介绍Apriori算法和FP—tree算法的基本思想、实现流程及其优缺点。     

一种安全事件模糊关联规则挖掘算法

随着信息技术和数据库技术的飞速发展,从大量的数据中获取有用的信息和知识变得越来越重要。模糊关联规则挖掘是数据挖掘中针对数量型属性关联规则发现的一种有效方法。提出了一种基于矩阵的模糊关联规则挖掘算法,并将其应用于网络安全事件关联分析中,通过对DARPA标准数据集的分析,得出了预期数量的关联规则,并成功验证了某些攻击场景,该模糊关联规则挖掘算法取得了较好的实验结果。     

遗传算法在Web关联挖掘中的应用研究

关联规则是捕述Web用户行为特征的重要依据。传统的基于统计学的Web关联规则挖掘算法注重对现有数据的分析，不能针对Web关联挖掘的特点提供有效的预测手段和优化反馈措施。本文提出一种基于遗传算法的Web关联挖掘算法体系，实验证明它能。弥补传统Web关联挖掘算法的不足，为Web关联挖掘提供了一种新的思路。     

遗传算法在Web关联挖掘中的应用研究

关联规则是描述Web用户行为特征的重要依据。传统的基于统计学的Web关联规则挖掘算法注重对现有数据的分析，不能针对Web关联挖掘的特点提供有效的预测手段和优化反馈措施。文章提出一种基于遗传算法的Web关联挖掘算法体系，实验证明它能弥补传统Web关联挖掘算法的不足，为Web关联挖掘提供了一种新的思路。     

基于序列模式挖掘的网管告警系统

告警关联分析是网络故障管理中的一个难点,传统方法由于需要引入大量的先验知识而难以适应网络复杂多变的情况.序列模式挖掘作为一种时序数据分析的有效手段,能够自动从告警中提取出有助于关联分析的情景规则.本文首先介绍了与情景规则有关的一些基本概念,然后讨论了挖掘情景规则的常用算法,进而提出了基于序列模式挖掘的告警关联分析的网管系统模型,并实现了一个简单的原型系统,实验证明该系统能够从海量告警中提取出有助于关联分析的情景规则.     

CMMB单频网络的分析

中国移动多媒体广播(CMMB)网络分析已经提到中国各地运营商的日程上来.介绍了单频网及网络结构,通过对测量参数的介绍,详细分析了CMMB无线网络.在此基础上,提出了3个方面的分析:覆盖分析、画质分析和同频网络分析.通过实际测量的数据和路测图,分析了CMMB单频网络,为CMMB网络优化提供了基础.     

基于贝叶斯网络的攻击事件智能发掘模型

针对目前传统入侵检测系统难以得出网络攻击行为之间存在的关联关系问题,以攻击图表示模型为指引,提出一种基于贝叶斯网络的攻击事件智能发掘模型。本文以先验知识建立贝叶斯攻击行为关联图。基于属性相似度聚合网络攻击行为,针对网络攻击场景设计高效的Ex-Apriori算法发掘攻击行为间的关联规则,并建立攻击行为组集。利用贝叶斯攻击行为关联图的参数对攻击行为组集进行计算,实现对攻击事件的发掘。实验表明,本模型能有效提取网络攻击事件及发现攻击路径,为网络攻击事件的发现与应对措施提供理论支持和技术支撑。     

基于遗传算法的关联规则挖掘

数据挖掘是关联规则中一个重要的研究方向.对关联规则的数据挖掘和遗传算法进行概述,阐述关联规则数据挖掘的意义,提出一种采用改进型遗传算法的关联规则的提取算法,并从编码方法、适应度函数的构造和变异、选择、交叉算子设计方面进行讨论和分析,最后结合一个具体实例进行应用.实验证明这种算法是有效的.     

一种新的面向普通用户的多值属性关联规则可视化挖掘方法

针对传统关联规则可视化挖掘方法不利于处理多值属性数据、缺乏展现数据间的频繁模式和关联模式以及效率低下等问题,提出了基于KAF因子和CHF因子的Apriori改进算法进行多值属性关联规则挖掘,实现了一种新的基于概念格的多值属性关联规则可视化方法.运用概念格理论对多值属性数据进行了重新定义和分类,建立了较为完整的挖掘过程参数调整策略,方便用户选择关键属性值进行规则挖掘分析,提高了算法运行速度和挖掘效率.以概念格结构将多值数据组织起来,实现了对频繁项集的可视化展示,以及关联规则的多模式可视化展示.实验结果表明,改进后的挖掘算法具有更好的性能,所提出的可视化形式和已有成果相比具有良好的展现效果.     

一种无冗余的Web日志挖掘算法

Web日志挖掘是Web数据挖掘的一个重要研究领域。Web日志挖掘通过发现Web日志中用户的访问规律和模式,可以提取出其中潜在的规律和信息,人们对这个领域的研究也日益重视。然而,传统的基于关联规则的Web日志挖掘算法都是基于所有关联规则的。这种方式往往挖掘产生大量的候选规则,而且存在大量冗余的规则。提出了一种新的无冗余的Web日志挖掘算法,该算法通过引入频繁闭项集合最小关联规则的概念,从而解决了以往基于所有关联规则挖掘算法中出现的上述问题。