PrefixSpan算法在多维序列模式挖掘中的应用

多维序列模式挖掘是在序列模式挖掘的基础上发展起来的，文章阐述了有关概念，介绍了两种序列模式挖掘算法：GSP算法和PrefixSpan算法，在对两类算法进行比较分析的基础上形成了挖掘多维序列模式的UniSeq算法、Dim-Seq算法和Seq-Dim算法。针对不同维度的模式，各种算法特点不同。     

一种改进的约束关联规则挖掘算法

在约束关联规则挖掘过程中，影响交互的制约因素是挖掘算法的执行时间。为了提高挖掘过程的交互性，文章提出一种基于两阶段的约束关联规则挖掘算法。算法利用已挖掘的关联规则，实现约束关联规则的挖掘过程。在算法实现的过程中对关联规则集存储结构进行了优化，并扩展了类SQL查询语句。实验结果表明，由于在约束条件挖掘的过程中不需要再对数据库进行挖掘处理，节省了大量的用户时间，因此算法是有效的。     

一种高效的数据集划分关联规则挖掘算法

设计了一种新的数据集划分关联规则挖掘算法，并对该算法的挖掘效率进行了测试，分析了影响DPARM算法挖掘效率的主要因素。     

带负项值的onshelf效用项集并行挖掘算法

为了提高带负项值的onshelf效用项集挖掘算法的挖掘效率，提出带负项值的onshelf效用项集并行挖掘算法DTPHoun，算法基于MapReduce框架，充分利用其onshelf时间段因素，将原始事务数据库按照时间段进行分片。算法将挖掘过程转化为MapReduce工作，Map阶段在分片数据库中挖掘候选项集，Reduce阶段并行计算候选项集的onshelf效用值。实验结果表明，算法取得了较高的挖掘效率。     

挖掘关联规则的并行算法研究

对挖掘关联规则的算法进行了简单的回顾，分析了已有的挖掘关联规则算法的不足，介绍了几种挖掘关联规则的关行算法。     

关联规则挖掘的基本算法

介绍了加权模糊关联规则挖掘算法的基本思想及实现步骤，并给出挖掘算法的多种策略。在此基础上，分析了加权模糊关联规则与模糊关联规则、布尔型属性加权关联规则、布尔型属性关联规则之间的内在联系，并指出加权模糊关联规则挖掘算法是一种最基本的关联规则挖掘算法，蕴涵了其它3种关联规则挖掘算法。     

模糊关联规则的加权挖掘算法

从实际应用角度，在对模糊关联规则挖掘算法进行改进的基础上，提出了模糊关联规则的加权挖掘算法（FARMA），以及简化的关联规则的加权挖掘算法（SFARMA），通过实验验证了算法的可行性，并对算法的性能进行了讨论。     

基于网格聚类技术的离群点挖掘算法

针对离群点的挖掘，在现有的LOF算法的基础上，提出了一种基于网格聚类技术的离群点挖掘算法AOMGC。该算法将离群点挖掘分成两步挖掘过程。此外，该算法对其网格的划分加以改进，并能根据数据信息自动生成划分间隔，从而提高了数据挖掘的效率。实验结果表明AOMGC算法是可行的和有效的。     

不生成候选项目集的并行挖掘关联规则

为了减少并行挖掘关联规则过程中产生的网络流量及同步次数，提高挖掘效率，在Tree-DM算法的基础上，提出了不生成候选项目集的并行关联规则挖掘算法Ptree-DM。给出了Ptree-DM算法的执行示例，并对该算法的效率进行了分析和讨论。     

频繁项集挖掘的研究与进展

挖掘频繁项集是许多数据挖掘任务中的关键问题，也是关联规则挖掘算法的核心，所以提高频繁项集的生成效率一直是近几年数据挖掘领域研究的热点之一，研究人员从不同的角度对算法进行改进以提高算法的效率。该文从频繁项集生成过程中解空间的类型、搜索方法和剪枝策略、数据库的表示方法、数据压缩技术等几个方面对频繁项集挖掘的基本策略进行了研究，对完全频繁项集挖掘、频繁闭项集挖掘和最大频繁项集挖掘的典型算法特别是最新算法进行了介绍和评述，并分析了各种算法的性能特点，指出其适于哪种类型的数据集。最后，对频繁项集挖掘算法的发展方向进行了初步的探讨。     

日志挖掘中的数据预处理

日志信息的预处理是日志挖掘任务中的重要阶段,是当前研究的重点,同时也是整个日志挖掘过程的基础和实施有效挖掘算法的前提,在日志挖掘中起着重要的作用。目前主要的日志挖掘主要采用国外的几种软件,而日志挖掘中重要的数据预处理软件国内暂无。文中主要介绍了数据挖掘中的日志挖掘,分析了数据预处理的过程,以及如何实现日志挖掘中的数据预处理,并在Delphi开发工具中成功完成了IIS文本日志文件到Xls格式及XML格式文件的转换,实现了日志挖掘中的数据预处理。     

数据可视化在数据挖掘中的应用

数据挖掘是从大量历史数据中抽取潜在的、有价值的知识或规则的过程。数据可视化对于快速分析数据，表示高维数据方面非常直观、有效。本文首先讨论了几种可视化技术，随后就数据可视化在数据挖掘的模型、过程中的应用进行探讨。     

基于离群指数的时序数据离群挖掘

离群数据挖掘(0utlier mining,简称离群挖掘)是数据挖掘的重要内容.该文针对时序 数据进行离群数据挖掘方法的研究,提出了离群指数的概念,在此基础上设计了时序数据离群数 据挖掘算法,并对某钢铁企业电力负荷时序数据进行离群数据挖掘,结果表明了算法的有效性.     

基于群体智能的离群数据挖掘

离群数据挖掘是数据挖掘的重要任务之一。首先分析了离群数据及其挖掘方法,然后根据LF算法和CSI算法,提出了基于群体智能的离群数据挖掘算法,并进行了仿真实验。实验结果显示了基于群体智能的离群数据挖掘算法的有效性。与其它方法相比,该算法避免了用户在设定参数初始值时给算法带来的影响,并且不需要设定初始聚类中心,因此具有更好的鲁棒性。     

几种典型关联规则算法的分析与比较

数据挖掘是目前比较热门的一个研究领域,而关联规则的挖掘又是数据挖掘的一个重要课题。首先介绍关联规则的基本概念和它的挖掘过程,然后就几种典型的关联规则算法进行概括并对它们进行分析和性能的比较,对关联规则挖掘应用的现状进行总结。     

关联规则挖掘中一种实视图选择策略

关联规则挖掘是数据挖掘问题中一个典型任务。其挖掘响应时间是数据挖掘系统中重要的问题之一。为了高效解决这一问题,给出了关联规则实视图的概念以及相应的代价模型;提出了针对数据挖掘环境的实视图选择算法,以便在存储空间约束的条件下,取得较好的查询性能。实验结果表明,该算法能有效地选取实视图,从而大大提高关联规则挖掘算法的效率。     

基于网络流量的挖矿行为检测识别技术研究

针对国内现有挖矿行为检测识别技术的准确性不高、缺少具体挖矿行为证据等问题,提出了一种基于网络流量的挖矿行为检测识别模型和多维度挖矿指纹特征提取方法,该模型通过对Stratum、Getwork等矿池协议的指令特征提取分析,能够高效准确地实现对挖矿行为的自动检测识别,并提炼出多维度的挖矿指纹特征,包括挖矿指令、矿池币种、软件型号、挖矿账号、算力、能耗等信息。实验结果表明,该模型能够准确识别相关挖矿行为并分析得出其多维度挖矿指纹特征,算力特征识别的准确性为95%左右,总体的挖矿行为检测识别的准确性为91.73%,为虚拟货币挖矿检测提供一种精准有效的解决方案。     

Image Mining: Trends and Developments

Advances in image acquisition and storage technology have led to tremendous growth in very large and detailed image databases. These images, if analyzed, can reveal useful information to the human users. Image mining deals with the extraction of implicit knowledge, image data relationship, or other patterns not explicitly stored in the images. Image mining is more than just an extension of data mining to image domain. It is an interdisciplinary endeavor that draws upon expertise in computer vision, image processing, image retrieval, data mining, machine learning, database, and artificial intelligence. In this paper, we will examine the research issues in image mining, current developments in image mining, particularly, image mining frameworks, state-of-the-art techniques and systems. We will also identify some future research directions for image mining.     

视频数据挖掘——框架、方法及趋势

目前视频数据挖掘概念、体系尚不明确，现有的一些分类方法不能突出数据挖掘关于“新颖性”这一特性。该文尝试从概念和分类方法2个方面解决这些问题，根据数据挖掘和视频各自的特点，将视频数据挖掘的概念分为广义和狭义2种。从数据分析的角度，提出一种新的分类方法，将广义的视频挖掘分为描述性和预测性2类，并且按照视频内容所关联的领域，提出了一个描述性视频数据挖掘的分类框架，讨论了视频挖掘的现有方法，并展望了视频数据挖掘的发展趋势。     

OLAP关联规则挖掘

该文提出一种新的关联规则挖掘方法,OLAP关联规则挖掘。OLAP关联规则挖掘是OLAP技术和一些高效的关联规则挖掘算法的结合。OLAP关联规则挖掘方法是一种灵活的、多维的、多层次的高性能方法。该文首先介绍了O-LAP关联规则挖掘的结构,最后详述了OLAP关联规则挖掘的具体实现。