一种新的基于Apriori算法的加权关联规则挖掘算法

针对New-Apriori算法的不足之处,提出了一种新的挖掘加权频繁项集的算法——MWFS算法,该算法能有效挖掘出含有权重较大项目的加权频繁项集,其挖掘结果更具有价值.     

一种新的基于Apriori算法的加权关联规则挖掘算法

针对New-Apriori算法的不足之处,提出了一种新的挖掘加权频繁项集的算法--MWFS算法,该算法能有效挖掘出含有权重较大项目的加权频繁项集,其挖掘结果更具有价值.     

基于FP-Growth算法的毕业生管理系统应用

将频繁项集挖掘算法中的FP-Growth算法应用到毕业生信息管理系统中,算法采用FP树对事务数据集进行压缩存储,然后再利用FP树得到所有的频繁项集.该系统可从大量的毕业生信息出发,找出就业信息与教育信息之间的关系,从而为决策者提供指导或数据支持.     

基于兴趣度剪枝的Apriori优化算法

鉴于关联规则挖掘中的Apriori算法在挖掘潜在有价值、低支持度模式时效率较低,因此提出一种优化的Apriori挖掘算法,即在频繁项集挖掘中引入项项正相关兴趣度量剪枝策略,有效过滤掉非正相关长模式和无效项集,从而扩大了可挖掘支持度阈值范围.实验结果表明,该算法是有效和可行的.     

Apriori算法中频繁项集求法的改进

分析传统Apriori效率较低的原因,采用0-1矩阵改进数据库事务集的描述,提高Apriori中统计匹配的时间效率;分析各频繁项集的计数,改进传统Apriori算法完全从低维频繁项集产生高维频繁项集的方式,通过先求出1项频繁集和最大频繁项集,减少中间的频繁项集剪枝数量,从而达到提高算法效率的目的。     

数据挖掘中关联规则算法的研究

随着计算机技术的迅猛发展,使得现代信息技术也得到了发展,数据挖掘技术被广泛地应用到许多领域当中。而数据挖掘技术中最常用的算法则是关联规则算法,它能够对大量的数据和信息进行处理,在数据库中将繁琐的项集找出来,经过处理之后,将项集与项集之间的关联关系建立起来,然后从中挖掘出有用的信息。本文针对数据挖掘中的关联规则算法进行研究。     

一种挖掘最大频繁项目集的优化算法

提出一种与Apiori算法思想截然相反的算法,称为组分解挖掘算法GDMA(Grouping-Decompo-sition Mining Algorithm).该算法通过分解较大的非频繁项目集来产生较小候选项目集,使得扫描数据库次数明显减少,同时产生的候选项目集的数据量也大大减少,大大提高了挖掘效率.     

基于Web数据流技术的网络入侵检测研究

针对传统多遍扫描数据库的挖掘技术构建的入侵检测模型已不能满足Web数据流高速并且无限到达的需要,根据多维频繁模式的特点,提出了一种新的入侵检测模型和一种新型数据结构SW.Tree,并给出了一种基于滑动窗口树的挖掘频繁项集的新型算法AFP.对不同流量数据的实验结果表明该模型有较高的报警率和较低的误报率.     

数据挖掘在食管癌和贲门癌研究中的应用

结合食管癌和贲门癌研究中的普查数据的特点和数据挖掘过程中对数据的要求,讨论了普查数据的预处理、频繁项集的挖掘及挖掘结果分析,认为利用数据挖掘技术处理普查数据,从而得到频繁出现的病理特征,对癌症研究有重要意义.     

基于分布式并行关联规则的挖掘算法

以往使用的分布式数据挖掘算法各有优缺点,提出了一种基于星型网络的分布式关联规则挖掘算法。对其基本思想、算法描述等进行了分析。     

基于遗传算法和prim算法的配电网架扩展规划

以建设费用、运行费用的加权和最低为目标函数，以最大投资额度的限制为约束条件，采用遗传算法获得总费用最小的扩展规划结果．在扩展规划过程中，将配电网的电源点和负荷点当作顶点，将各个顶点间可能架设线路的走廊当作边，以随机设置的各条边的初始权为基因，并采用prim算法求取最小生成树作为初始种群．采取复制、交叉和变异等遗传操作，达到规定代数后得到最终的最优规划方案、对一个具体算例进行扩展规划的结果表明该方法是可行的．     

基于动态预测算法的网络多媒体应用的改进

提出了一种特定于网络多媒体应用的改进的QoS控制机制,在确定的带宽资源条件下,该控制机制可以以有限的网络多媒体业务服务质量为代价满足更多用户的网络多媒体应用需求.其核心算法——增强型指数平滑预测算法(EEWMA)是以指数平滑预测算法(EWMA)为基础优化而来,可以在预测精度和带宽资源占用量两者之间取舍,适用不同的网络环境和需求.对标准数据库进行测试的实例证明,EEWMA对处于网络应用有效连接建立时间范围内的不同的采样间隔,均可以得到较好的预测效果.     

挖掘有效相联规则的算法探讨

Apriori算法是从大型数据库中挖掘相联规则的有效工具,但在实用中还存在以下2个问题：1）有可能挖掘出一条支持度和置信度均很高,但却是无兴趣的,甚至是虚拟的相联规则;2）挖掘相联规则算法不能产生带有否定项的规则。鉴于此,对Apriori算法作了如下改进：引入兴趣度的第三个度量值－相关支持度阈值,并在原始项集中增加定项。改进后的算法较好地解决了上述2个问题。     

一种改进的加权三边定位算法

针对三边定位算法定位精度不高的问题,提出了一种改进的加权三边定位算法.该算法在参考节点呈正三角形摆放时定位精度最高的理论基础上,将参考节点所围成的三角形的内角和边长信息作为加权因子,引入到三边定位算法中,以此来反映该三角形与正三角形之间的差异.仿真实验结果证明,该改进算法提高了定位的精度.     

基于交互式遗传算法的Polo衫快速款式推荐系统

针对服装虚拟设计与定制时专业知识门槛较高,无法高效获得心仪定制款式的问题,以Polo衫为例,对其进行部件化的三维模型设计,并对其条纹针织面料外观进行虚拟设计,建立Polo衫设计部件数据库。此外,引入优化的交互式遗传算法,使用基于款式部件相似度的适应值加权分配策略,通过编码、初始种群生成、适应度计算、选择、子染色体偏好固定或剔除、交叉与变异等操作,建立款式推荐系统,逐渐生成用户满意的Polo衫款式设计方案,并进行验证。结果表明:随着进化代数的增加,种群的最大适应值与平均适应值升高,在保证一定搜索空间的同时,逐渐倾向用户的心理偏好,可逐渐搜索到用户较心仪的设计方案,实现用户导向的Polo衫个性化快速款式生成与推荐。     

线性互补问题的Mehrotra型预估矫正算法

以艾文宝的邻域跟踪算法为基础,增加了一个二阶矫正项,提出了单调线性互补问题的一个Mehrotra型预估矫正算法．由于单调线性互补问题的迭代方向不具有正交性,因此算法的理论分析变得复杂．通过分析,得到了目前线性互补问题最好的复杂度．