基于Apriori算法改进的关联规则提取算法

通过对Apriori算法的基本思想和性能的研究分析，认为Apriori算法存在一些不足。并且根据这些不足提出了相应的改进算法对Apriori算法进行优化，从而得到一种改进的Apriori算法，与原算法相比运算效率大大提高。     

频繁项集快速挖掘算法研究

为了进一步提高频繁项集挖掘算法的可扩展性,对频繁项集的搜索空间以及FP-tree的操作方法进行了研究.提出了通过FP-tree的操作实现频繁项集快速挖掘的相关性质和新的搜索策略,在此基础上提出了基于FP-tree的频繁项集挖掘的改进算法.算法运用递增构建候选项集模式树的策略缩小搜索空间,运用FP-tree的部分遍历操作简化搜索过程.在多个标准测试数据集上的实验结果表明,该算法的执行时间比同类算法减少了一个数量级,且占用较少的内存空间,因此该算法对于提高频繁项集和频繁闭项集的挖掘效率具有明显的效果.     

Development of soft sensor by incorporating the delayed infrequent and irregular measurements

Originated from challenging industrial applications, this paper addresses a soft sensor development problem for linear systems with two types of measurements. One is fast, regular and delay-free measurements. The other is infrequent, irregular measurements with time-varying delays. The approach to be taken is based on the Kalman filter and data fusion technique, avoiding running the full augmented state Kalman filter, and leading to a considerably lower implementation cost. Although it is suboptimal, the loss in performance is minor compared to the optimal filter. Two simulation examples demonstrate the advantages of the proposed approach. An industrial soft sensor application example is also used to demonstrate its practicality.     

基于概念格的频繁闭项集增量挖掘算法研究

近年的研究表明，概念格可以应用于解决频繁闭项集的挖掘问题．针对已有渐进式概念格构造算法中存在的问题，提出了一种基于概念格的频繁闭项集增量挖掘新算法——FIPT-I算法．新算法利用模式树对概念格进行组织，并利用模式树压缩数据库中的事务，在渐进式构造概念格的同时实现了事务的批处理，减少了概念格的调整操作时间．实验结果表明，与其他同类算法相比，FIPT-I算法对于增量挖掘频繁闭项集来说具有更高的效率．     

基于随机相遇的频繁项集挖掘方法

频繁项集挖掘是关联规则挖掘的重要内容,而现有的频繁项集挖掘算法在数据库扫描和复杂数据结构构建方面消耗过多的时间,效率较低。为克服现有频繁项集挖掘算法的不足,提出了基于随机相遇的频繁项集挖掘算法。在随机相遇过程中,不断从原始事务集中随机挑选两条事务,将其交集作为新事务集中的元素,通过计算新事务集中最小支持度与原事务集中最小支持度的关系,将在原事务集上的频繁项集挖掘转化为在新事务集上的频繁项集挖掘,算法的时间复杂度和空间复杂度大大降低。由于随机样本蕴含原始数据集的主要统计特性,新事务集具有原事务集的统计特性,通过调整参数,算法在新事物集上挖掘结果的准确度可以得到保证。并利用一个零售超市的交易数据对该算法的有效性进行了测试。测试结果表明,该算法能将挖掘速度提升数十倍,同时挖掘结果的准确度和其它算法相差不大。     

基于双阈值Apriori算法和非频繁项集的关联规则挖掘方法

针对从本文数据集中的正负关联规则挖掘问题,提出一种基于双阈值Apriori算法和非频繁项集的挖掘方法。首先,对通过逆文档频率(IDF)对语料库中的项(项集)进行加权,筛选出前N%的项集。然后,通过提出的双支持度阈值Apriori算法来提取频繁项集和非频繁项集,以此降低非频繁项集的数量。最后,通过置信度和升降度阈值的判断,分别从频繁项集和非频繁项集中挖掘正负关联规则。其中,创新性的利用了非频繁项集来挖掘正负关联规则。在一个医学文本数据集上的实验结果表明,提出的方法能够有效挖掘出正负关联规则,且能够大大降低项集和规则数量。     

一类Hash函数的注记

研究了一类Hash函数的Hash冲突问题.利用数论中关于整除的相关定理,完整地给出了一类Hash函数已经解决了Hash冲突的理论证明,为该函数的应用提供了可靠的理论基础.算例演示结果表明了该类Hash函数在寻找频繁项目集时的方便性和有效性.     

基于通讯行为轮廓挖掘条件非频繁行为的方法

条件非频繁行为是指带有属性值的频数较低事件轨迹所记录的行为。从记录的事件日志中挖掘条件非频繁行为是业务过程优化的主要内容之一。已有的方法删除低频次行为,较少考虑模块网间数据流角度下的条件非频繁行为。基于此,文中提出了基于通讯行为轮廓挖掘条件非频繁行为的方法。以模块网间的通讯行为轮廓理论为基础,首先,通过给定的业务过程源模型查找其可执行事件日志,并且找出频数较低的事件轨迹,添加相关属性及属性值,即可得到条件非频繁轨迹；其次,通过计算不同模块网间通讯特征的条件依赖数值,确定条件不频繁轨迹是否删除或保留,从而得到优化事件日志,进而挖掘出优化通讯模型；最后,通过仿真实验验证了该方法的可行性。     

基于MapReduce的频繁项目集挖掘算法在煤炭销售系统中的研究

煤炭系统中,往往希望分析不同煤炭产品购买之间的关联规则,并通过一定的关联性推荐煤炭商品,有助于购买者购买并取得更高的销售量。发掘频繁项目集是关联规则中经常用到的关键技术。随着煤炭系统数据库中信息的增多,原有的频繁项目集挖掘算法无法快速高效地完成频繁项目的挖掘。针对海量数据信息频繁项目集挖掘问题,提出了分布式频繁项目集挖掘算法,该算法是基于MapReduce分布式计算框架,能够高效地完成数据库中的频繁项目挖掘工作。通过实验结果证明该算法具有很高的效率及可扩展性。     

Indium-doped ZnO nanowires with infrequent growth orientation,rough surfaces and low-density surface traps

Indium-doped ZnO nanowires have been prepared by vapor transport deposition. With increasing In content, the growth orientation of the nanowires switches from [101_0] to infrequent [022_3] and the surface becomes rough. No surface-related exciton emission is observed in these nanowires. The results indicate that large surface-to-volume ratio, high free electron concentration, and low density of surface traps can be achieved simultaneously in ZnO nanowires via In doping. These unique properties make In-doped ZnO nanowire a potential material for photocatalysis application, which is demonstrated by the enhanced photocatalytic degradation of Rhodamine B.