外关联规则挖掘

根据项集内项的关联性,现有关联规则挖掘算法可分为正关联规则挖掘和负关联规则挖掘两大类,它们反映的是项集内频繁项之间的关联性。通过对实际数据集的分析发现,一个项集可以划分成若干子项集,子项集内的项有较高的相关性,而不同的子项集相关性则较低,这意味着每个子项集与其外部的一个潜在因子间存在着关联,由此本文提出了外关联规则的概念,并基于因子分析和主成分分析方法,提出了外关联规则挖掘算法(FAAR),从而将项集内的关联规则挖掘外推到子项集和潜在因子集之间的外关联规则挖掘,扩展和丰富了关联规则挖掘的应用,在此基础上还可进一步发现它所蕴涵的正、负关联规则。     

应用聚类分析对关联规则进行分组

关联规则是要从大量的数据中找到数据之间的规律，但有时所产生的规律十分繁多，从而形成新的知识管理问题。针对该问题本文提出了一个新的算法，该算法利用系统聚类分析方法对规则进行分组，从而可更好地帮助用户解所发现的规律，该方法的距离（RatioD）是基于关联规则本身，因此，可对规则进行高效地分组。实验结果表明，该算法是有效的。     

WEB访问信息挖掘中的关联规则发现算法的研究

本文采用了一种快速算法Aprioti，将传统数据挖掘技术中的关联规则发现技术引入web数据挖掘，并针对在Web应用的特点进行了改进，有效地提高了求高频站点集的效率。     

一种新的空间多维关联规则模型与算法

空间对象具有自相关、连续性、多尺度等特点,导致空间关联规则挖掘与传统的统计关联规则挖掘不同,不存在统计的“事务”,挖掘更加复杂。本文用基于空间相关的影响域来创建“空间事务”,以代替传统关联规则挖掘中的事务,建立了一种新的应用于挖掘空间多维数据的空间多维关联规则模型(Spatial multidimensional association rules model,SMARM)。设计并实现了一种新的挖掘算法SMARBIA,用基于影响域、空间支持度等剪枝技巧,克服了空间多维关联规则挖掘过程中候选项目集庞大的困难。实验表明,该算法能有效地减少候选项目集而获得较好的性能。     

基于模糊ISODATA*的关联规则聚类算法

在对模糊ISODATA算法分析的基础上,提出了一种适用于关联规则聚类ISODATA^*算法。本文首先分析了距离聚类的不足,然后结合关联规则的表示形式,提出了基于属性权重实现规则聚类的思想,并给出了相应的实现算法。最后采用国际上的UCI数据库进行了实验。实验表明该算法能有效地对关联规则进行聚类。     

遗传算法在多维多层关联规则挖掘中的应用

关联规则生成是数据挖掘技术中一个非常重要的研究领域,自1993年提出经典频集算法后,出现了很多以此为基础进行了改进的算法,但都存在着明显的缺陷．文章中根据遗传算法的基本思想以及关联规则挖掘的有关理论构造了一种生成多维多层关联规则的遗传算法,在一定程度上克服了经典频集算法的不足之处,提高了生成关联规则的有效性．     

一种改进的隐私保护关联规则挖掘算法

部分隐藏的随机化回答方法是基于关联规则数据挖掘的隐私保护算法,针对该算法在重构频繁项集支持度上的指数级时间复杂度导致算法执行效率下降的不足,采用分治策略和集合运算方法对该算法进行改进,消除重构数据的指数级运算。改进算法降低了算法的时间复杂度并有效提高了执行效率。仿真实验与分析表明了改进算法的有效性。     

多时间序列关联规则分析的论坛舆情趋势预测

为了预测论坛舆情及其动态演变趋势,基于多时间序列的关联分析,集中分析了论坛中3个量的时间序列之间的关联规则:活跃者之间的关系强度的时间序列、坚定支持者人数的时间序列以及坚定支持者成员的变化频度的时间序列。然后给出了一种新的基于多时间序列关联分析的论坛舆情预测算法(Forum sentiment trend prediction based on multi time series association rule analysis,TPMTSA),并在真实数据集和拟合数据集上进行了大量的实验。结果表明:TPMTSA算法具有有效性和较高的运行效率。研究结果可用于论坛舆情预警监控。     

面向大数据的数据处理与分析算法综述

大数据处理是近年来广受关注和研究的技术领域,数据挖掘作为从大量数据中挖掘隐藏价值信息的技术,是处理大数据的有效工具。本文主要从数据挖掘的角度对大数据处理算法的研究现状进行分类总结。首先介绍了大数据中针对流式数据分类的方法,包括单模型算法和集成分类算法;其次分别从单机算法和基于分布式并行平台的多机算法两个角度概括介绍了大数据聚类方法以及大数据关联规则挖掘方法;最后总结了现有面向大数据的数据挖掘算法的研究进展并展望未来的发展趋势。     

基于格式塔完形规则的闭合轮廓提取方法

针对传统基于格式塔完形规则的轮廓提取易受到背景上边缘影响,导致轮廓提取的准确率低问题,提出一种新的基于格式塔完形规则的闭合轮廓提取方法。首先,为减少边缘提取过程中提取的背景边缘,给出了融入显著性约束的Canny边缘检测方法,即在Canny边缘提取的框架中,融入显著性约束;接着,针对Canny边缘检测方法检测到的边缘易受噪声影响问题,提出一种融入边缘信息的折线逼近边缘拟合算法;然后,采用格式塔完形规则中的闭合性对拟合边缘进行度量,得到边缘之间的闭合关系;最后,通过分析边缘间的闭合关系与区域的显著性,设计了一个边缘闭合的代价函数,并利用最小权值最优匹配算法求解代价函数,得到最终的闭合轮廓。实验结果表明,该算法提高了轮廓提取的有效性和准确性。     

实时数据库的主动机制研究与实现

主动机制是实时数据库管理系统（ＤＢＭＳ）的一个重要功能。在主动机制的基础上，实时ＤＢＭＳ能够根据数据库中某些数据及环境的变化，主动地作出一定的反应，执行预先设计的动作，而不仅仅是被动地执行用户的命令。文中主要介绍一个实时ＤＢＭＳ的主动子系统，采用事件－条件－动作的规则来实现其主动功能；讨论了规则的表示和存储结构，规则子系统的系统结构及与ＤＢＭＳ的联系；并详细介绍了条件评价器、规则检索优化、规则冲突     

基于广义正交域的一种动载荷识别方法研究

提出广义正交多项式理论，并且基于这一正交域研究线性动力学系统输入输出时域卷积关系变换到广义正交域的线性算子。数值仿真及试验考核表明该方法适用于各种类型的确定性动载荷识别问题，具有良好的识别精度和抗噪声干扰能力，尤其对于短样本冲击载荷的识别更具有独特的优势。该方法在实际工程结构应用时，具有试验成本小，易于实现等特点，是一种十分值得推广的动载荷识别新方法。     

一种基于粗糙集理论的粗糙神经网络构造方法

提出在BP神经网络中使用粗糙集理论网络的设计，由于粗糙集理论有强大的数值分析能力,而BP神经网络具有准确的逼近收敛能力和较高的精度，所以通过两者的结合，可以得到一种可理解性好，计算简单，收敛速度快的神经网络模型，这种神经网络的算法的主要过程为：首先利用粗糙集能力去发现给定数据集的一些规则，然后根据这些规则构造神经网络稳含层的神经元个数，最后用BP算法迭代求了网络的各种参数，完成网络的设计，本文最后给出了一个三维非线性函数的实例进一步验证了网络的正确性。     

中介粗集及其在数据挖掘中的应用

粗集理论已成功应用于数据挖掘，如基于粗集方法的属性发现和决策规则的约简等。中介集合论是以中介逻辑为基础，也可以用于数据挖掘。文中将两者相结合，提出了中介粗集的概念。中介粗集是普通粗集的推广，为不完全信息系统的数据挖掘提供了新的工具，不仅可用于一般的信息系统，还适用于数据取空值的信息系统（允许结论取空值）。利用中介粗集进行数据挖掘不但可以得出粗集理论中的约简，还能得到更为简洁的中介约简。文中还给出了     

广义循环矩阵的特征值、逆、行列式值及在结构计算中的应用

给出求解广义循环矩阵的特征值、逆、行列式值及方程组的一种新的分解算法。它将原问题分解为一系列相互独立的子问题。和原问题相比，子问题具有较小的维数，因此它具有更好的特性和更小的舍入误差。特别是，能够带来较高的计算效率。数值算例和在结构计算中的应用表明算法是适用的。