基于关联规则挖掘的一种改进Apriori算法

关联规则挖掘是数据挖掘技术的一个重要分支,其中Apriori是目前最经典和具有影响力的关联规则挖掘算法.在分析研究关联规则挖掘中Apriori算法的基础上,针对Apriori算法中的两个主要操作--连接和剪枝进行改进,通过扫描1-项集、去除分解子集操作及不生成候选项集等多种策略结合的方法来减少连接操作的数据项数和算法运行过程中对数据库扫描的次数,最终使改进后的Apriori算法的性能得到提高.     

关联规则发现技术中的Apriori算法及FP—树算法

在数据挖掘研究中，关联规则发现技术是一个重点研究方向。本文对关联规则发现的Apriori算法及FP－树算法进行了总结介绍，并讨论了它们之间的差异。     

数据挖掘中的关联规则在入侵检测系统中的应用

由于知识发现的快速发展,对海量数据分析和处理的技术、能力也日渐成熟。从1999年起,就开始了将数据挖掘技术和入侵检测系统结合的尝试。将数据挖掘引入入侵检测系统的原因是它能够从大量的数据中自动提取出特征和模型,自动维护模式或特征库。系统利用这些大量的特征和数据进行有效的分类,加快处理速度,提高准确度。文章针对网络安全当中的大量的入侵事件,结合数据挖掘中的关联规则的概念,建立特征库及其特征关联,通过审计处理来加强网络入侵检测系统的功能。     

基于支持向量机的航空发动机转静碰摩部位诊断规则提取

引入基于支持向量机(SVM)的数据挖掘技术,提出了基于SVM的转静碰摩部位诊断知识获取.首先,基于带机匣的航空发动机转子实验器,模拟了4个碰摩部位的碰摩实验,利用机匣4个部位的应变测试,获取了4个碰摩部位和4个测点的大量实验数据;然后提出了一种基于支持向量聚类(SVC)的诊断知识规则提取方法.在该方法中,利用SVC算法得到特征选取后样本的聚类分配矩阵,最后根据聚类分配矩阵构建超矩形规则.为使规则更加简洁,易于解释,采用规则合并、维数约简、区间延伸等方法对超矩形规则进行进一步简化.利用基于SVM的数据挖掘方法,从大量的碰摩部位实验数据中提取出了转静碰摩部位诊断的知识规则,并进行了相应解释和验证,规则识别率达到了99%以上,表明了该方法的正确有效性.      

基于特征的流场数据挖掘

将数据挖掘技术应用于流场分析,有可能挖掘出常规数值方法难以发现的复杂流动规律。流场数据与传统数据库数据不同,通常组织为不规则的空间离散点和单元。为建立流场数据挖掘的统一范式,提出了基于特征的流场数据挖掘流程,并设计了两类相应的数据模型组织方式:邻域时空盒模型和连接图模型。使用该框架,对特定Rayleigh-Benard对流现象的数值计算结果进行了关联规则分析。其中涡特征提取使用λ2准则,关联规则提取使用Apriori算法。实验挖掘到了一些非平凡的流场规则,证明了该方法的有效性。     

IBLE决策树算法在牙病案例诊断中的应用

尽管在数据挖掘中ID3算法占有非常重要的位置。但是,在应用中ID3算法存在不能够处理连续属性、计算信息增益时偏向于选取取值较多的属性等不足。为此,一种改进型决策树算法IBLE被提出,它主要是利用信息论中信道容量的概念作为对实体中选择重要特征的度量。用多个特征组合成规则的结点来判别实例,能够更有效地正确判别。将此算法应用于口腔疾病的诊断中,实验结果表明这种算法具有很强的识别能力,对牙病案例的诊断起到很好的辅助诊断作用。     

证据推理冲突问题研究

证据推理是一种重要的人工智能方法,广泛应用于数据融合、数据挖掘和智能决策。但 Dempster组合规则对于高冲突情况的处理不是十分合理的。首先研究了几种组合规则的改进方法和造成其缺陷的机理,给出一类组合规则的改进方法,基于有无先验给出两类算法。仿真结果表明新的证据推理组合规则在处理冲突方面的性能得到了明显的改进。     

基于多媒体数据挖掘的多通道检索技术

首先介绍多媒体数据挖掘的过程,接着分析了多媒体信息的多通道检索的体系结构和多通道检索流程图。针对多媒体信息内容的复杂性,文章的第四部分介绍了多媒体关联规则挖掘算法,对将其应用于多通道检索进行了初步探讨。     

基于改进CHC算法的模糊诊断规则优化方法研究

在故障诊断专家系统的自学习中,同时需要学习大量的模糊规则,造成规则优化算法的运行时间过长,难以满足实际的需要。为了解决这个问题,将特征片断优势重组算子引入CHC算法中,并将之应用到规则优化领域。仿真证明,改进的CHC算法在模糊诊断规则优化方面能以比较短的计算时间达到预期的优化效果,明显优于国内其它改进的遗传算法和CHC算法,具有比较大的实用价值。     

基于Apriori算法的数据挖掘技术在某型发动机飞参数据处理中的应用研究

针对飞参数据信息量大,单一趋势分析技术不能很好处理相关参数间关联问题,将基于Apriori算法的数据挖掘技术用于某型发动机飞参数据进行关联分析。在对典型故障原因进行分类基础上,形成布尔矩阵,经过兴趣度筛选,去掉不符合某型发动机使用需求的关联规则,找出5种典型故障因素之间的关联规则,并确定了各种发动机反常数值之间的因果关系,为某型发动机的故障分析和使用保障提供理论支持。