基于事务压缩的频繁项集挖掘和更新算法

频繁项集挖掘是挖掘关联规则的关键。为了得到用户感兴趣的关联规则，要不断调整最小支持度，这必将引起频繁项集的更新。基于事务压缩思想，提出一种挖掘和更新算法，挖掘频繁项集时扫描压缩的数据库，更新时能减少新产生的k-项集的数量，从而加快了更新速度。     

基于多支持度的增量式关联规则挖掘算法

传统的基于关联规则的挖掘算法采用的是统一的最小支持度,但是在实际的事务数据库中数据项的重要性是不同的。针对目前多支持度和增量式关联规则更新维护的局限性,提出一种基于多支持度的增量式关联规则挖掘算法。允许用户根据不同项的重要性设置权值,有利于发现更多有趣的规则。采用矩阵的向量内积策略,结合动态剪枝,无需多次扫描事务数据库,不生成庞大候选集。实验结果验证了算法的有效性。更多还原     

基于相关性度量的关联规则挖掘

传统的关联规则挖掘方法容易生成一些无用规则,甚至生成误导规则,也不能区分正负关联规则.通过相关性度量,建立了基于相关性度量的兴趣度模型,并利用兴趣度模型改进了关联规则算法,最后,通过实例验证了此算法不仅能够避免生成无用规则和误导规则,还能生成一些感兴趣的负关联规则.     

数据开采中基于用户需求的关联模型

提出一个基于用户需求的关联模型，引入了相关度的概念，给出了启发式查找与相联规则的ＮＥＡ抽取算法，有效的解决数据开采关联模型中查找规则的盲目性和冗余性，并使重要的信息不被丢失．     

基于改进兴趣度度量与Apriori算法的交通事故多发点成因分析

人、车、路、环境和交通管理构成了道路交通系统，造成道路交通事故的原因是综合、复杂的。正确快速地分析事故成因，有助于提升交通管理水平，减少交通事故的发生。近年来，关联规则模型及其扩展在事故多发点成因分析中备受关注。针对关联规则分析中传统的兴趣度度量方法和Apriori算法的局限，考虑小概率因子对交通事故的影响，提出了改进的交通事故多发点成因分析方法，明确评价因素和结果之间的关联程度，提高挖掘效率。基于浙江省某市交通事故数据，结合人、车、环境与时空因素对方法进行了验证，并对方法的分析效率和结果的有效性进行了讨论。     

基于关系数据库的关联规则挖掘算法DB-growth

从大数据中挖掘隐藏的、多维的有价值的关联规则具有广泛的应用价值。关联规则挖掘经典算法Apriori存在重复扫描数据库并产生大量候选项集的瓶颈问题,FP-growth算法虽不产生候选集,但FP-tree不支持大数据的存储与遍历,不能有效支持大数据挖掘;另外,Apriori以及FP-growth算法实施增量挖掘都需要重构关联规则,不适用于增长型事务数据挖掘。针对这些问题,设计基于关系数据库表SourceIndex的DB-growth算法,采用模式组合生成模式串的方式,更新数据库构建频繁集,有效地提高了关联规则的挖掘效率,同时对增量挖掘及深度挖掘也能得到较好的支持。更多还原     

学生日常行为模式挖掘及差异性分析

针对学生日常行为与学业成绩关系问题展开研究.面向反映学生日常行为的手机上下文数据,提出了一种基于关联规则的行为模式挖掘及差异性计算方法.其特点是使用语义化处理方法将数值型数据转换成具有语义信息的数据,采用Apriori算法挖掘关联规则,通过定量计算特征关联规则集合之间的非相似性系数,区分出不同类型学生行为模式之间的差异,进而得出学生日常行为与学业成绩之间的关系和影响,并在公开数据集上对该方法的有效性进行了实验验证.     

基于数据挖掘的入侵检测系统框架

提出了基于分布式数据挖掘的入侵检测系统框架，详细讨论了该系统的实现方案、模块结构和关键技术，最后给出了系统训练和评价方法。该系统以基于关联规则方法的分布式数据挖掘技术为核心，从而实现了规则库的自动生成和更新，并能有效检测大规模协同攻击。     

基于关联规则遥感影像的分类研究——以渭库绿洲为例

对遥感影像的计算机图像处理与识别技术是现阶段遥感技术研究的热点内容,本文对新疆渭干–库车河流域不同分辨率的全色影像与多光谱影像融合并构建多源空间数据库,再通过与面向对象分类法相结合,进行图像分割、特征提取后将结果取值输入Matlab软件,编制相应的算法程序,构建关联规则分类器,探索分类规则并进行遥感影像的分类.同样基于Matlab软件平台,根据最大似然分类算法对同一研究区影像进行分类,并对分类结果进行精度检验.结果表明:相较传统分类方法,关联规则方法拓宽了传统逻辑推理分类方法中获取信息的途径,使分类更加智能化,提高并增强了影像分类速度与算法可靠性,分类精度得到显著提高,Kapp系数为0.83.因此,关联规则方法更适用于影像分类,可以作为研究区有效信息提取的支持手段.     

关联规则在网络异常检测中的应用

异常检测在网络安全中已成为一个重要的课题,异常检测是入侵检测(IDS)的一种,它对网络及用户正常行为的特征进行描述,并通过对正常网络行为的偏差的比较来实现入侵检测.关联规则是一种典型的数据挖掘方法,可以用来描述事物之间在特定条件下存在的某种强度的联系.通过对网络数据进行采集并利用关联规则数据挖掘的方法描述网络特性,建立了一个有效的网络异常检测系统模型,获得了较好的效果.     

赋权拟阵的最小基图

本文引入赋权拟阵最小基图的概念．它是最小树图概念的自然推广．证明了它是另一拟阵的基图从而具有很多好的性质如泛圈性、连通度等于最小度．此外，还将另一些赋权图的结果推广到赋权拟阵．     

二元均匀分布的识别性

本文分别讨论了单参数二元均匀分布的识别性、双参数二元均匀分布的识别性、叁参数二元均匀分布的识别性, 对于单参数二元均匀分布,已知最小值的分布时, 则参数可识别; 对于双参数二元均匀分布, 已知可识最小值的分布密度时, 则参数可识别; 对于叁参数二元均匀分布, 已知可识最小值的分布密度时, 所有参数皆不可识别.     

二元帕累托分布的识别性及参数估计

讨论了二元帕累托分布的识别性及参数估计, 当只有最小值的分布已知时, 那么只有一个参数可识别, 当可识最小值的分布已知时, 那么所有参数皆可识别, 并由此得到了所有参数的最大似然估计.     

路和路的笛卡尔积的最小和最大定向强半径和强直径

强有向图D中任意两个点乱,W的强距离sd（u,V）定义为D中包含u和v的最小有向强子图Duv的大小（弧的数目）．D中一点u的强离心率se（u）定义为u到其他顶点的强距离的最大值．强有向图D的强半径srad（D）（相应的强直径sdiam（D））定义为D中所有顶点强离心率的最小值（相应的最大值）．无向图G的最小定向强半径sraG（G）（相应的最大定向强半径SRAD（G））定义为D中所有强定向的强半径的最小值（相应的最大值）．无向图G的最小定向强直径sdiam（G）（相应的最大定向强直径SDIAM（G））定义为D中所有强定向的强直径的最小值（相应的最大值）．本文确定了路和路的笛卡尔积的最小定向强半径srad（Pm×Pn）和强直径的值sdiam（Pm×Pn）,给出了最大定向强半径sRAD（Pm×Rn）的界并提出关于最大定向强直径SDIAM（Pm×Pn）的一个猜想．     

约束Steiner最小树问题

本文首先提出一个约束Steiner最小树问题。设欧氏平面上直线L的一侧有n个点, 记点集为N,现要在L上找一点P,使关于N∪{P}的Steiner树长度最小。文章解决了n=2及n=3的情形。     

M(o)bius梯子的L(d,1)-标号

对给定的正整数d,图G的L(d,1)-标号是从V(G)到非负整数的函数,且满足:任意两个相邻顶点的标号差至少为d,而且距离为2的任两个顶点的标号至少为1.L(d,1)-标号的跨度是标号差的最大值.G的L(d,1)-标号数是G的所有L(d,1)-标号的最小跨度.本文完全给出了M(o)bius梯子的L(d,1)-标号数.     

Möbius梯子的L（d,1）-标号

对给定的正整数d,图G的L（d,1）-标号是从V（G）到非负整数的函数,且满足：任意两个相邻顶点的标号差至少为d,而且距离为2的任两个顶点的标号至少为1.L（d,1）-标号的跨度是标号差的最大值.G的L（d,1）-标号数是G的所有L（d,1）-标号的最小跨度.本文完全给出了M bius梯子的L（d,1）-标号数.     

社会网络中影响集选择的一个近似算法

在研究社会网络影响集的选择问题中,目标是选取网络G中的一个最小点集S,使得V（G）-S中的每个点都至少有一半邻点在S中.本文给出一个α（△＋1）/δ＋1-近似算法,其中δ和△分别表示图G的最小度和最大度,α是局部独立数,它指示着图G的局部区域中最多含有的独立点的个数.