一种基于模糊逻辑的数据关联规则挖掘方法

分析了模糊逻辑规则的形成过程，介绍了模糊推理方法，提出了基于模糊规则化的数据挖掘方法。由分析可以看出，基于模糊逻辑规则的方法能从大量的数据集合中有效地发现有价值但不明显的信息并挖掘出有价值的信息。在实际系统中有着一定的意义。     

基于粒的二进制运算的关联规则提取方法

讨论了信息粒及其实例。建立了粒与二进制数的对应关系。定义了粒计算与二进制数计算的相似性和互换性，因此用粒计算方法作决策被转换为用二进制计算方法来提取关联规则。这样不仅是速度快，而且效率高。     

一种基于Hash_tree的产生关联规则的方法

介绍了一种基于Hash-tree的产生关联规则的方法。在此方法中通过在候选集排序和在获得项集出现次数的时候采用了Hash-tree的方法大大提高了算法实现的速度，并在实际应用中也取得了很好的效果。     

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.     

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     

基于散列技术的高效剪枝关联规则挖掘算法

该算法结合项集的有序特性有效压缩了频繁项集的数量,提高了算法效率,但是频繁2-项集的产生仍需要占用大量的存储空间,本文利用散列函数对候选频繁2-项集进行剪枝,这样频繁集的数目大大减少,不仅节省了存储空间、减少了计算开销,而且又保持了频繁项集的完整性。     

基于关联规则和技术功效矩阵的企业技术创新机会发现和辅助决策方法

为助力科技型创新企业准确且快速地从外部捕获创新技术机会, 提出一种企业技术机会发现和辅助决策方法. 首先, 挖掘领域内的技术热点、技术重点和有潜力的技术作为领域技术创新机会. 然后, 通过关联规则分析领域技术机会和企业已有技术之间的相关性, 进一步结合技术掌握度和新颖度, 识别更适合企业的技术创新机会. 最后, 创新性地采用Sen-BERT语言模型和K-means聚类方法构建技术功效矩阵, 辅助企业从功能需求的角度进行技术创新决策. 以电动汽车领域为例验证了该方法的可行性.     

基于规则方法的管理对象行为形式化描述

在OSI管理框架中,GDMO是一种广泛使用而又比较有效的管理对象建模技术,但缺乏对管理对象行为的精确描述.为此,本文提出一种基于规则的方法来完整、精确、无二义性地形式描述管理对象的行为.文章首先引入了面向对象的方法、管理对象、GDMO表示法,然后通过具体例子深入研究基于规则方法的管理对象行为的形式描述.研究结果表明,带有对象通信规则的概念可以与具有继承与包封性质的面向对象方法共存,同时能很容易把这种规则方法集成到GDMO模板表示法中去.     

基于语言规则的病症菌实体抽取

实体抽取在自然语言处理领域中已经相当成熟;随着电子医疗文本急剧增加,医疗实体抽取在医疗领域的应用越来越受到关注.然而,针对医疗领域的专业术语,通用实体抽取方法普遍存在准确率不高的问题.针对药品说明书中的疾病、症状和致病菌,本文采用语言规则的方法,对其进行抽取并评价其准确性.首先,根据已有的术语表分词、词性标注并进行实体抽取;其次,根据语言规则识别医疗实体,从而提高实体抽取的准确率.实验结果显示各类医疗实体抽取的准确率可达80%以上.     

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.     

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．     

基于模糊集值模糊集的近似推理

通过在单输入单输出（SISO）的近似推理方案（ARS）中，用模糊产生式规则表示知识，以模糊集值模糊集刻划模糊产生式规则中出现的模糊状态，提出了一个基于模糊集值模糊集的近似推理框架，从而使单输入单输出的近似推理方案（ARSFSISO）的推理能力得以增强。     

基于模糊λ-映射的群的模糊同态

利用新定义的模糊λ—映射对群的模糊同态进行了研究，建立在模糊λ—映射基础上的群的模糊—λ同态，较好地推广了经典群的同态理论，并得到群的模糊—λ同态基本定理。     

基于数据挖掘的复合聚类法

基于数据挖掘的方法,设计和实现了两种复合聚类的算法,并对图像特征库按此算法建立了索引结构,形成了图像的索引库,通过实验,结果显示聚类方法具有很大的应用潜力.     

基于K-means算法的学生试卷成绩分析

目前在教学管理中,通常采用算术平均线性划分法对学生成绩进行分析评价,难以准确地反映学生真实的学习情况.笔者运用K-means算法对上海市某高级中学某班的一次试卷成绩进行聚类,并对聚类结果进行了详细分析,为制定有效的教学及学习策略提供相关依据.     

基于模糊理论的汽轮机故障诊断

针对汽轮发电机组的单一故障诊断的局限性,对现有的故障进行分析和比较.根据振动信号的基本原理,应用了综合模糊诊断的方法对汽轮机的六种常见故障进行诊断.首先由不同故障在不同特征倍频的比例关系得到故障的模糊矩阵,分段对故障振动信号求隶属度,再与故障的模糊矩阵相乘即可求出各故障的隶属度,并用Minkowski距离公式计算隶属度距离大小,来判断诊断的准确性;最后提出模糊诊断的前景及存在的问题.     

基于粗集理论的MIB变量开采

利用粗集理论对大量的MIB（Manager information base)变量进行数据挖掘,找出反映网络故障现象的MIB变量组及其逻辑组合关系,通过对网络故障采集的MIB变量离散化,运用粗集方法去处错误和不必要的数据,提取表现故障现象的规则,并将规则用于设计计算机网络故障诊断程序,给出了具体的分析过程和算法的实现步骤。