数据挖掘算法并行化研究

<正>数据挖掘的目标是从海量的数据中抽取出模式,找出数据变化的规律和数据之间的相互依存关系,使人们能够从宏观的高层次的角度来审视数据,充分发掘数据的潜力,指导人们的行为,为决策和科学     

基于JADE平台的多Agent协同数据挖掘研究

文章针对多Agent协同数据挖掘问题进行了有关理论研究,提出了基于JADE平台的可扩展、适应性强、高效的三层多Agent并行关联规则挖掘方案,介绍了实现的关键技术,最后给出一个在UCI大规模数据集上进行并行分布式数据挖掘的应用实例.     

单维关联规则快速Apriori算法研究

文章通过Apriori和Apriori Tid算法结合生成局部频繁项集，改进了Apriori算法运行速度过慢的问题．再通过程序优化进一步提高了算法运行速度．得到了快速Apriori算法。     

基于Web Service技术分布式并行数据挖掘的研究与实现

主要介绍基于Web Service技术的一个数据挖掘系统,在一个关联规则挖掘的并行算法—CD算法的基础上,结合一种基于动态数据集划分的并行关联规则挖掘算法,利用动态方式分配数据量,使每个处理器获得相同多的数据集,解决在网络中大量分散的数据因通信等问题而引起的负载平衡,从而提高了数据挖掘效率。     

基于数据挖掘的电网故障关联性分析与研究

将数据挖掘技术中的关联规则应用到电网故障分析中,从故障数据中发现分类属性与决策属性间的频繁模式、相关性或因果关系,以便从宏观上把握电网故障元素间的关联特性.讨论了关联规则应用于电网故障分析的体系结构及实现的具体步骤,重点对电网故障关联性分析中的频繁项挖掘算法进行了研究,对传统的Apriori算法进行了改进,提出了一种高效的基于数组的类频繁项集挖掘算法.     

关于数据挖掘技术与关联规则挖掘算法的研究

随着计算机技术和网络通信技术的不断发展,数据信息逐渐成为当前社会各行各业发展的关键。当今社会人们对计算机应用提出了更高要求,如今人们慢慢的意识到关系数据库有很多缺点和限制,这种问题又推动了数据库在更深领域上的研究。     

频繁项集快速挖掘及更新算法

为了克服Apriori发现频繁项集存在的问题,提出了一种基于三维项集矩阵和向量(TIMV)的频繁项集挖掘算法.该算法摆脱了Apriori框架的束缚,仅需扫描数据库一次,不产生候选项目集.当事务数据库和最小支持度发生变化时,该算法只需重新遍历一次项集矩阵,即可得到新的频繁项集.实验结果表明,算法能有效提高频繁项目集的挖掘和更新效率.     

数据挖掘专利综述

尽管科学研究专利是反映科学研究成果的一个重要方面，专利申请本身是一项重要的科学研究工作，但是长期以来，专利所包含的科学研究成果在文献中却没有得到充分的反映．由此，对著名的美国专利和商标委员会数据库(US PATENT ＆ TRADEMARK OFFICE DATABASE)中数据挖掘专利的授权情况进行了分析．对于专利授权比较集中的领域一关联规则、互联网挖掘、聚类算法和并行数据挖掘等方面中的代表性专利进行了总结和分析．最后，指出了当前数据挖掘专利的一些空白领域．     

数据挖掘算法研究

数据挖掘技术是一个不断发现知识的过程。阐述了目前三种流行的数据挖掘算法的理论模型及算法思想,并从算法时间复杂度、依赖条件和误差估计等方面进行了比较分析,说明了不同算法的优势和不足。指出了不同算法的应用前景,提出了一种将不同算法结合以减少误差率,提高算法效率的思路。     

关联规则的挖掘

数据挖掘是在数据库中对数据进行一定的处理 ,获得其中隐含的 ,事先未知的 ,却又可能极为有用的信息。介绍了数据挖掘的概念和技术 ,应用Apriori算法进行关联规则的挖掘 ,应用于实例中 ,取得了良好的结果。     

关联规则挖掘算法

关联规则挖掘是数据挖掘和知识发现中的一个重要问题．自提出以来得到了广泛的研究。目前关联规则挖掘算法可以分为广度优先算法和深度优先算法两大类，每类都有经典高效的算法提出。但是．这些算法大都是从其自身的角度来描述的，缺乏系统的分类和比较。文章从关联规则挖掘的形式化定义出发，给出频集挖掘的解空间，对两大类算法中的几种经典算法进行了概述，并分析了它们的优缺点。     

数据挖掘在智能答疑模型中的应用

数据挖掘技术是近年来随着数据库技术和人工智能技术的发展而出现的全新信息技术。在分析智能答疑系统设计中存在的主要的技术问题后，我们利用数据挖掘的相应知识，提出一种基于关联规则挖掘和知识树规则合并与删除机制的智能答疑模型。     

基于粗集和多Agent技术的分布式数据挖掘

在分布式数据库基础上,对各个站点的数据库使用粗集的方法进行挖掘,产生各个站点的规则,将这些规则库组合起来,产生一个全局的规则库,从而可以为管理者提供决策的依据.但是,产生的全局库中往往会有不一致的规则出现,一方面,是由于数据库本身的不一致等原因,导致了规则的不一致;而另一方面,则由于各个站点都追求规则的简洁性,使得直接从全局数据提取的规则不矛盾,在分布式环境下却得到矛盾的规则.对于第一种情况,可以通过现有的增加规则的可信度等方法加以避免;而对于第二种情况,本文提出了三种算法来解决了这个问题,并对这三种算法的效率、得到的一致规则的长度等问题进行详细的分析,说明了算法3是一种高效实用的算法.另外,本文对局部站点的核和全局站点的核的关系进行了研究,并证明了一个定理.     

数据挖掘中新的并行算法

对已提出的挖掘关联规则的并行算法进行了较全面的总结 ,对他们的性能进行了分析 ,针对这些算法中的问题。提出了一种新的挖掘关联规则的并行算法 ,并对他的性能作了简要分析 ,给出了优化策略。     

关联规则挖掘技术在Web预取中的应用

随着WWW上信息的爆炸性的增长，在如此大量的数据中发现有用的信息变得困难。因此，采用数据挖掘技术从WWW上提取出有价值的知识，提高WWW的服务效率，是具有十分重要的现实意义和广泛的应用前景。本文提出了一种利用关联规则解决网络拥塞问题的方法，即通过对服务器上的日志进行挖掘，得到用户访问序列的关联规则．根据这些规则和用户目前访问网页，把用户后继最有可能访问的网页预先发送给用户，来提高用户浏览速度。     

基于数据挖掘的入侵检测技术及其在企业网中的应用

山花地毯管理信息系统是一个多个实体相互协作，支持业务员共同完成任务的系统。协同工作系统中的订单信息、入库信息等重要数据都需要服务器数据库的中转与支持，数据库的安全性是整个系统安全中的重要一环。因此，针对企业数据库特点和网络拓扑结构建立一个基于数据挖掘的分布式入侵检测系统，该系统应用关联规则、序列分析算法进行数据挖掘，并且对可疑数据进行二次挖掘，进一步提高规则库的涵盖面和准确度，降低漏报率和误报率。改善入侵检测系统的整体性能，保证协同工作时数据库的安全性。     

基于关联规则的数据挖掘技术研究与展望

本文描述了数据挖掘的过程,对关联规则挖掘的核心算法及常用的优化方法进行了研究,最后通过一个例子介绍了关联规则分析在数据挖掘中的应用,并展望了数据挖掘的发展趋势及热点研究.