改进的Apriori数据挖掘算法的应用

Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的基本算法.针对防区外联合攻击武器系统在仿真过程中产生的大量数据,利用Apriori算法对仿真结果进行分析,得出一些有参考价值的规则,实现了关联规则挖掘在军用系统仿真中的应用.并对Apriori算法存在的问题进行了一些改进,用新的修剪策略,提高了算法的效率;增加独立性检验,进一步保证了关联规则的正确性.     

改进关联规则挖掘算法航空发动机故障检测

通过对航空发动机机载数据结构以及几种常用的航空发动机故障检测方法的深入分析,提出采用关联规则挖掘来实现航空发动机故障检测.针对常用的关联规则挖掘算法——Apriori在应对数据量较大的数据库时存在效率瓶颈的问题,对该算法进行了改进.改进后的算法可以不断降低数据库规模和候选项集的数量.通过对航空发动机实际试车数据的挖掘实...     

基于规则前后部约束的关联规则挖掘算法

目前,基于项约束的关联规则挖掘算法,未考虑用户感兴趣的规则前后部项集,常常包含了大量冗余无价值的关联规则。针对此问题,提出了一种基于规则前后部约束的关联规则挖掘算法AR_FR。该算法根据用户需求,构造指定关联规则的前后部项集,得出针对用户需求的频繁项集和关联规则,并与具有代表性的项约束关联规则挖掘算法Recorder进行了对比实验,结果表明AR_FR算法具有更高的挖掘效率,算法执行时间也有所降低。     

关联规则挖掘算法的改进和实现

关联规则挖掘算法作为数据挖掘的重要算法,非常适合于发现数据表中数据项之间的关联关系、潜在规律和知识.分析了传统关联规则挖掘算法的不足,并从冗余规则和虚假规则两个方面改进了关联规则的挖掘算法.针对冗余规则提出了修改ap_genrules函数或采用"向下挖"两种方法;针对虚假规则引入"相关度"概念,弥补了仅仅依赖最小支持度和最小信任度的不足.最后对两种改进挖掘算法的运行状况进行了比较和分析.     

关联规则挖掘在发动机故障分析中的应用

大部分关联规则挖掘算法仅以出现频率作为阈值来产生关联规则,然而在发动机故障数据分析领域,很多关键故障的出现机率较低,采用传统的挖掘算法无法适应航空发动机故障分析的需要.提出一种新算法,称为权重式多重支持度关联规则挖掘算法,此算法可针对不同重要度的故障定出不同的支持度阈值,由此产生的关联规则,可以解决高重要度但出现较少的故障不易被挖掘的问题.     

入侵检测中频繁模式的有效挖掘算法

在基于数据挖掘的入侵检测系统中,为了在海量审计记录中有效地提取出相关规则,需要通过利用与入侵检测相关的特定领域知识。首先对关联规则挖掘问题中的相关概念给出几个规范化定义,介绍了基本的关联规则和情节规则挖掘算法,然后结合审计记录的特点,考虑其轴属性和参照属性以及规则兴趣度,对基本挖掘算法中的候选项目集产生函数进行了改进。分析结果表明,利用规则兴趣度能够大大减小候选项目集的大小,有效提高频繁模式挖掘算法的效率。     

基于参考度的有效关联规则挖掘

针对当前关联规则挖掘采用的支持度-置信度框架在具体应用中存在的问题,引入新的指标--参考度对模型中关联规则挖掘算法评价体系进行改进.实验表明,通过引入参考度,能够提高挖掘有效规则的效率.     

基于Pocket PC的便携式故障诊断专家系统设计

提出了基于Pocket PC平台的故障诊断专家系统结构设计,阐述了Pocket PC、关系型数据库技术和数据挖掘技术在便携式故障诊断专家系统中的应用,讨论了产生式规则的二元化表示、基于关联规则Apriori算法的辅助知识获取、基于数据库的知识库构建和推理机简化设计,探索了故障诊断专家系统便携化、小型化应用的方法.     

监控视频运动目标的频繁轨迹模式挖掘

运用数据挖掘的方式分析运动轨迹数据在目前可以说是一种尝试。基于传统数据挖掘方法Apriori的思想,提出了一种监控视频运动目标的频繁轨迹模式挖掘算法。首先以特征点表示连续的运动目标轨迹,然后设计了一种轨迹相似度测量机制,最后基于相似度测量获得的轨迹段频率,将Apriori挖掘算法应用到2D运动轨迹数据,从中发现频繁轨迹隐含的一些感兴趣模式。实际的和人工生成的轨迹数据实验表明了算法的正确有效性。     

FIBER:基于频繁项目表的频繁模式挖掘方法

如何有效地实现频繁模式的挖掘一直是数据挖掘的一个关键问题。在文献 [2 ]中的数据结构FP -tree对原事务数据库进行压缩存储的基础上 ,本文提出频繁项目表的概念 ,实现了利用频繁项目表进行快速频繁模式挖掘的新方法。实验表明与经典的Apriori算法[1 ] 相比 ,该方法在性能上提高了一个数量级 ,同时也比文献 [2 ]中的FP -growth算法具有更好的可扩展性     

数据库中关联规则的并行/分布式采掘技术

高效的并行/分布式采掘方法是数据库中关联规则发现技术的重要的研究方向,首先给出了关联规则的并行/分布式采掘的相关描述,针对关联规则并行/分布式采掘的基本思想,分析算法中可以改进效能的环节,提出生成更少候选集、局部剪枝、减少通讯量和优化扫描等提高性能和降低复杂度的方法。     

高铁大风预警模式挖掘

高铁大风预警的传统方法基于风速预测,当瞬时值高于限速阈值时触发报警,存在大量的误报警,不必要的限速控制影响了高铁行车效率。创新地提出了基于序列模式的预警方法,旨在挖掘报警事件前序数据中的频繁模式,找出报警事件的变化规律,通过滤除与非预警序列共有的频繁模式,得到预警序列独有的序列特征,构建了预警模式库。经兰新高铁沿线的监测数据验证,该方法在提高预测准确率的基础上降低了漏报率,同时有效地减少了模式匹配所需的时间,为提前预警预留充分的时间窗口,更加符合实际应用的需求。     

数据挖掘与数据融合相结合的异类信息融合*

针对组网系统中的信息样式多、模糊性强等特点,介绍了分布式异类传感器组网系统及其特点,将数据挖掘中的知识发现理论与数据融合的知识应用理论相结合,建立了异类信息综合处理的集成模型。并提出了基于模糊神经网络的数据挖掘算法,增强了集成模型的自学习性能。模型有效地提高了异类传感器组网系统的智能化、自动化能力。     

模糊自适应PMHT机动目标跟踪算法

对目标机动的检测和准确跟踪,是目标跟踪研究中非常重要但难度较大的问题.将统计距离、统计距离增量作为系统方差的调整参量,采用模糊专家规则系统,提出了一种适用于机动目标的模糊自适应概率多假设跟踪(FA-PMHT)算法.该算法将数据关联寻优与运动模型寻优联合处理,从而实现了数据关联寻优、目标模型寻优一体化.仿真结果表明,所提算法与交互式多模型概率多假设跟踪(IMM-PMHT)算法相比在跟踪精度上有明显提高,并且满足实时性要求,证明该算法是有效的.     

大型商业性建筑安全疏散策略研究

近年来,大型商业性建筑火灾事故时有发生,造成了重大损失,火灾发生时如何提高人员的疏散效率是降低伤亡率的要素.通过对大型商业性建筑火灾危险性和疏散中存在的问题进行分析,结合实际从设置消防救援窗,严格划分防火分区,合理设置疏散楼梯和安全出口,制定安全疏散预案,加强消防安全培训,充分利用声光报警等方面论述了优化大型商业性建筑人员疏散效率的策略.     

基于技术规范视角的重庆大型商业建筑设计防火规范的制定

从技术规范的辩证视角出发,提出重庆《大型商业建筑设计防火规范》修订的全程性、综合性、辩证性及实践性原则。基于重庆市现有大型商业建筑营业面积、人员密度等数据,运用统计学工具,借鉴国内外标准,在保证防火安全性能的前提下,统筹考虑重庆大型商业建筑的地方特点,在人员密度、室内商业步行街设计及消防设施强化等方面,科学定量,适度超前,科学制定新防火设计规范,并给出了规范的主要内容。为建筑防火设计规范的制定和修订,提供了思路。