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。     

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.     

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。     

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...     

关联规则在消防接处警数据分析中的应用

阐述了关联规则及Apriori算法的基本概念、基本方法;运用关联规则Apriori算法,对某市2002年至2006年的消防接处警数据进行了初步关联规则挖掘,并给出了挖掘结果的简要说明,为数据挖掘在消防接处警数据分析方面作出了初步的探索。     

舰载主被动传感器数据关联算法

针对海战场密集目标情况下,传统方法在解决舰载主被动传感器数据关联问题中表现的不足,提出一种基于属性信息相似度检验的方法.通过分析雷达实体目标与辐射源在时间上可能出现的不同对应关系,给出相应的判决规则.仿真结果表明,新算法具有较高的关联精度和较低的漏关联概率.     

冲突证据组合中的模型修正新方法

针对经典DS组合规则在证据高度冲突情况下的失效问题,提出了一种改进的证据组合方法.通过引入证据间的距离函数获得证据之间的相似度和各个证据的支持度,并由此求得各个证据的归一化可信度.提出了一种改进的证据冲突检验方法,利用可信度加权平均证据对各个证据源进行冲突检验和修正,以消除证据之间的冲突.最后利用DS规则获得合成证据.数值算例表明,该算法能有效地融合高度冲突的证据,提高了证据组合结果的可靠性和合理性.     

基于FCM与粗糙集的连续数据知识挖掘方法

对连续数据知识挖掘可采用模糊C均值聚类将其离散化,再应用粗糙集进行约简.文中针对该过程中样本数据离散化后出现多个聚类中心隶属度值较接近的情况,提出了隶属度重叠度的方法来扩展对应离散类别的选取.离散类别确定后再应用粗糙集理论对其进行知识挖掘,可得到连续数据的本质特性.此方法应用于汽轮机轴系振动数据的知识挖掘.与采用最大隶属度确定对应类别的方法相比,该方法不影响对连续数据的知识挖掘,并能真实反映连续数据的特性.