FP-growth算法

摘要： 高校在长期的教学活动中积累了大量的课程数据,如何利用数据资源分析课程教学状况,为提高课程教学质量提供决策支持,具有重要的研究价值。本文设计实现了一个基于关联规则与聚类分析的课程评价体系,对课程评价系统进行了功能需求分析,并对课程评价数据进行预处理。采用FP-growth算法对学生课程成绩数据进行关联规则分析,采用K-means++算法进行聚类分析,提高了课程数据分析的精度,实现了课程评价的自动化,提高了效率和评价的客观性。

摘要： 以提升电力数据来源准确性以及电力业务工作效率、降低电力企业人工工作量为目标,优化设计面向集中核算应用改造的电力营销管理系统。利用SOA技术优化系统的接入层、服务层、组件层以及可操作性的系统资源层,为系统提供服务功能,形成SOA集成平台以及服务质量平台。将FP-growth算法应用于可操作性的系统资源层中,挖掘电力营销管理系统内相关数据关联规则,为系统提供数据支持。测试结果表明,将优化设计的电力营销管理系统应用于海南电网后,全省平均电费自动发行率高达98.8%,应用响应时间为85ms~120ms之间,有效降低核算员以及抄表员工作量。

摘要： 针对现有变电站智能告警系统中存在的问题,设计了一种基于关联分析算法(FP-growth)的智能告警信号系统,该系统中提出利用数据采集与监视控制系统进行数据采集、监测管理、测量、参数调节以及信号报警,FP-growth算法将数据进行分类、分等级,此系统中将告警信号分为3个等级:紧急告警、一般告警和提示告警,实现了变电站告警信号事件化。实验表明,该告警系统对故障检测在迭代次数为1469次时准确率高达100%,并且损失函数值低至4.37e~0.5。因此,该告警系统在将来的发展中有一定的应用价值。

摘要： 为提高运维人员面对换流站生成的海量事件顺序记录(sequence events recorder,SER)数据的分析能力,提出一种基于关联规则算法的换流站SER事件组挖掘方法。首先利用原始SER事件特征筛选,建立换流站SER事件多维模型;进而利用关联规则算法FP-Growth算法进行数据挖掘与分析,得到换流站典型事件的SER支持组与置信事件;最后基于SER支持组与置信事件分析SER事件集可靠性,方便换流站运维人员及时发现换流站的设备异常动作,减少人工盘查SER造成的事件漏看、错看的可能性。通过挖掘昆柳龙直流(direct current,DC)换流站调试期间SER事件集,表明所提出的方法可以有效地挖掘SER事件集的关联性,为运维人员及时发现SER事件缺失起参考作用。

摘要： 针对当前配电网串联补偿电容故障在线监测方法在故障特征点的提取过程中,对特征数据变化规律的挖掘力度较差,易造成角度特征识别与实际情况相差较大,导致补偿位置角度特征识别准确率较低的问题,提出基于FP-Growth算法的10 kV配电网串联补偿电容故障在线监测方法。根据10 kV配电网线路工况运行特征,识别10 kV配电网串联分路状态;利用FP-Growth算法拟合故障幅值包络曲线,对比故障曲线与正常曲线;根据曲线差异性,判断补偿电容故障位置,检验接收信号与故障位置特征参数的相关程度;得到有效采集数据,实现电容状态危险等级的监测。仿真试验结果表明,在不同的故障程度和道砟电阻条件下,角度特征识别准确率较高,判断结果更加可靠。

摘要： 海上目标状态呈现复杂多变的形势,须快速挖掘海上船舶的群组信息,以掌握海上目标态势。本文使用改进的FP-growth算法对海上船舶进行数据挖掘,使用基于时空分割的方法划分目标区域,挖掘频繁项集。首先清洗原始数据得到有效数据;其次使用线性插值方法处理船舶的轨迹方便后续计算;然后使用FP-growth算法,构建生成FP-tree;最后得到频繁项集,挖掘海上船舶群组信息。针对基于项集划分关联分析查找效率低的问题,本文使用基于Hash表拆分数据库和结点交换的方法挖掘频繁项集,在内存占用和时间消耗两方面比较算法的效率。使用AIS数据集进行验证,在给定的置信度和支持度下挖掘目标群组信息,验证改进算法的高效率。

摘要： 为提升铁路信号设备的故障处理效率,在对故障文本信息分析的基础上,提出一种基于关联规则的铁路信号设备故障诊断方法。由于故障文本信息存在不规范性和高维性,首先采用TF-IDF(Term Frequency and Inverted Document Frequency)算法提取故障文本信息中的故障特征,根据故障特征、故障类型、故障原因建立故障诊断模型。采用改进的FP-Growth(Frequent Pattern Growth)算法,通过权重定义项的支持度,依据频繁1-项集划分各项的数据库子库,并构造每项的条件FP-Tree,减少内存占用空间,提高运行速率,挖掘出具有维修指导意义的关联规则,进行故障诊断与维修决策。研究结果表明,本方法运行时间优于传统的FP-Growth算法,平均诊断准确率比案例推理算法和贝叶斯网络算法提高了10.35%和11.44%,可用于故障文本信息的潜在规律挖掘,简化故障诊断流程。

摘要： 随着移动医疗技术的发展,人们热衷于通过手机查询疾病信息。为了防患精神障碍疾病患者在常规用药过程中发生药品不良反应(Adverse DrugReaction,ADR),采用FP-Growth算法对ADR风险因素进行挖掘,设计一种基于Android平台的精神障碍患者用药不良反应预警的App。算法根据精神障碍患者ADR报告的最新数据,挖掘频繁出现的ADR-药品-用药人群组合,提取满足最小支持度和最小置信度阈值的强关联规则。根据强关联规则对用户输入的一系列用药信息进行预测判断,以移动可视化界面的形式反馈给用户,保障患者全过程安全用药。

摘要： 库岸边坡失稳灾害会对工程自身效益和周边生命财产安全造成巨大损失,而边坡运行监测资料记录了失稳灾害孕育的全过程信息。针对库岸边坡监测数据库的数据挖掘方法运行速度慢的问题,将FP-Growth关联规则算法引入到边坡安全监测数据挖掘中,通过FP-Growth关联规则算法开展边坡监测数据中的因果关联规则和空间关联规则挖掘工作,分别挖掘了边坡监测环境量和效应量之间的因果性、多测点效应量之间的关联性,从包含多测点多项目的边坡时空监测数据中提取了反映边坡运行性状的有效信息,并提供有效知识帮助。计算实例表明,FPGrowth关联规则算法实现过程简单,挖掘结果可靠,为类似库岸边坡的监测数据挖掘提供了一条良好的思路。

摘要： [目的/意义]对社交媒体平台用户使用社交媒体平台进行信息交流和交换的过程中产生的参与行为进行分析,测定用户对于不同舆情话题类别产生的参与行为强度,进而为用户的信息需求进行准确的定位,并为舆情事件爆发前提供更精准的用户参与行为预判。[方法/过程]对社交媒体平台用户参与行为的构成要素进行分析,采取滚雪球的抽样方式,获取了20名实验用户,根据选定的用户使用的社交媒体平台种类及数量,从用户使用的所有社交媒体平台中抽取热点事件,记录实验用户的参与行为,对用户的参与行为强度进行分析及测定,基于Fp-Growth算法对社交媒体平台用户的参与行为强度进行预判。[结果/结论]总体偏差率可以达到20%以下(含),对用户的参与行为强度具有较好的预判效果,可以提高社交媒体平台推荐服务的质量,并能实现舆情危机事件爆发前的精准引导与靶向导控。

摘要： 分析了社会安全事件的时空特性,为解决现有时空关联规则挖掘方法需要事先指定挖掘的时间区间问题,提出一种用时间标识代替时间属性值方法,提出了通过为事件属性项增加时间标识，用时间标识代替时间属性值的方法，在传统关联规则挖掘算法基础上，设计了基于非指定时间约束的FP-Growth算法，并在利用全球恐怖主义事件数据库数据得到了有效、可靠的结果。为社会安全事件的分析与预测、快速响应与防范提供可靠决策依据,并以全球恐怖主义事件数据库为数据源,对该方法的实用性进行了验证。

摘要： 分析了社会安全事件的时空特性,为解决现有时空关联规则挖掘方法需要事先指定挖掘的时间区间问题,提出一种用时间标识代替时间属性值方法,提出了通过为事件属性项增加时间标识，用时间标识代替时间属性值的方法，在传统关联规则挖掘算法基础上，设计了基于非指定时间约束的FP-Growth算法，并在利用全球恐怖主义事件数据库数据得到了有效、可靠的结果。为社会安全事件的分析与预测、快速响应与防范提供可靠决策依据,并以全球恐怖主义事件数据库为数据源,对该方法的实用性进行了验证。

摘要： 分析了社会安全事件的时空特性,为解决现有时空关联规则挖掘方法需要事先指定挖掘的时间区间问题,提出一种用时间标识代替时间属性值方法,提出了通过为事件属性项增加时间标识，用时间标识代替时间属性值的方法，在传统关联规则挖掘算法基础上，设计了基于非指定时间约束的FP-Growth算法，并在利用全球恐怖主义事件数据库数据得到了有效、可靠的结果。为社会安全事件的分析与预测、快速响应与防范提供可靠决策依据,并以全球恐怖主义事件数据库为数据源,对该方法的实用性进行了验证。

摘要： 分析了社会安全事件的时空特性,为解决现有时空关联规则挖掘方法需要事先指定挖掘的时间区间问题,提出一种用时间标识代替时间属性值方法,提出了通过为事件属性项增加时间标识，用时间标识代替时间属性值的方法，在传统关联规则挖掘算法基础上，设计了基于非指定时间约束的FP-Growth算法，并在利用全球恐怖主义事件数据库数据得到了有效、可靠的结果。为社会安全事件的分析与预测、快速响应与防范提供可靠决策依据,并以全球恐怖主义事件数据库为数据源,对该方法的实用性进行了验证。

摘要： 分析了社会安全事件的时空特性,为解决现有时空关联规则挖掘方法需要事先指定挖掘的时间区间问题,提出一种用时间标识代替时间属性值方法,提出了通过为事件属性项增加时间标识，用时间标识代替时间属性值的方法，在传统关联规则挖掘算法基础上，设计了基于非指定时间约束的FP-Growth算法，并在利用全球恐怖主义事件数据库数据得到了有效、可靠的结果。为社会安全事件的分析与预测、快速响应与防范提供可靠决策依据,并以全球恐怖主义事件数据库为数据源,对该方法的实用性进行了验证。

摘要： 关联规则挖掘算法致力于发现隐藏在海量数据中的有趣联系,被广泛应用在金融、生物、商业、医学等领域,FP-growth算法是其中的经典算法,只需扫描两遍数据库,可以压缩被搜索数据集的大小,能够适应不同长度的规则.rn 本文首先介绍了传统的FP一growth算法，并分析该算法应用于音乐数据挖掘的可行性，并改进了原始多维数据库，便于后续挖掘工作的进行，实验结果表明，FP一growth算法可用于音乐数据挖掘，并且在用户多维属性中也能进行有效挖掘，提高了用户对于音乐平台的黏性和兴趣度，有利于精准营销和减少音乐版权的浪费。同时也可进行用户不喜欢的音乐的数据挖掘，减少推荐音乐的无效性，这也是以后研究的一个方向。

摘要： 关联规则挖掘算法致力于发现隐藏在海量数据中的有趣联系,被广泛应用在金融、生物、商业、医学等领域,FP-growth算法是其中的经典算法,只需扫描两遍数据库,可以压缩被搜索数据集的大小,能够适应不同长度的规则.rn 本文首先介绍了传统的FP一growth算法，并分析该算法应用于音乐数据挖掘的可行性，并改进了原始多维数据库，便于后续挖掘工作的进行，实验结果表明，FP一growth算法可用于音乐数据挖掘，并且在用户多维属性中也能进行有效挖掘，提高了用户对于音乐平台的黏性和兴趣度，有利于精准营销和减少音乐版权的浪费。同时也可进行用户不喜欢的音乐的数据挖掘，减少推荐音乐的无效性，这也是以后研究的一个方向。

摘要： 关联规则挖掘算法致力于发现隐藏在海量数据中的有趣联系,被广泛应用在金融、生物、商业、医学等领域,FP-growth算法是其中的经典算法,只需扫描两遍数据库,可以压缩被搜索数据集的大小,能够适应不同长度的规则.rn 本文首先介绍了传统的FP一growth算法，并分析该算法应用于音乐数据挖掘的可行性，并改进了原始多维数据库，便于后续挖掘工作的进行，实验结果表明，FP一growth算法可用于音乐数据挖掘，并且在用户多维属性中也能进行有效挖掘，提高了用户对于音乐平台的黏性和兴趣度，有利于精准营销和减少音乐版权的浪费。同时也可进行用户不喜欢的音乐的数据挖掘，减少推荐音乐的无效性，这也是以后研究的一个方向。

摘要： 关联规则挖掘算法致力于发现隐藏在海量数据中的有趣联系,被广泛应用在金融、生物、商业、医学等领域,FP-growth算法是其中的经典算法,只需扫描两遍数据库,可以压缩被搜索数据集的大小,能够适应不同长度的规则.rn 本文首先介绍了传统的FP一growth算法，并分析该算法应用于音乐数据挖掘的可行性，并改进了原始多维数据库，便于后续挖掘工作的进行，实验结果表明，FP一growth算法可用于音乐数据挖掘，并且在用户多维属性中也能进行有效挖掘，提高了用户对于音乐平台的黏性和兴趣度，有利于精准营销和减少音乐版权的浪费。同时也可进行用户不喜欢的音乐的数据挖掘，减少推荐音乐的无效性，这也是以后研究的一个方向。

摘要： FP-Growth算法在关联规则挖掘中有着广泛的应用.以往的研究侧重于给出频繁项之间的关联关系,如A→B满足最小支持度和置信度,则认为A和B之间存在关联关系,但并不知道有多少A才能与B建立关联关系.rn 基于上述原因,给出了一种定量化的关联规则挖掘方法.这种方法以FP-Growth算法为原型,在构建FP-Tree的同时对单项的数量进行记录,在得到频繁项的关联规则的同时也得到了频繁项之间的量化关系.实验以洛阳市城区商铺数据为背景,分为三个步骤:rn 一是对商铺数据进行预处理,其本质是对商铺点进行空间聚类,把空间位置相近的商铺点聚合为一个区域,并统计该区域中的商铺类型和数量,然后以区域为单元构造事务数据.二是利用FP-Growth对构造好的事务数据集进行关联规则挖掘,在得到商铺间的关联关系同时,也计算出商铺间的量化关系.三是对挖掘出的关联关系和量化关系进行可视化的表达,以便更加清楚的展示商铺间的关系.实验结果表明采用定量化的关联规则挖掘方法,不仅可以揭示商铺间的关联关系,而且可以得到它们之间的比例关系.定量化的FP-Growth不仅能挖掘出频繁项间定性的关联关系,还可以得出其定量的比例关系.

摘要： 本发明公开了一种基于KMeans‑FPgrowth算法的矿用卡车发动机故障预警方法，包括：步骤一：采集发动机相关特征历史数据，并基于K‑Means聚类算法对各个特征进行聚类，基于轮廓系数找到最佳聚类个数；步骤二：对聚类后的特征及聚类区间进行编号；步骤三：基于FP‑growth关联规则算法对编号后的特征进行规则提取，设定覆盖率，基于覆盖率对FP‑growth算法的支持度和置信度进行调整，提取出最终的规则；步骤四：采集发动机相关特征实时数据，设置滑动窗口，当窗口内的覆盖率率小于设定值时，发起发动机故障预警。本发明根据相关参数预测出实时缸温与实际缸温进行对比，提前发现缸温异常，减少设备维修成本。

摘要： FpGrowth算法是不产生候选集的关联规则挖掘算法，具有广泛的实际应用价值。为此对经典FpGrowth算法的FP‑tree的结构和挖掘过程进行了深入分析和研究，分析了FP‑tree单路径和多路径的挖掘方法，提出了一个剪枝策略，在频繁模式挖掘时可以减少部分分支的迭代次数。实验结果验证提出的剪枝策略有效地改进了算法，并提高了FpGrowth算法对数据的处理能力和效率。

摘要： 本发明公开了一种基于混合的组合测试用例生成算法，包括以下步骤：1)生成满足要求的覆盖数组，后续的操作以覆盖这个数组为判别标准。2)在覆盖率较低的情况下，根据贪婪算法特性，使用贪婪算法来生成测试用例。3)在覆盖率达到比例K后，贪婪算法遇到瓶颈，选择搜索算法替代，以期达到更优的效果。本发明的基于混合算法的组合测试用例生成算法，即保证了贪婪算法生成测试用例前期的高效，又能避免后期陷入局部最优的情况，为从业人员在做测试用例生成方向的工作时，提供一个可以思考的角度。

摘要： 本发明提供的基于NSGA2(非支配多目标优化遗传算法)训练的AMP检测算法和系统，将用户比特流映射到相应星座点；对信号作ISFFT变换，把信号映射到时频域中再经IFFT变换，把时频域信号转换为时域信号流；将时域信号流经过Jakes信道模型；取出每个用户的频域信号作SFFT变换得到相应的时延多普勒信号；将得到的信号进行AMP迭代检测，计算最小MSE，当MSE小于阈值时中止迭代；完成当前信号解调过程，依据迭代次数趋势图确立固定迭代次数，通过遗传算法多目标优化得到最优参数；将最优参数放入AMP检测算法进行检测。本发明通过计算迭代收敛率，在兼顾性能的同时确立最佳迭代次数，每层迭代的收敛因子看作独立参数，通过NSGA2算法训练出的参数对比固定参数有效性能提升。

摘要： 一种优化Hooke‑Jeeves算法的方法及装置，涉及混合优化算法领域。现有传统单一优化数学算法在解决多能源系统优化问题时存在优化不易收敛、优化结果容易局部最优或局部搜索能力不足、对初始值敏感，且计算时间长，占用资源较多，难以做到较强局部搜索能力与高效全局寻优性的兼顾。未解决上诉提到的传统单一优化数学算法中存在的问题，本申请提供了一种优化Hooke‑Jeeves算法的方法，在HookeJeeves算法中加入粒子群算法，具体为：通过在粒子群算法对初始值的迭代结果不满足结束条件的情况下，在重新进行迭代之前将当前得到的粒子的极值利用所述的HookeJeeves算法进行优化，得到优化数据；将得到的优化数据返回所述的粒子群算法的上层步骤进行再次运算。适用于解决多能源系统优化的应用。

摘要： 本发明公开了一种遗传算法与聚类算法复合嵌套的异常声音检测算法，包括基因算法、增强的增量主因素分析法与基于密度的空间聚类计算方法，具体步骤如下：S1、先采用增强的增量主因素分析法来减少从音频文件转换为数字的数据集的维度，获得降维数据集；S2、使用从增强的增量主因素分析法中得到的降维数据集，并应用基于密度的空间聚类计算方法进行有效的聚类；S3、通过基因算法对聚类后的数据集进行计算训练，从而获得最优的参数配置；能够有效的平衡样本数据，从而增加了监督学习的普适性，降低噪音干扰，继而增加整体运算性，在本地建立输运运算模型，能以较少的运算成本，减少人工调参的复杂和依赖性，增强算法对环境变化的自适配能力。

摘要： 本发明公开的转台标定算法优化算法及转台标定算法，涉及计算机技术领域，通过将标准坐标系下的第一坐标点分别变换至各个不同转台姿态下的相机坐标系下的第二坐标点，得到坐标点集合；分别计算第一坐标点与坐标点集合中各个坐标点之间的距离误差，生成距离误差集合；根据距离误差集合，得到转台标定算法的目标损失函数；根据目标损失函数，对转台标定算法进行优化，提高了当前旋转轴每次旋转过后的特征点的3D点云精度，旋转轴越多，拼接精度越高。

摘要： 本发明属于拍照动作检测算法技术领域，具体涉及一种结合yolo算法和openpose算法的拍照动作检测算法，首先通过视频的预处理，能够去除噪声有利于后续算法的展开，并且采用帧差法能够减少无用视频帧。其次，通过openpose算法获取待处理视频中预设数量个视频帧以及各视频帧中人体关节点位置数据，能够有效获取人体的骨骼特征信息。之后，使用yolo算法获取手机的相关位置，并且增加注意力机制对识别效果进行优化。最后，判定算法获取的人体特征信息包括黑色背景下的骨骼信息和手机位置框，将这些信息与标准动作进行对比获取结果能够很好的减少误判。

摘要： 对利用以往的散点图无法判定的细胞种类进行判定。一种使用神经网络结构的深度学习算法对生物试样所含的细胞进行分析的细胞分析方法，包括：使前述细胞在流路中流过，取得关于在前述流路内通过的各个细胞的信号强度，将与取得的关于各个细胞的信号强度对应的数值数据输入深度学习算法，基于从深度学习算法输出的结果，对每个细胞判定取得了信号强度的细胞的种类；利用前述细胞分析方法，解决了课题。

摘要： 本发明公开了一种基于混合的组合测试用例生成算法，包括以下步骤：1)生成满足要求的覆盖数组，后续的操作以覆盖这个数组为判别标准。2)在覆盖率较低的情况下，根据贪婪算法特性，使用贪婪算法来生成测试用例。3)在覆盖率达到比例K后，贪婪算法遇到瓶颈，选择搜索算法替代，以期达到更优的效果。本发明的基于混合算法的组合测试用例生成算法，即保证了贪婪算法生成测试用例前期的高效，又能避免后期陷入局部最优的情况，为从业人员在做测试用例生成方向的工作时，提供一个可以思考的角度。