关联规则算法

摘要： 企业或组织内部的重要数据都存储在数据库中,因此数据库经常成为恶意入侵者的攻击目标。传统防火墙对于来自外部的入侵者有着很好的抵御作用,但无法检测来自系统内部人员的异常访问。针对数据库异常访问检测中存在的不足和缺陷,提出了一种基于深度特征合成(DFS)和关联规则(Apriori)算法的异常检测方法。通过对比BP神经网络、随机森林和C4.5决策树等3种其他检测算法表明,新提出的方法能够更加高效地提取用户特征,从而使检测的精准率和效率有显著提升。

摘要： 利用大数据分析精准营销,进而精准合理地分配市场资源,提升客户的满意度,能够有效地提升营销额。研究基于关联规则算法构建汽车市场数据挖掘模型,从而实现汽车市场的精确营销。研究结果表明:Apriori汽车市场数据挖掘模型对样本数据的属性维度分类正确率为97.1%,远高于其他模型。以上结果证明:该模型有较为优秀的性能,基于该模型能够有效地进行汽车市场的精确营销。

摘要： 土壤肥力状况直接影响农作物的产量,传统的农业生产自动化水平低,化肥和农药的施放无法做到精确把控,同时缺乏对土壤肥力的实时在线监测和评价,不利于农作物的生长,严重时会给农田和生态环境带来较大的污染,影响农作物的生产质量和产量,对人类和牲畜的人身安全构成了较大威胁。为此,深入研究分析了数据挖掘技术,并将其应用在土壤肥力评价系统中,针对具体的研究区域进行土壤图设计和土壤状态分析,建立了土壤肥力采样数据库,并利用数据挖掘技术中的关联规则算法对土壤肥力和农作物产量进行等级分类,计算分析得到土壤肥力与农作物产量之间的关联关系。结果表明:智能数据挖掘技术在土壤肥力评价系统中发挥了重要作用,在对土壤肥力进行准确监控的同时能够准确评价土壤肥力与农作物产量之间的相关程度,对指导农业生产、提高农作物生产质量和产量具有重要意义。

摘要： 针对电池剩余电量数据监测过程收敛速度较慢,监测误差过大的问题,基于关联规则算法,提出了一种新的电池剩余电量数据监测方法。实时参考电池内部电阻的变化,预测电池放电的速率,确定欧姆内阻变量随温度的变化曲线。分析RC参数,利用最小二乘法时刻调整欧姆内阻值和电池两端开路电压的比值,间接调控电池内部其他参数。实验结果表明,基于关联规则算法的电池剩余电量数据监测方法能够有效提高收敛速度和降低监测误差。

摘要： 传统财务信息处理系统存在运行时间长,处理效率低的问题,基于关联规则算法提出了医院财务信息自动处理系统。利用GetNetUnits接口获取财务信息,根据操作地址进行数据存储。依据信息自动处理平台将输入数据转换成键值对格式。设计信息挖掘流程,利用兴趣度阈值,结合模式评估模块与数据挖掘模块指定数据挖掘引擎任务。使用关联规则算法确定不同类别信息之间关联性,设计信息自动处理流程。实验结果表明,该系统各个财务信息组成部分的占比与实际医院财务信息的各收入分支占比更接近,说明财务信息自动处理系统处理精度高,具有良好处理效果。

摘要： 随着投资市场的扩大,具有一定风险的投资不再是专业投资者所独有的,而是逐渐开始进入普通人的视野。本文利用黄金和比特币历时五年的历史价格数据,通过对黄金和比特币连续上涨和下跌天数频繁集的研究,基于关联规则算法、先验算法和曲线拟合,开发了一个具有较强稳定性和灵活性的交易策略模型,并补充了灰色预测模型作为模型风险评估的标准,旨在开发一种适用于大多数金融市场的交易策略模型,帮助更多普通人完成合理的决策,获得更低的风险和更高的回报。由于模型是基于大量价格数据构建的,偶尔的突然飙升或暴跌不会对模型产生太大影响,并且模型具有很强的抗干扰性。投资策略的简单逻辑是,下跌时买入,上涨时卖出,长期持有黄金并短期持有比特币,最后用预测曲线补充以完成投资决策。根据引入的投资公式,可以精确计算出不同情况下要买卖的不同产品的数量,可以多批小额买卖,回报稳定增长,价格波动小,风险低。

摘要： 老年人固守传统观念,更倾向于居家养老模式。为解决居家养老问题,通过对老人需求与认知特点分析,结合数据挖掘与无线传感器网络等技术,在传统智能家居基础上设计更加适应老年人生活的康养型智能住宅。采集老年用户设备使用历史数据,利用改进的聚类算法提取数据特征,采用关联算法研究数据的相关性。分析数据的内在联系、规则与模式,建立老人日常生活行为分析与预测模型。相较于传统的居家养老模型,其为老年人提供了个性化和现代化的智能服务,提高了独居老人的安全性与舒适性。

摘要： 教师专业发展是教育质量提升的保障.教师的教学反思是其获得实践性知识的重要途经,是教师自我发展进入良性循环的推动力.有效的教学反思能帮助教师理解和学习教学经验,并重新建构教学实践,从而提升培养人才的效果.该研究基于学生的电子学档数据,建构基于学生电子学档的教师教学反思路径.基于教师教学反思的思维过程,将大数据支持的教师教学反思流程分为反思数据量化表达、反思影响因素判别、反思分析、基于反思的归因和基于反思的实践.在此基础上,设计基于学生电子学档的教师教学反思模型.包括基于学生电子学档的学情数据获取、基于关联规则算法的教学反思因素集判别、基于支持向量机的问题反思、基于结构方程模型的教学反思归因及基于用户协同过滤算法的教学修正方案推荐五个部分.研究探索了教学反思过程中利用学生学习档案数据,解决教师个体反思能力和反思层次差异的问题,以期帮助教师进行智能化决策.

摘要： 虚假业务问题一直以来是影响寿险公司业务质量的顽疾,由于其产生原因与健康业务迥然不同,必然存在特定的业务特征和表现形式。挖掘虚假业务特征可使公司在业务前端判别风险业务,在风险扩散前及时止损。本文通过大数据分析、关联规则算法等工具分析虚假业务的基本特征,并构建数据关联关系,利用数据图谱分析预判风险点,形成体系化的风险业务识别机制。该机制的建立将管理工作由事后转向前瞻,通过对业务特征的分析,预测未来可能的退保及业务员流失,从而提出风险管控建议,对公司经营风险管理具有参考价值。

摘要： 为识别固体燃料气化过程参数出现的异常模式(失稳),构建一种基于蜜蜂算法-径向基函数神经网络(BA-RBFNN)控制图模式识别的气化过程参数失稳监控模型,对气化过程参数进行监控.该监控模型主要包括特征描述、特征选择、分类器和训练方法4个模块.选择形状特征和统计特征对气化过程参数进行描述,运用关联规则算法(AR)选择最佳特征集合,选择径向基函数神经网络(RBFNN)作为分类器,采用蜜蜂算法(BA)作为模型的训练方法.为检测模型性能,用模拟数据和气化炉现场数据分别对模型进行测试,并与传统方法对比.结果表明,该模型对气化过程参数出现的异常模式具有更好的识别监控效果.

摘要： 针对当前以作者合著为计算对象的科研合作网络研究和科研共同体间关系发现的研究现状,本文提出了基于关联规则算法的科研共同体发现模型,通过分析用户的查询检索记录及数据库的日志文件获取作者人名信息,进而发现潜在相关作者及科研共同体,为同行评议时专家获取提供参考.

摘要： 随着互联网的普及和电子商务的快速发展,电子商务系统在为用户提供越来越多选择的同时,其结构也变得更加复杂.通过关联规则推荐算法能够及时准确地计算出符合用户需求的商品,为客户提供良好的购物体验.论文对电子商务协同过滤推荐系统中的关联规则算法进行了分析与研究，包括Apriori算法、基于划分的算法、FP-树频集算法等.

摘要： 研究了数据挖掘技术的关联规则算法,并将其应用到成人高校的学生成绩分析中,得出一些有用的规则,用来指导教学。

摘要： 目的:明确丁霞教授治疗胃脘痛的用药规律,阐发丁霞教授治疗胃脘痛的学术思想与临床用药经验.rn 方法:选取丁霞教授临床治疗胃脘痛自诊处方360首,详细记录首诊用药情况,确定首诊处方各药物的使用频次.采用关联规则Apriori算法,进行基于改进的互信息法的药物间关联度分析;以药物间关联度分析结果为基础,依据相关度与惩罚度约束,进行基于复杂系统熵聚类的药物核心组合分析;在此基础上运用无监督熵层次聚类算法,获得治疗胃脘痛新处方;根据结果绘制出用药关联规则网络图、新方的核心组合药物网络图及新方的药物网络图.上述操作基于中医传承辅助平台V1.1(TCMISS)完成.rn 结果:通过分析360-首胃脘痛医案处方,提取用药核心组合46组,挖掘治疗胃脘痛新方23个,明确了丁霞教授治疗胃脘痛的处方药物的使用频次规律及药物间的关联规则.rn 结论:丁霞教授治疗胃脘痛临证重视调胃、调肝、调脾三端,用药具有通降与清降并举、健脾与助脾并重、寓柔肝于疏肝的特点.

摘要： 本文以煤化工行业中常用的大型机械压缩机为例,使用数据挖掘技术中的关联规则算法,分析了设备在不同运行状态下及不同影响因素下的运行数据.实际结果表明我们采用的算法是有效的,不仅可以帮助管理及运维人员快速掌握设备运行状态,还可以有效发现设备的潜在隐患.

摘要： 模板广泛应用于工程设计,如何寻找最优的模板组合与设计模式匹配是工程设计的核心问题.将知识发现中关联规则挖掘思想引入模板优化组合问题,采用量化扩展概念格的关联规则算法及其优化方法寻找合理的、最优的模板组合,提高了工程设计的效率.

摘要： 为了挖掘大型事务数据库中数据间所有的关联规则,本文提出了一个新的算法BOM算法,并且与经典的挖掘关联规则算法Apriori算法做了对比.BOM算法具有良好的性能,它不需要多次扫描事务数据库;不需要在内存中存储大量的候选项集,相反,一旦产生一个新的候选项集,会立即被判断是否是一个频繁项集,如果不是,直接被删除.因此,与Apriori算法相比,对于大型交易事务数据库,算法节约了大量的时间和空间,具有良好的性能.

摘要： 随着医院管理信息化的应用,积累了大量的数据,这些数据以病理为依据,以处方的形式反映了病人的病况、医生的用药习惯、开具的药物品种、数量及药物之间的相互关系.针对充分利用这些处方数据,采用数据挖掘技术中的Apriori算法挖掘具有强关联性的药品对,并使用因果关系预测方法中的BP神经网络算法实现药品的关联性预测,最后提出根据处方数据的特征改进关联性预测算法的想法.

摘要： 随着医院管理信息化的应用,积累了大量的数据,这些数据以病理为依据,以处方的形式反映了病人的病况、医生的用药习惯、开具的药物品种、数量及药物之间的相互关系.针对充分利用这些处方数据,采用数据挖掘技术中的Apriori算法挖掘具有强关联性的药品对,并使用因果关系预测方法中的BP神经网络算法实现药品的关联性预测,最后提出根据处方数据的特征改进关联性预测算法的想法.

摘要： 随着医院管理信息化的应用,积累了大量的数据,这些数据以病理为依据,以处方的形式反映了病人的病况、医生的用药习惯、开具的药物品种、数量及药物之间的相互关系.针对充分利用这些处方数据,采用数据挖掘技术中的Apriori算法挖掘具有强关联性的药品对,并使用因果关系预测方法中的BP神经网络算法实现药品的关联性预测,最后提出根据处方数据的特征改进关联性预测算法的想法.

摘要： 本公开涉及使用一种或多种关联规则挖掘算法来挖掘含有由至少一种基于植物或动物的分子遗传标志物创建的特征的数据集，发现关联规则和使用由这些关联规则创建的特征来分类或预测。

摘要： 本发明公开了一种关联规则的挖掘方法,所述挖掘方法包括以下步骤:获取和扫描事务集，将所述事务集转化为多维数据立方体,并记录下整个事务集的长度；根据所述多维数据立方体得到1-项集和1-项频繁集；根据1-项频繁集得到k-项集和k-项频繁集,以及根据k-项频繁集得到k+1-项集和k+1-项频繁集，其中k为大于且等于2的正整数；根据1-项频繁集和k-项频繁集，产生1-项频繁集的所有子集和k-项频繁集的所有子集以生成所述事务集的关联规则。该方法能减少系统的运行时间。

摘要： 本公开涉及使用一种或多种关联规则挖掘算法来挖掘含有由至少一种基于植物或动物的分子遗传标志物创建的特征的数据集，发现关联规则和使用由这些关联规则创建的特征来分类或预测。

摘要： 本发明属于数据挖掘技术领域，具体涉及一种高维数据的组合式关联规则挖掘算法及系统。本发明根据计算的样本集的分布系数（Distribution）和删除阈值（TrimThreshold），增加数据筛选过程，在挖掘初期删除出现频次低于删除阈值的样本，简化高维样本集的空间复杂度；通过构建样本关系表，并以此为基础构建样本全关系组合，以全关系组合代替原始样本集进行挖掘；联合用户设置的最小支持度和最小置信度挖掘关联规则，从而计算出较强的关联关系。得到的关联关系精度高，且冗余度小，本发明可用于面向高维数据挖掘相关度强的关联关系挖掘，提高了海量数据挖掘的精度和效率。

摘要： 本发明提出一种关联规则挖掘中查找频繁项集的改进算法。通过用上三角矩阵存储数据库的方式，使得整个算法对数据库只进行一次扫描操作，然后利用二进制编码之间的“与”运算获取项集的事务支持度，同时增加了非频繁项集的记录表，对候选项集进行提前剪枝，大大提高了算法的效率。

摘要： 本发明公开了一种基于FP‑Growth算法的隧道交通事故关联规则算法，其针对隧道交通事故数据的特点，提出了基于权重改进的FP‑Growth算法，对事务以及项赋予权重，从而能够有效地挖掘出隐藏的，更有意义的关联规则。并且利用改进后的FP‑Growth算法建立关联规则挖掘模型，通过挖掘采集的数据，找出导致隧道交通事故的频繁因素组合，分析结果找出隧道交通事故关联规则。

摘要： 本发明公开了一种基于Apriori改进算法的关联规则算法，先对事务数据库D进行预处理，将数据记录简化后全部读到内存，在频繁项集连接、剪枝生成候选集的过程中，对生成候选集的过程进行改进，直接生成候选项集，得到候选集后扫描数据库计算支持度，由于候选集与事务数据库D均已排序，在每个事务T即每条记录中分别搜索候选集时，一旦搜索到大于候选项的值时，即可停止该事务的搜索。本发明将改进的Apriori算法应用在药房管理系统中，结果显示改进算法性能明显优于传统算法，操作简洁，更加满足实际需求。

摘要： 本发明提供一种基于自适应遗传算法的关联规则挖掘方法及系统，其中，方法包括：步骤S1：获取待挖掘数据，对所述待挖掘数据进行预处理；步骤S2：基于Apriori算法，对预处理结果进行处理，获得频繁项集；步骤S3：基于自适应遗传算法，对所述频繁项集进行处理，获得关联规则集；步骤S4：基于预设的筛选规则，从所述关联规则集中筛选出关联规则。本发明的基于自适应遗传算法的关联规则挖掘方法及系统，解决现有的关联规则算法在处理数据时扫描数据库次数多、产生较多的候选项集、产生过多无用的规则的难题和遗传算法容易陷入局部最优问题，缩短了运行时间，降低了开销成本。

摘要： 本发明涉及一种基于模糊关联规则算法的案例推理电机设备健康管理技术。该方法包括：（1）获取大量电机故障案例，将其处理形成故障案例库。（2）针对案例库，建立了基于模糊关联规则算法的特征属性约简模型，减少了特征属性的数量，缩短了案例推理时间。（3）运用熵权算法对约简后剩余特征属性进行赋权，进一步增加计算精度。（4）应用案例推理技术来确定与目标案例最为相似的案例，并运用最相似案例的解决方案来解决当前故障问题。

摘要： 本发明涉及一种基于DFS和关联规则算法的网络入侵检测方法及系统，所述方法包括以下步骤：S1：构建数据集；S2：基于深度特征合成算法对数据集的基本特征进行合成，获取包含新特征的特征集合；S3：基于关联规则算法对特征集合进行训练，获取强关联规则，构建基于强关联规则的分类器；S4：获取当前网络数据，输入到分类器中进行网络入侵检测。与现有技术相比，本发明能有效提高网络入侵检测的准确性和检测效率。