关联规则挖掘

摘要： 结合卡方检验、信息熵和Gini系数方法对涤纶长丝丝锭质量数据进行关联规则挖掘,得出对涤纶长丝丝锭各种降等原因关联程度最高的因素,帮助工作人员及时了解涤纶长丝生产状况,有效地反馈生产。

摘要： 针对工业数据关联规则挖掘隐私保护问题,本文梳理总结了已有研究成果,并分别对云计算环境下工业数据关联规则挖掘安全外包、工业大数据关联规则挖掘隐私保护、多用户协同工业数据关联规则挖掘隐私保护这三种应用场景进行了深入分析探讨,指出现有方案在安全性、高效性和实用性等方面仍存在一定的不足。文章最后探讨了未来解决工业数据挖掘隐私保护问题的研究方向,强调了解决该问题对实现工业4.0时代下工业数据安全具有重要的意义。

摘要： 针对智能电表故障状态的预测问题,提出了一种基于Apriori算法和C5.0算法建立智能电表故障识别模型,实现智能电表故障的预测。首先,对智能电表历史故障数据库进行数据挖掘预处理,并采用Apriori算法进行强关联因素深度挖掘。然后,将强关联因素组成的数据集合分为训练数据集和测试数据集两部分,采用C5.0算法对训练数据集进行数据挖掘,生成智能电表故障初步预测规则。接着,根据测试集的数据对初步预测规则的正确性进行评估:如果准确度满足要求,确定预测规则;如果不满足,则返回训练集。最后,根据获得的预测规则建立智能电表故障状态预测模型进行智能电表故障预测。算例分析结果证明,智能电表故障状态预测模型具有较高的精度,可获得极为准确的故障状态预测结果。

摘要： 为保证全向轮机器人在移动过程中所捕获到的目标对象能够完全符合理想目标设定条件,准确追踪目标节点的运动行为,设计基于关联规则挖掘的全向轮移动机器人目标跟踪控制系统;根据CAN主控框架的部署形式,按需连接核心管控电路与I/O跟踪模块;分别以转向控制器、速度控制器为例,完善全向轮控制结构的物理作用能力,实现机器人目标跟踪控制系统的硬件设计;在此基础上,定义频繁项集合,按照具体的关联规则特征描述结果,确定挖掘程序指令的执行能力,得到准确的关联离散度指标计算结果,实现控制系统的关联规则挖掘,再联合相关硬件设备结构,完成基于关联规则挖掘的全向轮移动机器人目标跟踪控制系统设计;分析对比实验结果可知,随着关联规则挖掘控制系统的应用,全向轮机器人在移动过程中所捕获到的目标对象能够将理想目标完全包含在内,机器人目标跟踪结果准确,可以辅助全向轮移动机器人更加准确地追踪目标节点的运动行为,符合实际应用需求。

摘要： 空调控制策略是影响其运行能耗的主要因素之一,对于既有建筑的空调系统优化,要改进控制策略必须先识别现有策略,然而目前大多数工程项目对运行策略的记录很模糊,阻碍了优化工作的开展。提出了一套基于数据挖掘方法的冷机控制策略识别框架,该框架包含数据预处理、识别算法、规则提取以及规则应用4个模块。重点讨论了其中的识别算法和规则提取两部分内容,对高维度时序数据首先采用符号聚合近似算法进行聚类离散,其次利用分类决策树和加权关联规则算法,可从冷机和水泵的能耗数据中识别出冷机本身的启停及多台冷机序列控制逻辑和冷机水泵的联控逻辑。通过两栋公共建筑的实测数据验证了冷机调控策略识别方法的有效性。进一步提出了运行模式周期平均长度、运行模式周期标准差和冷机制冷量与干球温度相关系数3个指标,可用来快速判别冷机控制模式。

摘要： 信息粒化因模拟人类分析处理复杂问题的方式而受到广泛关注.基于模糊集理论、粗糙集理论及商空间理论等典型信息粒化理论及方法的研究已取得长足的发展,其中基于模糊集的信息粒化理论及方法旨在应对普遍存在的具有模糊性的问题和现象.本文综述模糊信息粒化理论与方法的建立及发展过程,梳理模糊信息粒化研究成果的系统体系结构,总结其在聚类、预测和关联规则挖掘等重要领域的应用,以促进该领域的研究.

摘要： 针对红外经纬仪测量系统弹道测试试验,如何在稍纵即逝的发射窗口期内达到较高的测试精度和目标捕获率问题,提出一种基于Apriori关联规则挖掘和PDCA戴明环相结合的试验数据再利用方法,通过对已有历史试验数据的分析挖掘,提取影响试验数据录取的事件因子,并分析其作用机理,构建数据采集方案设计优化策略集,采用阶跃PDCA方法对数据采集方案进行循环优化,并验证结论的有效性。结果表明,动态因果关系集和方案优化策略集可为后续性能试验、作战试验数据采集方案设计和改进提供参考和依据,对于提升目标捕获率和数据采集精度有一定辅助作用,探索了关联规则挖掘方法在试验数据再利用中的应用。

摘要： 为了帮助教师找到适用于不同类型学生的教学方法和策略,利用数据挖掘中的模式发现技术对教学问卷数据进行研究和分析。首先,收集和预处理问卷数据;其次,引入关联规则挖掘技术和差异模式挖掘技术对问卷数据进行模式挖掘;再次,利用随机性检验过滤挖掘的假阳性关联规则和差异模式;最后,将保留的关联规则和差异模式与教育背景结合起来分析模式中蕴含的信息。结果表明,以上方法可以在一定程度上帮助教师提高教学水平。

摘要： 针对船舶制造海量数据关联规则挖掘过程中,事务集占用空间过多导致挖掘效率较低的问题,提出一种基于局部敏感位图存储结构(locally sensitive hash bitmap,LBM)的LBM-Eclat算法。该算法结合了局部敏感哈希和位图2种数据结构,并可以根据存储数据量的变化动态调整内部数据存储结构。通过对比实验证明基于LBM的LBM-Eclat算法能够有效提升对密集型数据集的挖掘效率,同时减少挖掘过程中的空间消耗。

摘要： 利用电商平台推荐算法难以准确建立用户关系网络,为保证平台内商品推荐的准确性,研究关联规则挖掘Apriori算法在农产品电商平台推荐中的应用方法。首先,计算具备相似性的用户关系强度,得到词语概率的分布规律,通过时间综合相似度获得多个主题内容的演化结果;其次,基于关联规则挖掘Apriori算法建立电商平台推荐模型,得到新的商品推荐算法;最后,以平均绝对误差与均方根误差作为推荐算法精度的指标,进行实验对比分析。实验结果表明,在不同的特征维数下,关联规则挖掘Apriori算法的平均绝对误差与均方根误差均为相同条件下的最小值,可见该方法在农产品电商平台推荐中最准确,其推荐精度最高。

摘要： 本文针对电子元器件可靠性试验数据资源丰富、随机性、离散性强的特点,借鉴了大数据分析的思路,提出了基于关联规则挖掘的数据分析方法和模型.可用于挖掘容易忽视的、有利用的数据模式或规则,为型号元器件质量保证提供数据支持.

摘要： 随着互联网技术的高速发展,数据挖掘技术在高校得到了广泛应用.同时,智慧校园的兴起,使大学生的各种校园行为开始以数据的形式存储在数据库或数据仓库中.如何利用这些数据理性地分析教务和教学中各方面的成效得失以及找到有关影响学生成绩的因素,是广大教师们共同关心的问题.大学生作为祖国建设的主力军,身体素质的好坏将直接影响到我国现代化建设的进程,文章从大学生的体育成绩着手,通过整理、分析,借用IBM SPSS Modeler工具,通过关联规则挖掘算法发现了其间存在的问题以及各项成绩之间的关联关系,为学生体质与健康水平的提高和体育教学的改进提供了有价值的信息.

摘要： 引进核心技术团队能够更有力的促进区域、产业或企业发展,因此识别领域或机构的核心研发团队是专利分析领域的新需求.本研究引入并改进了关联规则挖掘中的FP_growth算法来进行核心研发团队的识别,并以中国科学院的专利数据为例进行研究,确定了满足预设条件的中国科学院核心研发团队,最后在对结果分析的基础上反映了中科院的核心研发团队分布情况.

摘要： 为进一步提高自动气象站数据的业务可用性,本文提出了基于关联规则挖掘的自动气象站数据质量控制算法,总结出自动气象站相关观测项目间可能存在的关联规则,指导建立适合不同地城、不同气候特征的专家知识规则库用以完善自动气象站数据质量控制系统,为天气预报和气象服务提供更加精准的气象观测数据.

摘要： 网络百科信息抽取对于大规模知识库的构建具有重要的意义.属性抽取是信息抽取的一种,属性抽取的两个关键问题是:属性名称的抽取和属性值的抽取.本文提出了基于关联规则挖掘的属性名称抽取方法,该方法将属性值看作命名实体,对同类别百科条目进行频繁模式的挖掘,通过分析频繁模式中词语与命名实体之间的关联关系,找出属性描述关键词并生成属性名称.本文对多个类别中文百科条目进行属性名称抽取实验,实验结果表明了该方法的可行性和有效性.

摘要： 为了提高750kV配电网短期电力负荷检测能力,提出基于模糊C均值网格聚类的750kV配电网短期电力负荷分类聚类方法,构建750kV配电网短期电力负荷的大数据分布结构模型,采用关联规则挖掘方法进行特征分析和特征提取,构建统计序列重组模型,采用相空间结构重组方法进行750kV配电网短期电力负荷三维重建,在高维相空间中实现750kV配电网短期电力负荷的模糊C均值网格聚类,对提取数据的关联特征集进行分类融合,采用大数据分析方法实现750kV配电网短期电力负荷分类聚类.仿真结果表明,该方法的分类特征聚敛性较好,误分率较低,分类准确性较高,耗时较低.

摘要： 由于短文本字数少、数据量大导致实际短文本分类过程中面临特征维度高、特征稀疏、分类准确率差的问题.特征扩展为解决上述问题的有效方法,如主题模型、频繁模式挖掘等算法在特征扩展过程中被广泛研究与应用.但因短文本本身对分类效率要求较高,特征扩展方式使短文本分类过程面临更大的效率瓶颈.针对上述问题,综合考虑短文本分类准确率及效率提升,提出Spark平台上的基于关联规则挖掘的短文本特征扩展及分类方法,首先采用背景语料库,通过关联规则挖掘的方式对原短文本进行特征补充,其次针对分类过程,提出基于距离选择的层叠支持向量机算法,最后设计Spark平台上的短文本特征扩展与分类算法,通过分布式算法设计,提高短文本处理的效率.实验结果显示,采用本文提出的Spark平台上基于关联规则挖掘的短文本特征扩展方法后,针对大数据集,Spark集群上短文本特征扩展及分类效率约为传统单机上效率的4倍,且相比于传统分类实验,平均约得到15％的效率提升,其中特征扩展及分类优化准确率提升分别为10％与5％.

摘要： 在技术演化过程中,由技术本身、组件和支持技术所组成的技术结构会随时间发生变化,渐进式创新会导致部分组件变化,而突破式创新导致整体结构的变化,文章基于专利数据,通过关联规则挖掘对重要术语进行识别,并通过重要术语重构语料库,进而使用HLDA进行层次主题抽取,以获取可读性较强的技术结构,并基于技术结构随时间变化情况进行技术演化分析,且在硬盘领域专利上进行验证,实践证明该方法是一种有效和可行的技术演化分析方法.

摘要： 本文以大量存在于企业中的隐性知识为研究对象，对隐性知识的属性进行理论分析，采用粗糙集方法提炼主要知识点。主要研究了企业隐性知识条件属性和决策属性的确定，隐性知识系统与决策表及其约简，基于粗糙集的关联规则挖掘。

摘要： 本文提出了一种基于中文网络百科的属性抽取方法.该方法以中文网络百科自由文本为数据源,将属性值看作命名实体,对已分类的百科文本进行频繁模式的挖掘.通过分析频繁模式中词语序列与命名实体的关联关系,得到属性模式与属性词语,借助外部语义资源以及词语相似度计算去除重复的属性词语,得到统一的属性名称.本文对多个类别的中文百科条目进行了属性抽取实验,实验结果表明了该方法的可行性和有效性.

摘要： 本发明实施例公开一种告警关联规则的挖掘方法、装置及系统，其中，该方法包括：获得告警序列，所述告警序列包括多条告警；计算每个k-项集的支持度，得到k-项频繁项集集合；由该k-项频繁项集集合生成k+1-项频繁项集集合；针对该k+1-项频繁项集集合中的每个k+1-项频繁项集，根据该k+1-项频繁项集所包含的k+1个1-项集的支持度中的最大值和该k+1-项频繁项集的支持度，计算该k+1-项频繁项集的极大置信度；将极大置信度不小于最小置信度的k+1-项频繁项集作为关联规则加入关联规则结果集；从而，在告警关联规则的挖掘过程中，减少了由于置信度参数的影响而产生的虚假规则，有效减少关联规则结果集中的虚假规则。

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： 本发明实施例公开一种告警关联规则的挖掘方法、装置及系统，其中，该方法包括：获得告警序列，所述告警序列包括多条告警；计算每个k-项集的支持度，得到k-项频繁项集集合；由该k-项频繁项集集合生成k+1-项频繁项集集合；针对该k+1-项频繁项集集合中的每个k+1-项频繁项集，根据该k+1-项频繁项集所包含的k+1个1-项集的支持度中的最大值和该k+1-项频繁项集的支持度，计算该k+1-项频繁项集的极大置信度；将极大置信度不小于最小置信度的k+1-项频繁项集作为关联规则加入关联规则结果集；从而，在告警关联规则的挖掘过程中，减少了由于置信度参数的影响而产生的虚假规则，有效减少关联规则结果集中的虚假规则。

摘要： 本发明提供了一种产生计算配置规则的方法和装置，其包括接收与多个计算机有关的配置数据，分析所述配置数据以确定配置数据中的关联，以及从分析结果中产生配置规则。

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： 本发明公开了一种基于关联规则挖掘的信息系统运行规则库的构造方法，其特征在于，包括如下步骤：S01：获得信息系统的网络拓扑架构和所有设备的动态监控指标和静态监控指标；S02：通过网络拓扑架构和设备的动、静态监控指标生成网络故障树，并通过网络故障树生成基本规则库；S03：对信息系统的历史数据执行关联规则挖掘算法，得到关联规则库；S04：结合基本规则库和关联规则库进行推理生成扩展规则库；其中，各规则库的检索优先级是：基本规则库>关联规则库>扩展规则库。利用故障树技术和关联规则挖掘技术来智能生成信息系统运行规则库，并采用机器学习技术来对规则进行优化。进一步的，设计了规则的三域结构，实现了规则的自动排序和自动调整。

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： 本申请公开了一种面向关联规则挖掘的冗余规则筛除方法及装置，涉及数据挖掘技术领域，可以解决目前采用的冗余规则筛除方法，容易受到主观因素影响，导致筛除结果不够精准的技术问题。其中方法包括：基于频繁模式树FP‑Tree算法对目标事务数据库进行关联规则挖掘，获取初始挖掘结果；将所述初始挖掘结果中的关联规则，依次与所述目标事务数据库中的各个案例匹配；根据各个所述案例的匹配结果，剔除所述初始挖掘结果中的冗余规则，获取目标挖掘结果。本申请适用于在关联规则挖掘时，对冗余规则的精准筛除。

摘要： 本发明公开了一种基于关联规则挖掘的信息系统运行规则库的构造方法，其特征在于，包括如下步骤：S01：获得信息系统的网络拓扑架构和所有设备的动态监控指标和静态监控指标；S02：通过网络拓扑架构和设备的动、静态监控指标生成网络故障树，并通过网络故障树生成基本规则库；S03：对信息系统的历史数据执行关联规则挖掘算法，得到关联规则库；S04：结合基本规则库和关联规则库进行推理生成扩展规则库；其中，各规则库的检索优先级是：基本规则库＞关联规则库＞扩展规则库。利用故障树技术和关联规则挖掘技术来智能生成信息系统运行规则库，并采用机器学习技术来对规则进行优化。进一步的，设计了规则的三域结构，实现了规则的自动排序和自动调整。

摘要： 本发明涉及一种基于粗糙集关联规则的超高压电网故障规则挖掘方法，该方法采用分布式数据挖掘的思想，运用以粗糙集理论为基础的关联规则挖掘方法对超高压电网历史故障数据进行故障规则挖掘，利用基于信息熵的属性约简算法对分布式决策表进行属性约简，然后在约简后的决策表上应用关联规则中的Apriori算法进行故障规则提取。本发明能够有效地解决传统数据挖掘方法对于大数据量的历史故障数据库的不适应性，降低了规则提取的复杂度，具有故障规则挖掘效率高的优点。