检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

多段支持度数据挖掘算法研究

计算机学报 2001年第6期24卷 661-665页

作者：李雄飞苑森淼董立岩全勃吉林大学计算机学院长春130025

在基于相联规则的数据挖掘算法中 ,Apriori等算法最为著名 .它分为两个主要步骤 :(1)通过多趟扫描数据库求解出频繁项集 ;(2 )利用频繁项集生成规则 .随后的许多算法都沿用 Apriori中“频繁项集的子集必为频繁项集”的思想 ,在频繁项集 ... 详细信息

在基于相联规则的数据挖掘算法中 ,Apriori等算法最为著名 .它分为两个主要步骤 :(1)通过多趟扫描数据库求解出频繁项集 ;(2 )利用频繁项集生成规则 .随后的许多算法都沿用 Apriori中“频繁项集的子集必为频繁项集”的思想 ,在频繁项集 Lk- 1 上进行 JOIN运算构成潜在 k项集 Ck.由于数据库和 Ck 的规模较大 ,需要相当大的计算量才能生成频繁项集 .Apriori Tid算法给每个事务增加了一个唯一标识 Tid ,其特点是只扫描一趟数据库 ,其余趟扫描 (如第 k趟扫描 )均在相应的数据集 Ck上进行 .由于数据规模改变不大 ,各算法的效率差别并不明显 .该文提出分段计算支持度的思想 ,是把一个项集的支持度分段计算 ,每一个段记录该项集在相应规模事务中出现的频度 ,从而构成一个支持度向量 .由于有了项集的多段支持度 ,可以推测出该项集能否包含在更大规模的频繁项集中 ,采用这种算法既提高了在扫描数据库过程中的信息获取率 ,又能及时剔除超集不是频繁项集的项集 ,进一步缩减了潜在项集的规模 .在数据集扫描过程中 ,按文中定理 1的思想调整数据集。

关键词：数据挖掘相联规则算法频繁项集多段支持度数据库

在线全文

学校读者我要写书评

暂无评论

多段支持度数据频繁模式关联规则挖掘仿真

计算机仿真 2021年第5期38卷 282-286页

作者：王培培孟芸河南大学民生学院河南开封475000

针对传统数据关联挖掘过程只适用于单段数据集,导致内存负担重、挖掘频繁项集效率不高等问题,提出一种多段支持度数据频繁模式关联规则挖掘方法。运用多支持度算法对数据集逐步搜索,数据集按照数据项的MIS大小有序排列,采用最小值作为... 详细信息

针对传统数据关联挖掘过程只适用于单段数据集,导致内存负担重、挖掘频繁项集效率不高等问题,提出一种多段支持度数据频繁模式关联规则挖掘方法。运用多支持度算法对数据集逐步搜索,数据集按照数据项的MIS大小有序排列,采用最小值作为最小支持度,确保该算法的地推性。构建FPtree树,利用FPtree算法对待选项实施剪枝,从而准确挖掘出频繁模式的关联规则。仿真结果证明,多段支持度数据频繁模式关联规则挖掘具有较好的性能,有效提高了关联规则的挖掘效率。

关键词：多段支持度频繁模式关联规则数据挖掘数据集缩减

在线全文

学校读者我要写书评

暂无评论

基于人工蜂群优化的多段支持度数据挖掘仿真

计算机仿真 2019年第7期36卷 273-276页

作者：梁显丽内蒙古农业大学

针对当前多段支持度数据挖掘方法中存在的挖掘效率较低,查全率较低等不足之处,通过相关算法研究,提出基于人工蜂群优化的多段支持度数据挖掘方法。以数据项集支持度思想与重要性质为依据,计算数据项集的综合支持度;构建数据关联规则支... 详细信息

针对当前多段支持度数据挖掘方法中存在的挖掘效率较低,查全率较低等不足之处,通过相关算法研究,提出基于人工蜂群优化的多段支持度数据挖掘方法。以数据项集支持度思想与重要性质为依据,计算数据项集的综合支持度;构建数据关联规则支持度函数,结合最大值最小值定理及介质定理,确定关联规则支持度;根据数据综合支持度及关联规则支持度计算结果,利用支持向量机进行数据空间映射以及数据分类;通过构建精英蜂群策略及侦查蜂搜索机制更新,对传统人工蜂群算法进行改进,利用改进后人工蜂群算法优化支持向量机参数,提高数据分类挖掘精度。实验结果表明,所提方法的挖掘效率及查全率高于实验对比方法,且支持度预估误差明显低于实验对比方法。

关键词：人工蜂群优化多段支持度关联规则数据挖掘

在线全文

学校读者我要写书评

暂无评论

一种多段支持度数据挖掘算法

萍乡学院学报 2015年第3期32卷 86-90页

作者：潘大胜百色学院广西百色533000

本文以分段计算支持度为重要思想,通过分段计算各项集支持度,确保各段记录出现在相应规模事务中所形成的频度,进而构成支持度向量,加上项集多段支持度,实现大规模频繁项集的有效推测。该算法可提高数据库扫描过程中的信息获取率,从而缩... 详细信息

本文以分段计算支持度为重要思想,通过分段计算各项集支持度,确保各段记录出现在相应规模事务中所形成的频度,进而构成支持度向量,加上项集多段支持度,实现大规模频繁项集的有效推测。该算法可提高数据库扫描过程中的信息获取率,从而缩减项集规模,并按照文中定理1这一思想对数据集进行及时调整,从而实现频繁项集生成效率的不断提高。

关键词：相联规则数据挖掘多段支持度频繁项集

基于最大频繁模式挖掘的多段支持度数据集成系统

在线全文

学校读者我要写书评

暂无评论

信息与电脑 2023年第3期35卷 129-131页

作者：何昀陈伟张继夫张川空军航空大学吉林长春130021

为减少多段支持度数据集成耗时,提高多段支持度数据集成效率,本文提出了一种全新的多段支持度数据集成系统。综合考虑多段支持度数据的特征,搭建了与数据集成需求契合度较高的硬件运行环境。在此基础上,基于最大频繁模式挖掘算法,设计... 详细信息

为减少多段支持度数据集成耗时,提高多段支持度数据集成效率,本文提出了一种全新的多段支持度数据集成系统。综合考虑多段支持度数据的特征,搭建了与数据集成需求契合度较高的硬件运行环境。在此基础上,基于最大频繁模式挖掘算法,设计数据流处理模块,输出挖掘的数据流频繁项集。设计多段支持度数据实时加载模块,抽取点对点同步数据,再引入5G专网数字孪生模型理念,构建多段支持度数据库,分析、集成与存储数据。根据系统测试结果可知,设计系统应用后,集成数据平均时耗最多不超过1.5 s,集成效率得到了提高。

关键词：最大频繁模式挖掘多段支持度数据集成 5G专网数字孪生模型

在线全文

学校读者我要写书评

暂无评论

挖掘相联规则的并行算法研究

小型微型计算机系统 2003年第12期24卷 2260-2263页

作者：臧雪柏李雄飞全勃李军吉林大学计算机科学与技术学院吉林长春130025

在研究多段支持度数据挖掘算法的基础上提出并行挖掘相联规则的算法 .给出了在并行条件下以负载平衡为目的的种子项集的划分的贪心算法策略 .基于多段支持度特征 ,为减少各个处理机之间的制约 ,提出按事务长度进行数据集划分的方案 ,并... 详细信息

在研究多段支持度数据挖掘算法的基础上提出并行挖掘相联规则的算法 .给出了在并行条件下以负载平衡为目的的种子项集的划分的贪心算法策略 .基于多段支持度特征 ,为减少各个处理机之间的制约 ,提出按事务长度进行数据集划分的方案 ,并具体实现了多段支持度的并行算法 .实验结果表明该算法具有很高的效率 .特别是在双CPU情况下 ,并行算法的效率接近顺序算法的两倍 .如果把算法修正和推广到群集环境下 ,会更一步增加相联规则的实用性 .

关键词：频繁项集多段支持度并行算法负载平衡数据挖掘相联规则数据库

在线全文

学校读者我要写书评

暂无评论

数据挖掘与检索技术在税务系统中的应用

数据挖掘与检索技术在税务系统中的应用

作者：王朝晖吉林大学

学位级别：硕士

现在数据挖掘技术的应用,对人们日常工作中起的作用越来越大。随着数据库技术的不断发展及数据库管理系统的广泛应用,数据库中存储的数据量急剧增大。激增的数据背后隐藏着许多重要的信息,人们希望能够对其进行更高层次的分析,以便更好... 详细信息

现在数据挖掘技术的应用,对人们日常工作中起的作用越来越大。随着数据库技术的不断发展及数据库管理系统的广泛应用,数据库中存储的数据量急剧增大。激增的数据背后隐藏着许多重要的信息,人们希望能够对其进行更高层次的分析,以便更好地利用这些数据。但目前数据库系统所能做到的只是对数据库中已有的数据进行存取,但无法发现数据背后隐藏的知识,导致了“数据爆炸但知识贫乏”的现象。如何在庞大的数据中发现和提取有价值的知识是一个很重要的课题。数据库中的知识发现(Knowledge Discoveryin Databases)和数据挖掘(Data Mining)就是从数据库中理解、发现并最终有效利用数据中蕴藏的知识的重要方法。关联规则挖掘是KDD研究中的一个重要研究课题。关联规则侧重于确定数据中不同领域之间的联系,找出满足给定支持度和可信度阈值的多个域之间的依赖关系。挖掘关联规则的一个典型的应用领域是零售业。由于条形码技术的发展,零售部门可以收集并存储大量的售货数据。因此,如果对这些历史事务数据进行分析,从中获得顾客购买行为特征,对商家来说是极有价值的信息。这些信息有助于规划市场、合理安排货架、发现顾客购买模式和趋势,改进服务质量,取得更好的顾客保持力和满意程度,提高货品销售比率,设计更好的货品运输与分销策略,减少商业成本等等。 ***等人针对大型超市的销售数据库建立相联规则模型,并在此模型基础上设计出数据挖掘算法Apriori。设I={i1,i2,…,im}是所有项目的集合,D为事务数据库,其中每个事务T是一个项目子集(T(I),设X为某些项目的集合,事务T包含X当且仅当X(T。关联规则是形如X(Y的逻辑蕴含式,其中X(I,Y(I,且X(Y=(。关联规则挖掘是一个两步的过程,第一步是找出所有的频繁项集,第二步是由频繁项集产生所需要的关联规则,其中第一步是核心问题,挖掘关联规则的总体性能由第一步决定。Apriori算法是最有影响、最经典的挖掘关联规则的算法。Apriori算法通过多次迭代来找出所有的频繁项目集,算法的第一次迭代是简单统计所有含一个元素的项集出现的频率,来决定频繁1 项集。然后在第k次迭代过程中首先由第k-1次迭代时找出的所有频繁(k-1)项集构成潜在的频繁k项集(候选k项集),然后计算这些潜在的频繁k项集的支持度得到所有的频繁k项集。该算法使用如下启发式规则:一个项目集是频繁项目集,则此项目集的所有子集构成的项目集也一定是频繁项目集。后来,很多学者通过采用哈希技术、分割技术、抽样技术等对模型和算法进行了改进以提高挖掘效率。然而,当频繁项集很多,或者有长模式,或者最小支持度阈值很低的情况下,算法主要存在两方面问题:一个是它需要处理巨大数量的候选项集;另一个是它需要重复扫描海量数据库。通过研究发现,挖掘关联规则的算法普遍的问题是潜在频繁项集规模过大,每趟扫描没有减少数据规模。本文中数据挖掘系统采用了多段支持度算法。多段支持度算法提出了分段计算支持度的思想,是把一个项集的支持度分段计算,每一个段记录该项集在相应规模事务中出现的频度,从而构成一个支持度向量。由于有了项集的分段支持度,强化了潜在频繁项集的约束条件,提高了在扫描数据库过程中的信息获取率,因此能够预知某些项集作为潜在频繁项集的价值,及时剔除超集不是频繁项集的项集,进一步缩减了候选项集的规模,同时在每趟扫描中逐次减小扫描数据规模,达到了提高频繁项集生成效率的目的。基于分段支持度思想,算法还提出了种子项集的概念,用种子项集(而不是频繁项集)来生成候选项集。由于种子项集的规模比频繁项集小,因此相应的减小了所生成的候选项集的规模。由于算法的改进,运行效率的提高,使数据挖掘系统在实践具体应用中有了很好的效果。例如在税务系统中,上级领导需要随时要了解税收各方面状况并进行监控,但传统方式只能依靠每月上报的报表来了解申报率、入库率、处罚率、滞纳金等简单情况,无法从多角度分析和监控各部门及下属单位的税收工作,而且各部门掌握最可靠的只有入库数据,对真正的应征数、欠税数、缓缴数掌握很少,导致上级单位在对各部门和下属单位的考核、管理、决策等方面工作具有相当大的主观性、盲目性。如果领导要了解非固定报表(即随机要的相关数据),下属部门就要加班加点统计数据并制作各类报表,其结果往往导致信息的延迟和不准确,而且各级领导要查询信息的深度和层次各不相同,如何解决此类问题是当前税务系统信息化建设急需解决的问题。数据挖掘系统全面解决了从基础数据采集到联机分析和数据挖掘各个环节的需求问题,极大地满足了各级领导对业务信息的查询与决策支持的需求,使税务系统的办公效率得到很大的提高。本文主要讲数据挖掘系统的服务器通过SQL语句对上面讲到的新建数据库进行访问,同时数据库返回记录表。

关键词：数据挖掘相联规则算法多段支持度检索统计