多维关联规则

摘要： 该文旨在分析出不同属性的读者与借阅的图书类别之间多维关联规则,将读者所在学院和年级属性进行细分,与借阅图书类别三级类目属性生成多维属性事务表,利用维间编码自连接的方式将多维属性整合成单维属性的模式,对不同学院不同年级2020年下半年借阅数据进行多维维间和混合维关联规则分析,根据读者细分程度,得出不同读者的个性化需求特征,为图书馆优质的服务提供有力的理论依据.

摘要： 针对Apriori算法频繁扫描数据库造成的I/O开销大等问题以及烟叶复烤配方模块多维数据挖掘的需求,论文在经典Apriori算法的基础上,提出了一种基于矩阵的多维关联规则改进算法,该算法通过构造多维事务矩阵,减少了扫描数据库的次数,同时不断通过剪枝、剔除冗余事务对矩阵进行压缩,有效提高了挖掘效率.利用该算法对历史复烤配方数据进行了挖掘分析,结果表明该方法能够有效地将配方数据中隐含的诸多配方专家的配方维护行为规律提取为规则表示形式,从而挖掘出配方模块中烟叶的搭配和协同信息.该方法减少了配方研发人员的工作量,可有效地指导实际配方设计和维护工作.

摘要： 我国是世界上最大的猪肉生产国和消费国,猪肉是我国人民肉食的主要来源,分析猪肉价格的波动原因具有重要意义.以2006-2015年猪肉价格月度数据为研究对象,采用数据挖掘中的多维关联规则算法,定量分析猪肉价格与供给、需求、成本3个方面9个影响因素之间的影响关系.结果 表明,供给因素方面,猪肉价格与猪肉产量、年末存栏量、出栏猪肉呈负相关性;需求方面,猪肉价格与居民消费水平、牛肉价格和鸡肉价格呈正相关性,其中牛肉价格的变动对猪肉价格影响较大;成本方面,猪肉价格与生猪价格、仔猪价格和玉米价格呈正相关性,其中生猪价格的变动对猪肉价格敏感性较高.运用数据挖掘技术定量分析猪肉价格和影响因素的关联程度,以期为有关部门稳定猪肉价格提供科学依据.

摘要： 针对Apriori算法频繁扫描数据库造成的I/O开销大等问题以及烟叶复烤配方模块多维数据挖掘的需求,论文在经典Apriori算法的基础上,提出了一种基于矩阵的多维关联规则改进算法,该算法通过构造多维事务矩阵,减少了扫描数据库的次数,同时不断通过剪枝、剔除冗余事务对矩阵进行压缩,有效提高了挖掘效率.利用该算法对历史复烤配方数据进行了挖掘分析,结果表明该方法能够有效地将配方数据中隐含的诸多配方专家的配方维护行为规律提取为规则表示形式,从而挖掘出配方模块中烟叶的搭配和协同信息.该方法减少了配方研发人员的工作量,可有效地指导实际配方设计和维护工作.

摘要： 针对基于Iapriori算法的多维关联规则数据挖掘存在I/O负载过大，候选项集指数倍增加，优化算法随机性强，容易陷入局部最优解等问题。本文提出一种基于上三角矩阵和多叉树结合(UTMTU)的多维关联规则挖掘算法，算法对原数据编码筛选后映射为上三角矩阵，再映射为频繁项集树，实现整个过程只扫描一次数据库而不产生候选项集，将时间和空间成本尽量降到最低，并利用有效属性层次数提高内存和I/O的利用率。通过UTMTU与Iapriori对比分析表明，其算法的效率和精度得到显著地提高，有效改善原始算法的两个瓶颈问题。

摘要： 针对基于Iapriori算法的多维关联规则数据挖掘存在I/O负载过大,候选项集指数倍增加,优化算法随机性强,容易陷入局部最优解等问题.本文提出一种基于上三角矩阵和多叉树结合(UTMTU)的多维关联规则挖掘算法,算法对原数据编码筛选后映射为上三角矩阵,再映射为频繁项集树,实现整个过程只扫描一次数据库而不产生候选项集,将时间和空间成本尽量降到最低,并利用有效属性层次数提高内存和I/O的利用率.通过UTMTU与Iapriori对比分析表明,其算法的效率和精度得到显著地提高,有效改善原始算法的两个瓶颈问题.

摘要： 随着大量需要被挖掘的数据变得越来越复杂,多维关联规则已经成为关联规则挖掘中最实用的内容之一.本文主要介绍了在多维关联规则挖掘过程中,针对同一种属性数据出现重复连接的情况,由此而提出的一种解决方案.通过对多值属性信息进行比较,去除重复连接的属性信息,保留有效信息,减少对数据库的扫描.由此对Apriori算法中连接步进行改进,最后通过布尔型关联规则挖掘数据信息并得到结果.相较于Apriori算法,改进算法能更加快速准确地发现知识,缩短挖掘所用的时间.

摘要： In order to build a comprehensive and efficient new product configuration model ,a product family parts constraint database based on multidimensional association rule is established .Firstly ,the important degree of the parts on the product family bill of material (BOM ) tree is sorted by calculating the important degree of product quality characteristics and the tear operation of design structure ma‐trix about the product configuration component set .A mapping matrix is established to convert the demand of product quality characteristics to the technical features of specific parts on the product fami‐ly BOM tree .The matching or approximate matching candidate parts are retrieved from the parts li‐brary by angle cosine similarity calculation ,and according to the ranking of the important effect of parts on new product ,through the multidimensional association rule driving and iterative matching , the holistic candidate solution and the remodel or new part design can be confirmed .And according to the matching degree ,the best matching project can be confirmed .Finally ,the feasibility of the pro‐posed method is verified by an example .%为构建一个全面高效的新产品设计配置模型，文章建立了基于多维关联规则的零部件约束数据库。由产品质量特征重要度的计算和待配置零部件集合设计结构矩阵的撕裂操作，来指导产品族物料清单（bill of material ，BOM ）树上零部件的重要度排序；建立映射矩阵将新产品的总体质量特征需求分解为对产品族BOM树上特定零部件的功能技术特征，通过余弦夹角相似计算从零件库中检索出相匹配或近似匹配的候选零部件；按照零部件对新产品的重要度排序，通过多维关联约束驱动和迭代匹配，逐步形成各零部件的总体候选方案；同时确定待改型设计和新设计的零部件，根据综合匹配度计算确定最优匹配方案。最后通过实例说明了该方法的可行性。

摘要： 目的：找寻不良反应、药品、用药人群间的相关性，筛选出三者间的关联关系，构建关联模型，以提示临床医师慎用高风险产品，使临床用药更趋于合理。方法：应用SQL构建多维数据仓库，运用数据挖掘技术中的关联规则挖掘数据中潜在的有价值的信息。结果与结论：得到江苏省2004～2009年6年多维关联结果以及6年纵向多维关联规则比较结果，共获得7组具有强的关联性的三维关联组合和5组具有一定关联性的三维关联组合。

摘要： 本文针对数量关联提取多维关联规则中的问题,采用了免疫进化的模糊C均值算法进行量化,兼顾了数据的聚集和区间的支持度问题.

摘要： 本文对多维关联规则的挖掘进行了研究,提出了一种有效的数据模型和求解算法.同时结合多维事务数据模型特征,提出分段存储,引导挖掘的思想.

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： 本发明主要提供一种基于多维要素视频分割的段落关联规则评判方法，具体内容包括：步骤一：视频解析；步骤二：场景分割中的关键帧提取；步骤三：基于关键帧的场景分割；步骤四，视频的音频分割；步骤五，视频的语义分割；步骤六：GNN网络的分割视频的段落关联规则评判方法；步骤七：构建关联网络。本发明对同一段视频进行多维分割后，采用了构建段落关联规则的方式对对应的多维要素进行了匹配。与其他视频分割的段落关联规则评判方法相比，本发明结合图像序列中像素在时间域上的变化以及相邻帧之间的相关性对视频在图像维度实现了很好的分割，保留了视频的关键信息，可以提供一种有效的多维要素视频分割的段落关联规则评判方法。

摘要： 本发明公开了一种基于多维数据关联规则的微光图像彩色化方法。该方法步骤如下：微光图像多属性规则挖掘：首先利用相似场景中不同物体组成的样本库，基于SVM对微光图像进行分类，采用多属性规则约束的Apriori优化算法，挖掘参考彩色图像中的亮度、颜色之间的强关联规则集，并引入类别标签元素，最终生成亮度‑类别‑颜色强关联规则集；基于规则映射的微光图像彩色化：提取微光图像中像素的亮度以及所属类别，基于挖掘生成的强关联规则集，映射生成每个像素所对应的R、G、B颜色分量，生成彩色图。本发明方法可以获得彩色化效果好、颜色还原度高的彩色图像，且该方法易于硬件转化、可以实现实时的彩色化效果。

摘要： 本发明公开一种基于OLAM的多维度中医针灸关联规则挖掘方法，包括：采用数据预处理技术对原始关系表进行构造，得到数据仓库的星型模式，基于Mondrian构建了数据立方体，完成对从原始数据库到数据立方体的转化；基于立方体模型的结构，通过构造与之适合的查询语句，获得立方体信息，即从立方体数据中得到候选项集、频繁项集；通过置信度，获得相关联结果。

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： 本发明涉及电压暂降预测分析技术领域，且公开了基于多维多层关联规则的电压暂降预测分析方法，包括以下步骤：S1、输入系统结构、系统阻抗、线路长度、线路阻抗系数、线路的保护鉴定参数和线路的故障概率分布；S2、指定敏感负荷位置，并设定其允许的最小的电压，根据最小电压幅值计算每条线路的临界距离；S3、当超过线路长度时，则不考虑此线路，当不超过此线路时，是否采用平均值计算；S4、采用平均值计算，将临界距离连接呈电压暂降域。该基于多维多层关联规则的电压暂降预测分析方法，预测效率高，且结果精确，可满足电压暂降的预测分析，与临界距离法预测电压暂降区域以及电压暂降频率相配合对比，使得预测结果更加精确。

摘要： 本发明涉及网络运维技术领域，尤其涉及一种多维网络指标的关联规则分析方法、设备和存储介质。多维网络指标的关联规则分析方法包括：对获取到的指标数据进行映射，获取数据序列；对所述数据序列进行关联规则挖掘，获取预先选取的目标指标的关联指标集，其中，所述关联指标集是与所述目标指标具有关联关系的网络指标组成的集合；获取所述关联指标集中的每一个指标与所述目标指标的相关系数；根据所述相关系数进行分析，获取所述目标指标的关联结果。应用在网络运维的过程中，达到对关联规则挖掘直接获取的频繁项集进一步分析，确定网络指标关联关系的强度，获取网络指标的强关联关系的目的。

摘要： 本发明公开了一种基于多维关联规则模型的整车多源信号柔性测试方法，是在整车云测试环境下，首先在云端在线划分测试状态，建立整车实际测试状态和目标测试状态的特征集合；然后在多源信号流中截取当前时段信号域，通过构建多维关联规则模型计算更新总线信号与电性能信号检测点的强关联规则集合；最后将总线信号作为输入，通过匹配强关联规则集合，决策下一时段的电性能信号检测点，并控制测试终端设备根据决策动态调整检测点，提高测试系统的柔性反应能力。本发明能提高测试系统应对整车状态和测试需求变化的能力，提升总线信号与电性能信号检测点的协同性，使测试过程更加精准和自动化，为整车测试诊断开发云端化、智能化提供有力支撑。

摘要： 本发明公开了一种基于多维关联规则模型的整车多源信号柔性测试方法，是在整车云测试环境下，首先在云端在线划分测试状态，建立整车实际测试状态和目标测试状态的特征集合；然后在多源信号流中截取当前时段信号域，通过构建多维关联规则模型计算更新总线信号与电性能信号检测点的强关联规则集合；最后将总线信号作为输入，通过匹配强关联规则集合，决策下一时段的电性能信号检测点，并控制测试终端设备根据决策动态调整检测点，提高测试系统的柔性反应能力。本发明能提高测试系统应对整车状态和测试需求变化的能力，提升总线信号与电性能信号检测点的协同性，使测试过程更加精准和自动化，为整车测试诊断开发云端化、智能化提供有力支撑。