最小支持度

摘要： 在关联规则的挖掘中,对已发现的关联规则高效的维护和更新十分重要,目的是提高当判断条件和数据库发生变化后的更新效率。通过分析快速增量更新FUP算法,该算法的适用情况较为单一,剖析FUP算法的多轮迭代过程,在该算法的迭代基础上提出改进后的关联规则高效更新IEUP算法,对最小支持度发生改变时的情况增设判断条件,适应更广的更新范围。通过举例和实验验证表明,IEUP算法有效适用于最小支持度和事务数据集发生变化时的关联规则更新,具有可行性和高效性。

摘要： 针对多层实时网络加密数据流频繁项集常受码间干扰,现有挖掘方法缺少对干扰的抑制而导致挖掘输出效果不好、传输误码率偏高、滤波效果差的问题,提出一种基于集对分析的挖掘方法.构建频繁项集的传输信道模型,对频繁项集的输出进行聚簇性设计和跟踪识别,根据空频结构在簇首节点完成集成处理;在近场源中提取频繁项集的平均集对特征量,通过自适应滤波器进行码间干扰抑制;对经干扰抑制的加密大数据流频繁项集进行集对分析,提取频繁项集的平均集对特征量,优化挖掘函数.结果表明,该方法的抗干扰能力强,传输误码率较低,滤波效果好.

摘要： 为提高发布轨迹数据的隐私保护程度和数据可用效率,提出了一种基于最小支持度的轨迹数据隐私保护方法support-set.在满足最小支持度的条件下,使用距离最近的归纳化集合代替真实的位置点,通过最小化原始轨迹数据库和匿名化处理后的轨迹数据库之间的距离,能够保护用户的隐私信息和提高数据的可用性.最后,通过实验验证了提出方法的可行性和有效性.

摘要： 通信网络数据采集量较大,且重复数据较多,如果直接在原始时序上采集,会导致数据特征观察不清,从而引起采集效率低、精准度不高等问题.为此提出多通道通信网络数据跨层采集时序控制方法.利用免疫遗传算法挖掘通信数据,获取最小支持度与最低可信度的表达式,以此在最大程度上剔除无用信息,实现跨层无冗余数据挖掘.根据数据挖掘结果结合最短路径原则,将数据采集问题转换为最优路径选择问题,通过对通信网络数据目标函数的计算分析采集原理.以上述原理为基础,设计时序控制逻辑,绘制工作时序图,形成时序控制方案.将拥塞度与延时性作为评价指标,分析实验结果可知,所提方法能够最大限度的发挥通信数据采集的效能,提高了采集的效率与准确性.

摘要： 针对传统分布式数据库中关系数据正负关联规则挖掘的准确度较低、挖掘效率较低等问题,提出一种新的分布式数据库中关系数据正负关联规则挖掘方法.在关联规则基本概念和性质分析基础上,利用多级支持度从频繁项集中生成正关联规则,结合根据频繁项集和非频繁项集生成负关联规则,通过最小支持度合理设置相关置信度,引入不同权重值于各数据库中,实现分布式数据库中关系数据正负关联规则的挖掘.仿真结果表明,以上算法可有效识别结果规则集中的负关联规则和弱关联规则,确保数据库中关联数据挖掘更加准确;在不同最小支持度或不同事务数条件下,挖掘速度较快,提升了挖掘效率.

摘要： 针对自然排序树(CAN-tree)算法构建的树结构节点个数过多、压缩性不高等问题,提出一种基于重构的改进CAN-tree算法.首先,使用自然排序法直接构建树结构,将频繁项集挖掘算法实现中数据库扫描次数减少至1;然后,对构建的树结构以支持度降序方式结合剪枝操作实现树结构的重构,得到高压缩性的树结构;最后,对重构的树结构进行频繁项集挖掘.实验结果表明,基于重构的改进CAN-tree算法所构建的树结构节点个数减少至原来的20％以下,执行效率提高了4至6倍,在频繁项集挖掘中有效地压缩了树结构,缩短了算法的执行时间.

摘要： 目的:针对FP-growth算法项结点查询耗时,频繁项集挖掘需要不断产生条件FP-tree等问题,提出了一种基于数组和辅助项头表的快速频繁项集挖掘算法。方法:首先算法使用Array-structure代替FP-tree;然后使用具有两层可hash结构的辅助项头表取代频繁项集头表,并存储项结点在Array-structure上的位置信息,结合数组可被索引和hash结构特性快速定位项结点;最后利用辅助项头表上存储的项结点信息直接挖掘频繁项集,无需生成条件FP-tree。结果:与FP-growth等算法相比,该算法在不同类型的数据集上极大地缩短了算法的执行时间。结论:基于数组和辅助项头表的快速频繁项集挖掘算法在密集型和稀疏型数据集上都具有更好的挖掘性能和更高的执行效率。

摘要： 目的:针对FP-growth算法项结点查询耗时,频繁项集挖掘需要不断产生条件FP-tree等问题,提出了一种基于数组和辅助项头表的快速频繁项集挖掘算法.方法:首先算法使用Array-structure代替FP-tree;然后使用具有两层可hash结构的辅助项头表取代频繁项集头表,并存储项结点在Array-structure上的位置信息,结合数组可被索引和hash结构特性快速定位项结点;最后利用辅助项头表上存储的项结点信息直接挖掘频繁项集,无需生成条件FP-tree.结果:与FP-growth等算法相比,该算法在不同类型的数据集上极大地缩短了算法的执行时间.结论:基于数组和辅助项头表的快速频繁项集挖掘算法在密集型和稀疏型数据集上都具有更好的挖掘性能和更高的执行效率.

摘要： 针对正常运行的冷水机组故障难以预测的问题,提出了关联规则挖掘的故障诊断方法,通过读取冷水机组历史数据库,挖掘出各个变量与故障之间的关系.由于Apriori算法可能因人工设置的支持度不合理导致关联规则挖掘结果不能满足需求,故提出了采用改进Apriori算法实现冷水机组故障关联规则挖掘.实验结果表明,改进后的算法在准确率、扫描数据库次数以及运行时间上有明显改善.%For the unpredictable problems of water chiller faults in normal operation,proposes a fault diagnosis method with association rule mining.Based on the history database of the water chillers,figures out the relationship between the variables and the faults.Proposes an improved Apriori algorithm,whose support can make the association rule mining results meet the requirements.The results show that the updated algorithm significantly improves the accuracy,the number of scanned database and the running time.

摘要： Apriori algorithm is a classic association analysis mining algorithm, but the Apriori algorithm is inefficient and requires multiple scans in the database. In response to these problems, an Improved Apriori Algorithm Based on Hash Tables is proposed here. When the Improved Apriori Algorithm Based on the Hash Tables is calculating, only the corresponding items in the corresponding frequent itemset Hash table need to be scanned, the scanning range is reduced, the calculation efficiency is improved significantly, and the database needs to be only scanned once. Compared with the classic Apriori algorithm, the performance is significantly improved.%Apriori算法是一种经典的关联分析挖掘算法.经典Apriori算法计算效率偏低, 并且需要多次扫描数据库.针对这些问题, 文章提出了基于Hash表改进的Apriori算法.基于Hash表的改进Apriori算法计算时只需扫描对应频繁项集Hash表中对应的项, 缩小了扫描范围, 并且只需要扫描一次数据库.对比经典的Apriori算法, 性能具有显著提高.

摘要： 本文通过扩展传统的关联规则模型，为每一数据项赋给不同的最小支持度，成功地解决了用单一的最小支持度挖掘关联规则不能完全反应在数据库中不同的数据项出现的颇度与性质的问题.基于该模型，本文提出了一种快速的基于FP-Tree支持多重最小支持度的关联规则发现算法，将其应用在了农业专家系统开发平台中，对已有的农业数据库中对其进行了应用。实践表明.本文提出的算法是灵活的和高效的，它能发现稀少数据项蕴涵的规则的同时却又不用产生大量的无用规则，而且在性能上也大大优于传统的关联规则挖掘算法。

摘要： 频繁项集挖掘是从现实生活中的数据集中抽取隐含知识的重要手段之一.随着数据量的增加,对分布式算法的需求越来越迫切.近年来,已经有一些在Spark平台上进行频繁项集挖掘的工作,例如YAFIM和PFP,然而现有的基于Spark的频繁项集挖掘算法没有充分发挥Spark平台的灵活性和计算性能.本文提出一种基于Spark的两阶段频繁项集挖掘算法,第一阶段挖掘数据块内局部频繁项集,第二阶段对第一阶段的结果进行汇总剪枝并得到全局候选项集,进而通过统计全局候选项集的支持度获得整个数据集的频繁项集。同时，本文还针对两阶段挖掘算法进行了负载均衡和有关最小支持度的优化。实验结果表明该算法具有相对于现有分布式算法具有更好的执行效率，同时所做的优化对效率的提升也有很大的帮助。

摘要： 关联规则是数据挖掘的核心技术,在金融业中有着非常广泛的应用前景.本文提出了一种改进的关联规则算法——改进的Apriori算法,并将该算法应用到邮政账单分类中,通过分析用户集合构成规格化的数据库,获得满足最小支持度的项集,进而形成规则集.利用邮政账单数据进行测试,得到了精确的用户分类结果,实验表明该方法是行之有效的.

摘要： 本文针对CLOSET+算法的维护问题提出了快速更新频繁闭合项目集算法—FUCloset+(Fast Updating Algorithm of Frequent Closed Itemsets),该算法主要考虑最小支持度发生变化时频繁闭合项目集的更新情况.FUACloset+在最坏的情况下仅须扫描各局部数据库一遍,且利用CLOS-ET+的项目集合并、子项目集修剪以及子集检验等优化策略及已挖掘的结果,可确保对频繁闭合项目集进行高效的更新.

摘要： 关联规则是数据挖掘中的重要研究内容之一.目前,已经提出了许多算法用于发现大规模数据库中的关联规则.但是,通常面对的数据库极为庞大,扫描一遍数据库需要花费很多的时间,降低了效率.另一方面,也需要高效的算法来更新维护这些已经挖掘出来的规则以达到节省资源的目的.针对这种情况,提出一种新的算法,它描述了在事务数据库和最小支持度都不变增加项目集时,如何高效地发现新的总项集的关联规则.这个算法充分利用已经挖掘的规则和已经实现的经典挖掘算法,简单高效.同时试验证明,该算法是有效可行的.

摘要： ＫＤＤ是近年来的一个新兴研究领域，挖掘关联规则是其中最常使用的技术之一。该文介绍了定量型关联规则的挖掘技术，给出了一种算法，并介绍了对该算法的应用情况。

摘要： ＫＤＤ是近年来的一个新兴研究领域，挖掘关联规则是其中最常使用的技术之一。该文介绍了定量型关联规则的挖掘技术，给出了一种算法，并介绍了对该算法的应用情况。

摘要： ＫＤＤ是近年来的一个新兴研究领域，挖掘关联规则是其中最常使用的技术之一。该文介绍了定量型关联规则的挖掘技术，给出了一种算法，并介绍了对该算法的应用情况。

摘要： ＫＤＤ是近年来的一个新兴研究领域，挖掘关联规则是其中最常使用的技术之一。该文介绍了定量型关联规则的挖掘技术，给出了一种算法，并介绍了对该算法的应用情况。

摘要： 本发明公开了一种含砂卵石地层盾构隧道开挖面最小支护力计算方法，包括以下步骤(1)根据盾构隧道开挖面滑塌时的形状建立三维力学模型；(2)根据实际地层和计算需要做出基本假设；(3)根据基本假设对三维力学模型进行主动极限状态下的受力分析，建立平衡方程；(4)对平衡方程中的其他未知量进行求解，最终得到最小支护力。本发明中的计算方法简洁明了，只需把现场的实际参数代入计算公式，就能快速计算得到最小支护力，并且结果与实际工程更加符合，更加具有参考价值，相较于传统的经验公式法，更准确、更能代表盾构隧道开挖面所需的最小支护力，且计算过程简便，计算参数获取容易。

摘要： 一种监测围岩稳定所需最小支护力的方法，该方法包括以下步骤：步骤1：在围岩上安装永不拆除衬砌轮胎的隧道衬砌结构；步骤2：确定步骤1的围岩变形达到稳定时的时间；步骤3：记录步骤2当围岩变形达到稳定时的衬砌轮胎的胎体压强a的数值；步骤4：粗调；即得到围岩稳定所需最小支护力d。本发明提供的一种监测围岩稳定所需最小支护力的方法，可以解决围岩变形达到稳定时所需支护力较难测定的问题，可以根据工程精度的要求，精确监测围岩变形围岩所需的最小支护力，简单易行。

摘要： 本发明涉及配网优化的技术领域，更具体地，涉及一种基于离散小波变换和优化最小支持向量机的负荷预测方法，通过小波变换，将负荷序列分量投影到不同的尺度上，并对不同的子负荷序列分别采用DWT‑IPSO‑LSSVM模型进行预测。通过改进粒子群优化算法挑选最佳的惩罚参数以及核函数参数，建立小波分解和改进粒子群优化的LSSVM负荷预测模型，通过对各负荷分量预测结果进行重构，得到完整的负荷预测结果。本发明克服传统LSSVM在参数选择上的盲目性及PSO‑LSSVM负荷预测精度的不足，在工作日以及节假日的短期负荷预测中，预测精度都很高，并且收敛速度快，不宜陷入局部最优，具有很好的鲁棒性和强泛化能力。

摘要： 本发明的多层网络最小支配集构造方法，通过以下步骤来实现：a).初始化支配集合D为空集；将相连的节点i与j的关联概率初始化为区间（0,1]内的随机值；b).构建信念传播方程，计算每个节点处于已被占据状态的概率；c).节点添加，将节点按照被占据状态概率值降序排列，将前r比例的节点添加到支配集中；d).连边和节点的删除；e).掐叶算法处理；f).再次迭代；g).直到获得一个有效的支配集D。本发明的多层网络最小支配集构造方法，通过构建的信念传播方程计算多层网络节点属于多层网络最小支配集的边际概率，并使用多层网络掐叶算法以降低计算复杂程度，可快速构造出大规模多层网络的近似最小支配集。

摘要： 本发明涉及一种利用膜计算提高时间有效性实现最小支配集的方法，包括以下步骤：建立膜计算(P系统)MDS(最小支配集)模型；初始化用于实现MDS的膜计算单元；定义膜计算单元的数量；将线性表达式输入膜计算单元；结合算法，在P‑Lingua环境下迭代执行，最终在线性时间内实现基于膜计算的MDS.本发明是利用膜计算完成了实现最小支配集的一种方法，通过具体实施方式的结果表明，该方法提高了时间有效性，解决了线性时间内求解最小支配集的有效算法的问题。

摘要： 本发明公开了一种含砂卵石地层盾构隧道开挖面最小支护力计算方法，包括以下步骤(1)根据盾构隧道开挖面滑塌时的形状建立三维力学模型；(2)根据实际地层和计算需要做出基本假设；(3)根据基本假设对三维力学模型进行主动极限状态下的受力分析，建立平衡方程；(4)对平衡方程中的其他未知量进行求解，最终得到最小支护力。本发明中的计算方法简洁明了，只需把现场的实际参数代入计算公式，就能快速计算得到最小支护力，并且结果与实际工程更加符合，更加具有参考价值，相较于传统的经验公式法，更准确、更能代表盾构隧道开挖面所需的最小支护力，且计算过程简便，计算参数获取容易。

摘要： 本发明公开了一种基于最小支配集分簇的故障定位方法，主要包括：步骤1：根据光网络的物理拓扑，基于最小支配集将光网络进行分簇，并在簇头节点中选取汇聚节点，进行分层；步骤2：各个簇头节点收集该簇成员节点发送的链路信息表并对其进行匹配，定位故障。本发明的一种基于最小支配集分簇的故障定位方法，可以实现全网故障定位、提升故障定位速度以及降低对业务的依赖性的优点。

摘要： 本发明公开了一种基于自适应多最小支持度的关联规则推荐方法，首先根据商品分类建立商品分类层次树，并根据分类层次树对具体商品进行归类；接下来分别为每个具体商品和具体商品层上一层的类别进行最小支持度阈值设置，阈值设置涉及时间因素、具体商品价格因素以及具体商品品牌因素的影响，在支持度阈值设定基础上，再利用多最小支持度关联规则扩展算法挖掘频繁项集和产生规则；最后采用Top‑N推荐方法为每位用户生成推荐。本发明在为用户做个性化推荐时，考虑了多种因素对具体商品和类别的多最小支持度阈值设定的影响，能较好的体现不同物品的特征，同时缓解了推荐系统中数据稀疏性问题和冷启动问题，能更加准确的为用户进行个性化推荐。

摘要： 一种面向轨道交通应用的动态最小支持度计算方法，包括步骤如下：步骤1、数据剔异，步骤2、以车站属性分类，形成各车站的故障信息；步骤3、产生序列子集：对步骤2中产生的每个车站的故障信息进行以时间顺序排序产生列表；采用非固定窗口的时间序列方法对故障信息进行离散化操作产生新的序列子集；步骤4、拟合曲面方程；步骤5、计算最短距离；计算每个车站第一条故障属性的信息值与各序列子集的最短距离；步骤6、计算平均距离：计算出每个车站第一条故障信息与各序列子集的最短距离的平均值。本发明的一种面向轨道交通应用的动态最小支持度计算方法有效解决了Apriori算法只能凭借经验使用人为设定的最小支持度的问题，提高了Apriori算法的应用效率。

摘要： 本发明公开了一种基于自适应多最小支持度的关联规则推荐方法，首先根据商品分类建立商品分类层次树，并根据分类层次树对具体商品进行归类；接下来分别为每个具体商品和具体商品层上一层的类别进行最小支持度阈值设置，阈值设置涉及时间因素、具体商品价格因素以及具体商品品牌因素的影响，在支持度阈值设定基础上，再利用多最小支持度关联规则扩展算法挖掘频繁项集和产生规则；最后采用Top-N推荐方法为每位用户生成推荐。本发明在为用户做个性化推荐时，考虑了多种因素对具体商品和类别的多最小支持度阈值设定的影响，能较好的体现不同物品的特征，同时缓解了推荐系统中数据稀疏性问题和冷启动问题，能更加准确的为用户进行个性化推荐。