FP-tree

摘要： 在现行船旗国安全检查选船标准中,缺乏对船舶动态风险的评估,且船舶风险值差异较小.文中基于海事大数据,采用FP-Tree关联规则算法分析船舶风险因素的关联性,挖掘出对船舶安全影响较大的风险因素.并在现行选船标准的基础上,新增了船舶动态风险因素评价指标,构建船舶综合风险评价体系,综合动、静态风险分值和时间窗口全面评估船舶检查优先等级,达到优化船旗国检查选船方法的目的.通过实验验证,基于综合风险评价模型的船舶安全检查选船方法识别必检船的准确性提升了9.06%.

摘要： 针对传统的线上教学效果评估方法主要依据学生的考试成绩来判定,存在延迟性较大、无法做到实时反馈等问题,文中使用FP-Growth算法对数据频繁项集进行挖掘,并通过创建FP-Tree来存储学习者的行为数据,进而挖掘出数据间潜在的关联规则。同时,为了克服该算法因存在递归现象而导致数据集膨胀且计算困难的缺点,采用了PFP并行系统来求解FP-Growth算法,有效提升了该算法的运行速度。在实验测试中,所设计算法的运行效率明显优于对比算法,且在数据集数量较大时仍可对其进行处理,这表明该算法还能够提升数据的存储容量。

摘要： 历史保护建筑的修缮工程逐渐成为了城市更新与改造不可或缺的重点内容之一。通过词云图分析对上海市历史保护建筑工程修缮工作中的管控共性要点进行梳理与分析,并利用FP-tree关联规则分析各管控要点间的逻辑衔接关系,提炼出“立面恢复要到位”,“装饰复原要细致”,“重点部件要关注”三方面的共性管控要点,为历史保护建筑修缮管控提供一定的参考和借鉴。

摘要： 关联规则的发现对于挖掘数据中的隐含信息非常重要,针对关联规则挖掘算法进行研究,分析了利用FP_Growth算法构建FP-tree和递归挖掘频繁项集的过程,并应用该算法对大学生兴趣爱好问卷调查结果进行分析,通过找出强关联规则,准确了解学生的共同爱好,有助于更好地开展校园文化活动.

摘要： 提出一种基于反向矩阵结构在数据流上挖掘条件偏好和学习CP-nets的方法.利用反向矩阵的事务布局,减少了扫描数据库的次数,并且通过随机访问,在不到一次完整扫描的情况下得到频繁的偏好项.此外,通过建立频繁模式树FP-Tree,减少了候选项的生成.实验结果表明,与其他学习CP-nets结构的方法相比,该方法可以较快获得准确的CP-nets,在大型事务数据库方面表现出良好的性能,减少了内存需求.

摘要： 目前关系词识别规则库中共有规则734条,主要是基于字面特征的规则,仍需补充基于依存关系的规则。本文在依存语法的基础上,运用挖掘频繁项集的FP-tree算法对复句中依存规则进行自动挖掘。首先对语料进行预处理,为避免每次重复扫描数据库,先根据关系词对复句进行分类;同时排除数据集过小的分类结果,以保证挖掘规则的质量;然后利用特征分析器分析预处理后的语料,并对分析结果进行形式化表示得到复句的依存特征集合;接着用FP-tree算法对实验语料进行规则挖掘,共挖掘规则84条。实验结果表明,FP-tree算法对依存规则进行自动挖掘的可行性和有效性。

摘要： 针对传统度量相似性方法中忽略项目多属性类别差异的问题,提出一种改进项目多属性类别划分的推荐算法.首先构建项目—用户隶属矩阵挖掘用户间的隶属关系,并创建相似邻居FP-Tree以提取最近邻居集;然后分析用户间共同项目相似性和项目多属性类别划分的差异性,通过权重因子将共同项目和多属性类别融合,构建CNB度量模型度量邻居相似程度;最后对所得相似用户进行降序排列,获取更加精准的相似用户,完成推荐工作.结合医药数据集验证该算法的有效性,结果表明其时间复杂度、推荐准确性和平均精度均值均有较好的提升.

摘要： FP-growth算法是一种经典的关联规则挖掘算法,但存在查询效率低,在挖掘频繁FP-Tree时,需要反复遍历FP-Tree等问题.针对以上不足,提出一种使用二维表结合哈希表技术的方法来改进传统的FP-growth算法,为了验证该算法的执行时效,使用改进前后两种算法分别对UCI数据库中的数据进行实验,结果表明,在支持度相同的情况下,改进后算法缩短了运行时间,而且支持度越小,这种优势越明显.

摘要： 不同类型的移动目标,其轨迹特征会有较大的差别,如船舶的区域类轨迹和交通工具的折线类轨迹.通过对移动目标的历史轨迹所隐含的频繁模式进行研究,有助于挖掘对象的移动行为特征和预测对象的移动轨迹.面对大量的不确定移动目标所产生的轨迹数据,可以使用关联规则挖掘算法去提取对象的移动轨迹模式,以此来预测对象的轨迹或检测其行为是否规范.FP-growth算法因为其对数据库的访问次数少,所以挖掘移动目标产生的大规模数据时更能体现出其效率优势.提出一种基于FP-Tree改善的轨迹模式挖掘算法,其更适合轨迹这种序列数据.对于移动目标的频繁轨迹模式挖掘的关键问题为:1)大规模轨迹数据预处理;2)针对不同对象的轨迹数据的FTP-Tree的建立;3)使用FTP-Tree挖掘出的轨迹模式的准确性.最后,针对以上关键问题结合相关技术提出解决办法并进行阐述.

摘要： FP-growth算法是频繁模式挖掘中的经典算法，常用于静态数据集的挖掘。将FP-growth算法用于流数据方面，前人已经做了一些研究。但是FP-tree的创建需要两遍扫描数据库，在处理流数据方面收到了很大的限制，使用滑动窗口虽然能在一定程度上解决这一问题，但是依然会造成FP-tree生成时的不准确，影响到后续的挖掘。本文提出了一种用于流数据的FP-tree创建算法single-pass scan FP(SPSFP)，单遍扫描数据库即可准确创建出FP-tree。与传统的FP-tree创建算法相比，本文算法仅扫描数据库一遍，并且不需要将整个数据库调入内存。该方法不仅节省了所占用的空间，而且使得准确挖掘流数据中的频繁模式成为了可能，它的时间耗费方面与传统方法相当。

摘要： FP-growth算法是频繁模式挖掘中的经典算法，常用于静态数据集的挖掘。将FP-growth算法用于流数据方面，前人已经做了一些研究。但是FP-tree的创建需要两遍扫描数据库，在处理流数据方面收到了很大的限制，使用滑动窗口虽然能在一定程度上解决这一问题，但是依然会造成FP-tree生成时的不准确，影响到后续的挖掘。本文提出了一种用于流数据的FP-tree创建算法single-pass scan FP(SPSFP)，单遍扫描数据库即可准确创建出FP-tree。与传统的FP-tree创建算法相比，本文算法仅扫描数据库一遍，并且不需要将整个数据库调入内存。该方法不仅节省了所占用的空间，而且使得准确挖掘流数据中的频繁模式成为了可能，它的时间耗费方面与传统方法相当。

摘要： FP-growth算法是频繁模式挖掘中的经典算法，常用于静态数据集的挖掘。将FP-growth算法用于流数据方面，前人已经做了一些研究。但是FP-tree的创建需要两遍扫描数据库，在处理流数据方面收到了很大的限制，使用滑动窗口虽然能在一定程度上解决这一问题，但是依然会造成FP-tree生成时的不准确，影响到后续的挖掘。本文提出了一种用于流数据的FP-tree创建算法single-pass scan FP(SPSFP)，单遍扫描数据库即可准确创建出FP-tree。与传统的FP-tree创建算法相比，本文算法仅扫描数据库一遍，并且不需要将整个数据库调入内存。该方法不仅节省了所占用的空间，而且使得准确挖掘流数据中的频繁模式成为了可能，它的时间耗费方面与传统方法相当。

摘要： 研究分布式存储结构下频繁闭合模式挖掘的并行化问题,针对频繁闭合模式的特点,提出了两阶段并行判断频繁模式闭合性的方法,基于串行算法FPcloae和两种FP-tree的并行构造方式,分别给出了两个频繁闭合模式挖掘并行算法DP-FP和DL-F1P,性能分析表明.这两个算法具有较大的并行化,较小的I/O开销与良好的负载平衡.

摘要： 研究分布式存储结构下频繁闭合模式挖掘的并行化问题,针对频繁闭合模式的特点,提出了两阶段并行判断频繁模式闭合性的方法,基于串行算法FPcloae和两种FP-tree的并行构造方式,分别给出了两个频繁闭合模式挖掘并行算法DP-FP和DL-F1P,性能分析表明.这两个算法具有较大的并行化,较小的I/O开销与良好的负载平衡.

摘要： 研究分布式存储结构下频繁闭合模式挖掘的并行化问题,针对频繁闭合模式的特点,提出了两阶段并行判断频繁模式闭合性的方法,基于串行算法FPcloae和两种FP-tree的并行构造方式,分别给出了两个频繁闭合模式挖掘并行算法DP-FP和DL-F1P,性能分析表明.这两个算法具有较大的并行化,较小的I/O开销与良好的负载平衡.

摘要： 研究分布式存储结构下频繁闭合模式挖掘的并行化问题,针对频繁闭合模式的特点,提出了两阶段并行判断频繁模式闭合性的方法,基于串行算法FPcloae和两种FP-tree的并行构造方式,分别给出了两个频繁闭合模式挖掘并行算法DP-FP和DL-F1P,性能分析表明.这两个算法具有较大的并行化,较小的I/O开销与良好的负载平衡.

摘要： 研究分布式存储结构下频繁闭合模式挖掘的并行化问题,针对频繁闭合模式的特点,提出了两阶段并行判断频繁模式闭合性的方法,基于串行算法FPcloae和两种FP-tree的并行构造方式,分别给出了两个频繁闭合模式挖掘并行算法DP-FP和DL-F1P,性能分析表明.这两个算法具有较大的并行化,较小的I/O开销与良好的负载平衡.

摘要： 本文基于数据挖掘技术,提出了一种对Web服务器的入侵检测方法,应用系统日志作为数据源,对用户及系统正常行为数据进行挖掘、分析,生成异常检测模型,并依据此模型进行检测,实现了频繁模式库更新和新日志的检测.

摘要： 本文基于数据挖掘技术,提出了一种对Web服务器的入侵检测方法,应用系统日志作为数据源,对用户及系统正常行为数据进行挖掘、分析,生成异常检测模型,并依据此模型进行检测,实现了频繁模式库更新和新日志的检测.