Apriori

摘要： 传统的关联规则挖掘算法有三种,分别是Apriori算法、FP-growth算法和Eclat算法。其中传统的Apriori算法简单易实现,但处理海量数据时耗时巨大且磁盘I/O过高,效率低下。而FP-growth算法虽然快速且高效,但对于内存资源极其不友好,且挖掘过程中出现问题难以追踪。针对Apriori算法与FP-growth算法的优缺点,本文提出了一种基于深度递归与散列技术改进的Apriori算法。该算法基于散列技术与递归思想,将传统算法的遍历次数大幅度降低,且很大程度上减少了磁盘I/O,保证了较低的时延和更多的存储空间,在算法时间和空间复杂度方面进行了一定程度上的优化。既提高了传统Apriori算法的效率,同时也保证了算法的可扩展性。

摘要： 为了能有效地分析高校体能测试数据且快速地反馈影响学生体测成绩的因素,本文以我校体能测试数据为样本,先进行数据预处理转换成适用于数据挖掘的数据集,考虑到体测数据特征有限并且长度一致的特点,采用事务压缩技术与hash技术相结合的Apriori算法进行数据分析,减少了遍历数据库的次数和生成的候选项集的规模,在保证挖掘精度的同时提高算法的运行效率.最后与Apriori算法、基于事务压缩的Apriori算法、基于hash技术的Apriori算法进行对比分析,实验结果表明,本文提出的事务压缩和hash技术相结合的改进Apriori算法,能有效地分析出学生体测成绩间的关联规则,对学生的体能训练具有更强的指导意义,与Apriori算法相比,运行效率提高了85%以上.

摘要： 针对高校心理健康工作自动化、智能化的需求,文中对数据挖掘技术进行了研究,基于灰度关联规则和Apriori算法设计了心理健康的预警分析方法。该方法通过灰度关联算法(GRA)确定参考数据序列,同时引入了若干比较序列。对参考序列与比较序列之间的相似度进行分析,并用结果来衡量二者之间的关联度,从而确定SCL-90心理健康评价体系下各个指标的打分权重。引入了Apriori算法,在给定的事务数据库T中寻找频繁序列,以满足预定的最小支持度与置信度条件,从而挖掘出导致心理健康问题的一般性规律。为了验证所提方法的性能,文中进行了数据分析实验。在采集数据时,借助SQL数据库和J2EE技术设计了数据采集平台。实验结果表明,该批次人员存在心理健康问题的占比为2.11%。与心理健康台账对比结果显示,文中方法的预测准确率为92.32%,可以满足智能化的心理健康预警需求。

摘要： 目的使用数据挖掘相关技术对《秘传眼科龙木论》中泻肝汤(散)进行分析研究,挖掘其中存在的规律与特色。方法对《秘传眼科龙木论》中泻肝汤(散)的组方数据进行收集整理,并运用频数分析、Apriori算法进行数据挖掘。结果频次分析得出泻肝汤性味特点和前十位常用药排序。关联分析得到28条强关联规则,分析得出泻肝汤基本构架。结论泻肝汤以苦寒为主,辅以辛温之药。在基本架构的基础上随病而加减变化。

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： 随着现代化进程的推进,高能耗建筑已不能满足社会发展的需求。在低碳节能背景下,发展绿色建筑成为了必由之路,但对其节能设计效果有待进一步研究。选用Apriori关联算法从已有绿色建筑能耗评价的文章中选取8个关键因素,构建回归模型分析绿色建筑因素对建筑能耗的影响程度。结果显示,外墙传热系数(X1)、屋顶传热系数(X2)、建筑物体形系数(X3)、窗墙比(X5)、人员密度(X6)对建筑耗能是正向影响关系,外窗的遮阳系数(SC值)(X4)、节能政策虚拟变量(X7)、室外绿化率(X8)是负向的影响关系。基于研究结果,从绿色建筑围护结构的设计、建筑规划、建筑节能政策三个方面提出了建议。

摘要： 提出一种基于关联规则挖掘算法的5G云网告警分析方案,对机器学习算法FP-Growth进行契合5G云网告警场景的改进和应用,利用现网告警数据展开告警关联分析工作,挖掘网元及云侧告警之间的关联关系,并进行告警压缩和收敛,为5G云网故障分析和定位提供有效帮助。此外,基于实际告警数据对Apriori和FP-Growth算法的性能进行了比较,结果表明,FP-Growth关联规则挖掘算法与Apriori相比效率更高,更适合海量数据场景下的告警关联分析。

摘要： 在手术操作中人体腹腔压强需要保持恒定,适量充入或释放CO以达到维持人体腹腔压强恒定的目的,CO的充入是通过阀门开度进行控制。对此,本文提出一种面向恒压腹腔镜手术的云控制过程模型,将病人的生理信息进行分类,并筛选出对应的手术过程数据集,数据集采用DTW算法,计算各类病人的多台手术中阀门开度随时间变化的曲线相似性,筛选出曲线变化较为相似的手术过程,再使用Apriori进一步挖掘强相关的手术过程;利用引起阀门开度变化的事件进行切割手术过程,形成手术过程控制片段;最后使用多项式曲线拟合的方法对手术过程片段进行拟合,获得各类病人手术中事件-过程控制段键值对集合,从而建立病人腹腔镜手术的云控制过程模型。通过前端模型仿真实验表明,该模型能够保证在腹腔镜手术过程中腹腔压强恒定时长在90%左右。

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： 为降低养护作业风险,提高养护作业的安全性,采用Apriori算法挖掘布控及施工过程中对养护作业安全影响具有强相互关联的问题,并基于优化评价指标后的LEC法对高速公路养护作业区布控及施工进行风险分析。对某省高速公路养护期间的作业区布控及作业区内施工情况进行调研分析,结果表明所用方法可有效提取影响养护作业安全的关键问题,评估养护作业的风险等级,为后续的养护作业安全管理提供理论指导及依据。

摘要： 针对产品开发项目中所需的知识配置方法进行了研究。为了对异质异构环境下的知识进行配置，提出通过领域本体构造元知识，再用其构造知识项。利用知识项对异质异构环境下的知识进行组织，并建立相似度，而后再通过综合模糊评判法建立相关度，根据相似度与相关度设计了一种基于Apriori的知识分配算法。该方法可以根据知识项之间的相关度与相似度在产品开发项目过程中对知识进行有效的分配，知识项分配后，开发人员还可以对知识项之间的相关度进行调整，具有较高的灵活性。最后设计了原型系统，并在一个光电子企业进行了验证。

摘要： 针对产品开发项目中所需的知识配置方法进行了研究。为了对异质异构环境下的知识进行配置，提出通过领域本体构造元知识，再用其构造知识项。利用知识项对异质异构环境下的知识进行组织，并建立相似度，而后再通过综合模糊评判法建立相关度，根据相似度与相关度设计了一种基于Apriori的知识分配算法。该方法可以根据知识项之间的相关度与相似度在产品开发项目过程中对知识进行有效的分配，知识项分配后，开发人员还可以对知识项之间的相关度进行调整，具有较高的灵活性。最后设计了原型系统，并在一个光电子企业进行了验证。

摘要： 针对产品开发项目中所需的知识配置方法进行了研究。为了对异质异构环境下的知识进行配置，提出通过领域本体构造元知识，再用其构造知识项。利用知识项对异质异构环境下的知识进行组织，并建立相似度，而后再通过综合模糊评判法建立相关度，根据相似度与相关度设计了一种基于Apriori的知识分配算法。该方法可以根据知识项之间的相关度与相似度在产品开发项目过程中对知识进行有效的分配，知识项分配后，开发人员还可以对知识项之间的相关度进行调整，具有较高的灵活性。最后设计了原型系统，并在一个光电子企业进行了验证。

摘要： 针对产品开发项目中所需的知识配置方法进行了研究。为了对异质异构环境下的知识进行配置，提出通过领域本体构造元知识，再用其构造知识项。利用知识项对异质异构环境下的知识进行组织，并建立相似度，而后再通过综合模糊评判法建立相关度，根据相似度与相关度设计了一种基于Apriori的知识分配算法。该方法可以根据知识项之间的相关度与相似度在产品开发项目过程中对知识进行有效的分配，知识项分配后，开发人员还可以对知识项之间的相关度进行调整，具有较高的灵活性。最后设计了原型系统，并在一个光电子企业进行了验证。

摘要： 针对产品开发项目中所需的知识配置方法进行了研究。为了对异质异构环境下的知识进行配置，提出通过领域本体构造元知识，再用其构造知识项。利用知识项对异质异构环境下的知识进行组织，并建立相似度，而后再通过综合模糊评判法建立相关度，根据相似度与相关度设计了一种基于Apriori的知识分配算法。该方法可以根据知识项之间的相关度与相似度在产品开发项目过程中对知识进行有效的分配，知识项分配后，开发人员还可以对知识项之间的相关度进行调整，具有较高的灵活性。最后设计了原型系统，并在一个光电子企业进行了验证。

摘要： Apriori算法是发现频繁项目集的经典算法，但是该算法需反复扫描数据库，因此效率较低。针对Apriori算法，CBARM(Groutp Based Association Rules Mining)算法对事务集进行压缩，并且在统计Ck中各项集的支持频度时，逐步减小Ck的规模，从而改善算法的性能。

摘要： Apriori算法是发现频繁项目集的经典算法，但是该算法需反复扫描数据库，因此效率较低。针对Apriori算法，CBARM(Groutp Based Association Rules Mining)算法对事务集进行压缩，并且在统计Ck中各项集的支持频度时，逐步减小Ck的规模，从而改善算法的性能。

摘要： Apriori算法是发现频繁项目集的经典算法，但是该算法需反复扫描数据库，因此效率较低。针对Apriori算法，CBARM(Groutp Based Association Rules Mining)算法对事务集进行压缩，并且在统计Ck中各项集的支持频度时，逐步减小Ck的规模，从而改善算法的性能。

摘要： Apriori算法是发现频繁项目集的经典算法，但是该算法需反复扫描数据库，因此效率较低。针对Apriori算法，CBARM(Groutp Based Association Rules Mining)算法对事务集进行压缩，并且在统计Ck中各项集的支持频度时，逐步减小Ck的规模，从而改善算法的性能。

摘要： Julisch提出的聚类算法可以有效地减少IDS日志中的假阳性警报并找到根本的触发原因.但是由于海量的安全日志记录使常规的数据挖掘算法很难实时求解出触发的根源.因此,提出一种基于APRIORI的层次化聚类算法(HCAbA),首先阐述了APRIORI的可行性;然后进行日志聚类之后充分利用位操作的优势,将求交集操作映射为位与运算;最后在利用位操作求交之后从所有日志中删除上次求解出来的抽象向量覆盖的日志,使得将来的日志分析负担大大减少.实验表明,在预处理后采用位操作使得效率显著提高,建议常用CPU考虑增加或扩展某些机器指令.

摘要： 本申请提供了一种基于Apriori的采煤工作面工艺控制参数反馈调节方法和系统。该方法包括：根据建立的采煤工作面的历史时序数据库中包含的采煤工作面的历史生产数据，得到采煤工作面工艺控制参数的变化值；基于Kmeans方法，将采煤工作面工艺控制参数的变化值离散化，得到采煤工作面工艺控制参数的离散数据库；采用Apriori关联规则算法，对离散数据库中工艺控制参数的变化值进行求解，提取采煤工作面工艺控制参数反馈调节的关联规则；根据提取的关联规则的置信度与预定义规则，生成采煤工作面工艺控制参数中设备调节参数与生产调节参数之间的关联规则库，从而，实现调节设备参数来控制生产目标的变化，用以指导煤矿的生产。

摘要： 本发明涉及一种基于改进Apriori算法的相似模型检索系统，属于相似性检索技术领域。本发明为提高Apriori关联规则挖掘效率，采用改进Apriori算法实现增量快速更新与阈值快速更新，根据“频繁项集任一子集必是频繁项集”原则，利用现有频繁项集，对新增候选项集进行剪枝，接着生成新频繁项集，然后通过频繁项集计算关联规则。最后，使用余弦相似度算法挖掘潜在相似模型。本发明为相似算法模型检索提供了高效的技术方案，具有重要的现实应用价值。

摘要： 本发明涉及一种基于改进Apriori算法的相似模型检索方法，属于相似性检索技术领域。本发明为提高Apriori关联规则挖掘效率，采用改进Apriori算法实现增量快速更新与阈值快速更新，根据“频繁项集任一子集必是频繁项集”原则，利用现有频繁项集，对新增候选项集进行剪枝，接着生成新频繁项集，然后通过频繁项集计算关联规则。最后，使用余弦相似度算法挖掘潜在相似模型。本发明为相似算法模型检索提供了高效的技术方案，具有重要的现实应用价值。

摘要： 本发明公开了一种基于改进Apriori算法的重复来电诉求链路分析方法，涉及一种链路分析领域。目前客户诉求涉及业务繁杂，处理时所需的计算资源大，且时间长。本发明包括步骤：1)重复诉求链路规整，得到重复来电诉求链路初始化数据集合；2)通过改进Apriori算法对每个重复来电诉求业务链路置信度进行计算；3)对重复诉求链路进行分析，得到诉求链路间业务趋势；本技术方案本技术方案充分结合重复诉求频度、时间序列、业务分类等特点，融合改进Apriori算法进行诉求链路间业务趋势分析；缩减、规整重复诉求链路计算数据集合，同时简化Apriori算法迭代计算环节，减少计算资源和时间，能及时定位供电服务风险问题，提升95598重复诉求业务规律识别能力。

摘要： 一种基于Apriori的海洋环境噪声与水文气象关联关系挖掘方法，属于海洋环境噪声与水文气象的数据挖掘领域。其特征为首先获取海洋环境噪声与水文气象数据并进行预处理，将预处理后的海洋环境噪声进行FFT分析，得到环境噪声谱级。然后对环境噪声谱级、风速和温度分级化表征，得到海洋环境事务集T。对海洋环境事务集T离散化后采用Apriori算法进行关联规则挖掘，发现海洋环境噪声与水文气象间的强关联关系。本发明的效果和益处是：通过Apriori算法对海洋环境噪声与水文气象进行关联关系挖掘，能够根据特定目的挖掘出某个水文气象要素对海洋环境噪声谱级变化的影响，并给出水文气象要素影响特定频段海洋环境噪声谱级的置信度，提高了海洋环境噪声谱级预测的准确性。

摘要： 本发明公开了一种基于Apriori的调度处置规则挖掘与生成方法及系统。本发明对历史数据进行分析和处理，按照关键特征量将海量历史运行方式聚类成为若干个运行方式簇，同一运行方式簇内的样本数据具有比较接近的运行方式，并且同一考核故障下具有相同的安全风险环节和处置措施。通过对电网运行方式的聚类，提取出典型电网运行方式，提高电网安全稳定分析和决策的完备性。对于历史上未出现过的场景，基于Apriori算法进行电网调度处置关联规则挖掘，从运行数据中挖掘电网各类信息变化与电网风险环节、风险环节与控制措施、控制措施与措施实施后裕度变化情况之间的潜在关联关系，解决场景匹配不成功情况下处置措施生成问题。

摘要： 基于Apriori算法的智能化体检套餐分析推荐方法，所述分析推荐方法包括以下步骤：服务器通过GPRS通讯器和前台页面与体检者上位机建立通讯连接，再通过采集器来采集传输与体检者健康状况相关的信息数据到服务器，并在服务器内进行分类存储，得到总数据集；服务器通过Apriori算法来制定数据关联规则对采集得到的总数据集进行分析处理；服务器制定评估标准对找出的数据集合进行分析处理，得到频繁项集，所述评估标准包括支持度、置信度和提升度；基于评估标准和频繁项集，服务器通过后台框架和不同接口与数据库建立连接进行查询比对，得到适合于体检者的体检套餐；服务器通过前台页面和输出器将定制的体检套餐精准推荐传输到体检者上位机。

摘要： 本发明公开了一种基于改进的Apriori算法的电网数据挖掘方法，通过限制候选产生发现频繁项集，再由频繁项集产生关联规则，产生关联规则为：1、扫描所有频繁项集L，并计算置信度、效率度、兴趣度；2、与置信度阈值比较，去除不满足条件的频繁项集，得到频繁项集L′；3、与效率度阈值比较，去除不满足条件的频繁项集，得到频繁项集L″；4、与效率度阈值比较，去除不满足条件的频繁项集，得到频繁项集L″′；5、产生关联规则并输出。本发明在产生关联规则阶段引入效率度和兴趣度两个因子，来确定目标事务数据库中各个项集之间的关联关系，从而更加准确地筛选出强关联规则，从而更利于电网数据的挖掘，从电网数据中获得更多有用信息。

摘要： 本发明公开一种基于改进Apriori算法的水利工程安全隐患描述关联规则挖掘方法，首先使用Jieba分词对大量不同类别的水利工程安全隐患描述文本进行预处理，采用TextRank算法对分词结果进行关键词提取和词性筛选，得到隐患描述文本关键词；然后基于独热编码对关键词项集进行布尔矩阵转换，融合改进Apriori关联规则，挖掘各类隐患中的频繁项集，进行关联规则分析；最后以置信度为评价值，挖掘隐患描述之间的强关联关系，预测隐患产生趋势。本发明针对大量非结构化隐患描述进行数据预处理，改进传统Apriori算法，提高运算效率，能及时分析水利工程安全隐患描述，有助于水利工程安全隐患的预测及排查治理。

摘要： 基于自编码技术的ACT‑Apriori算法，首先，对事务数据库D进行预处理，将事务数据库D中各项目的高频参数NS忽略并用自编码位向量SNT代替，形成简化数据库RBD，使得数据维度大幅度降低；将数据记录简化后全部读到内存，在频繁项集连接、剪枝生成候选项集的过程中，对生成候选项集的过程进行改进，直接生成候选项集，得到候选项集后扫描数据库计算支持度，由于候选项集与简化数据库RBD均已排序，在每条记录中分别搜索候选项集时，一旦搜索到大于候选项的值时，即可停止该事务的搜索。相较于现有全新的关联规则算法，本发明算法计算时间大幅度缩短，内存占有率较大程度降低，在时间复杂度和空间复杂度上有明显优化。