关联分类

摘要： 为了通过电网中记录的海量运行数据实现预测性维护、执行有效故障诊断和减少后续相关支出,以提高用户用电的可靠性和安全性,数据驱动模型在配电网络中变得至关重要。考虑以监控和数据采集系统(SCADA)在实际中压配电网络中收集的超过6年的数据集为基础,由基于数据特征提取、时间窗、关联规则挖掘和关联分类器分析的流程进行试验评估并自动识别相关性,从故障中断前后时间窗建立预测-诊断模型并评估其应用潜力。试验结果表明,基于大数据驱动的电网预测模型潜力较不平衡,基于大数据驱动的电网诊断模型具有较高的诊断潜力和应用价值。

摘要： 阐述现阶段大数据应用的基础上,从人工智能角度出发进行数据挖掘的算法研究。基于支持度和置信度的关联分类算法难以有效度量类别和项集之间的相关性,因此容易产生许多质量不高的规则。提出了一种基于余弦度量的关联分类算法——IACD。IACD算法在挖掘关联规则时使用余弦度量来度量项集与类别间的相关性;其次,提出了一种新的规则强度对规则进行排序、剪枝以减少冗余规则的数量。实验结果表明,IACD算法有效地提高了规则质量,在多个UCI数据集上具有较高的分类准确率。

摘要： 支持度-置信度的关联分类算法主要有两个不足:①通常会产生大量置信度不高的规则;②支持度和置信度的阈值的设定,常常使得规则不能覆盖属性值个数少的实例和少类实例。针对这些问题,文章提出了一种新分类算法。首先,根据支持度值较低的属性值,提取能覆盖所有的实例的属性值。其次,把提取的每个属性值所覆盖的实例当成一个独立可取出规则的条件库,即条件库作为独立的小训练集。最后,在每个独立的条件库里,规则中的每个属性值都是选取最好的属性值,直到所产生规则覆盖整个小训练集。实验结果表明,在25个UCI数据集上,该算法所产生的每条规则具有置信度高,且整个实例被产生的规则覆盖,规则的质量明显提高,其准确率比其他算法在大多数数据集上得到了显著提高。

摘要： 对敌机载火控雷达工作模式的识别与分析,在威胁等级判别、干扰样式选择、电子战辅助决策支持等方面具有重要军事应用价值。因此,针对机载火控雷达工作模式与参数复杂繁多、自动识别准确率不高等问题,提出了一种基于关联分类CBA算法的判定方法,并应用k-折交叉验证法进行验证。该方法从已建立的非协作雷达信号特征库中选择训练样本,基于扫描特征和信号样式应用关联分类CBA算法,即采用迭代方法挖掘特征中的频繁项集,并在此基础上启发式地构建分类器。以机载火控雷达4种空空工作模式为例进行了仿真实验,结果表明:该识别方法对不同的工作状态具有较高的识别准确率。

摘要： 利用分类号和关键词进行检索是专利检索的基本方式,分类号往往是影响能否检索到有效对比文件以及能否提高检索效率的关键因素。由于多重分类原则、分类员视角以及技术主题之间没有严格界限等原因,具有相同或类似主题的案件可能会被分在不同的分类号下,如果仅仅依赖于分类员给出的分类号,往往可能导致漏检,因此在没有检索到有效对比文件的情况下,还需要采用与本申请最密切相关的关联分类号进行检索。

摘要： 为了在自然资源调查中完整体现不同分类之间的关系,更好地利用各类专项调查数据成果,研究自然资源调查分类和其他专项调查分类的融合。针对国土三调与森林资源调查数据之间的标准及边界冲突问题,提出了一种关联分类的解决方法。以现状是否符合森林的定义和用途出发,建立国土三调分类与森林资源调查分类之间的关联分类。基于国土三调图斑,整合森林资源调查数据中符合关联分类要求的图斑,并结合遥感影像、管理数据等,形成自然资源统一调查工作底图。在南京马汊河自然资源确权工作中应用该工作底图,有效验证了采用关联分类方法形成自然资源统一调查工作底图的可行性。

摘要： 本文针对养老服务质量如何提升问题深入研究,将模块化思想引入养服务中,构建高内聚低耦合的养老服务模块,提出服务模块化设计流程;同时依托大数据环境对分布式养老服务数据进行关联分类,根据养老服务达成度-满意度参数构建分类模型,将服务供给与养老服务需求匹配,提供个性化养老服务,并对服务质量进行评价,利用评价结果指导服务供给,促进智慧养老服务生态的良性循环.

摘要： 针对现有关联分类算法资源消耗大、规则剪枝难、分类模型复杂的缺陷,提出了一种基于分类修剪的关联分类算法改进方案ACCP.根据分类属性值的不同对分类规则前项进行分块挖掘,并对频繁项集挖掘过程和规则修剪进行了改进,有效提高了分类准确率和算法运行效率.实验结果表明,此算法改进方案相比传统CBA算法和C4.5决策树算法有着更高的分类准确率,取得了较好的应用效果.

摘要： 基于支持度置信度框架的关联分类算法在生成规则时难以提出大量高质量规则,而且在一些数据集尤其是不平衡数据集上,部分训练实例未被产生的关联规则所覆盖,导致算法的分类准确率不高.基于以上问题提出了改进的关联分类的算法(Improved Algorithm based on Multiple learning and Correlation degree,IAMC).首先,在提取规则时,IAMC对训练集进行多次关联分类学习,尽量多地提出高质量的规则.其次,在生成规则时采用综合考虑了置信度,补类支持度的新度量关联度,以提高生成的规则的质量.最后,在关联分类规则提取后,对利用已有规则无法判断类别的和未被已有规则覆盖的训练实例用决策树方法再次提取规则,并加入到规则集中.实验结果表明,IAMC算法能提出更多高质量的规则,在多个UCI数据集上具有较高的分类准确率。

摘要： 为解决关联分类方法所面临的如何鉴别最有效分类规则对新样本进行分类预测的问题,本文提出了一种新的规则有效性衡量标准,并基于此标准提出了一种关联分类剪枝方法。在10个UCI数据集上的实验证明,该方法能够有效提高分类准确率,同时能够提高分类器的简洁性和可理解性。

摘要： 随着病毒技术的发展，病毒的花样不断翻新，入侵的手段也越来越高，给网络信息安全造成了巨大的危害。为了克服目前反病毒领域采用的特征码检测技术不能及时查杀已知病毒的变种及新型病毒的缺点，本文提出了一种在Windows平台下检测变形病毒及未知病毒的方法：以文件所调用的win API序列为特征，采用关联分类及后处理技术构造分类器实现对变形病毒及未知病毒的主动防御。实验结果表明，本文提出的方法在对变形病毒及未知病毒的检测能力及性能上不仅优于常用的反病毒软件(如诺顿、卡巴斯基等)，同时也优于其他分类器(如朴素贝叶斯网络、支撑向量机及决策树等)。本文设计并实现的基于关联分类及后处理技术的病毒主动防御系统(ACMDS)已被一知名反病毒实验室采纳并用于实际工作中。

摘要： 关联分类具有较高的分类精度和较强的适应性,然而由于分类器是由一组高置信度的规则构成,有时会存在过度拟合问题。本文提出了新的规则评价方法,它综合考虑规则的置信度和支持度,克服了传统方法过分强调置信度的缺点,从而解决了过度拟合问题。实验结果表明本文方法在分类精度上优于See5,CBA和CMAR。在应用于医疗图像处理和汉字识别领域时,得到很好的分类效果。

摘要： 本文提出了基于规则权重调整的关联规则文本分类算法(WARC)，该算法利用分类关联规则对训练样本进行分类测试,根据误分类训练样本的数量定义规则强度,对强规则通过乘以小于1的调整因子降低其权重,而弱规则乘以大于1的调整因子提高其权重，研究结果表明，经过规则权重的调整,其分类精度显著提高。

摘要： 关联文本分类中，如果特征词分布不均衡，特征词出现频率低的类别的规则集常被特征词出现频率高的类别的规则集所掩盖，分类器的预测能力变弱，因此提出了一种新奇的挖掘含有负项的分类规则的方法，一定程度上增强了被掩盖类别的规则集的分辨能力。从大量的实验结果看出该方法是行之有效的，能够提高分类器的预测能力。

摘要： 关联文本分类中，如果特征词分布不均衡，特征词出现频率低的类别的规则集常被特征词出现频率高的类别的规则集所掩盖，分类器的预测能力变弱，因此提出了一种新奇的挖掘含有负项的分类规则的方法，一定程度上增强了被掩盖类别的规则集的分辨能力。从大量的实验结果看出该方法是行之有效的，能够提高分类器的预测能力。

摘要： 关联文本分类中，如果特征词分布不均衡，特征词出现频率低的类别的规则集常被特征词出现频率高的类别的规则集所掩盖，分类器的预测能力变弱，因此提出了一种新奇的挖掘含有负项的分类规则的方法，一定程度上增强了被掩盖类别的规则集的分辨能力。从大量的实验结果看出该方法是行之有效的，能够提高分类器的预测能力。

摘要： 关联文本分类中，如果特征词分布不均衡，特征词出现频率低的类别的规则集常被特征词出现频率高的类别的规则集所掩盖，分类器的预测能力变弱，因此提出了一种新奇的挖掘含有负项的分类规则的方法，一定程度上增强了被掩盖类别的规则集的分辨能力。从大量的实验结果看出该方法是行之有效的，能够提高分类器的预测能力。

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： 本发明一种基于CHI和分类别关联规则算法的短文本分类方法，将不同类别文本的频繁词集出现频繁度进行了度量，引入了类别频繁因子（LFF），通过LFF合理分配了各文本类别的最小支持度阈值，克服了传统的FP‑Growth算法挖掘出的频繁词集类别出现偏斜的情况，同时在对频繁词集进行类别倾向判断上，采取了CHI检验算法去衡量特征词与类别之间的关联程度，而非采取简单的词语频率统计去衡量，避免了人工设参和实验确定最佳参数的步骤，增强了分类系统的可控制性。同时还提出了基于Hadoop/MapReduce大数据计算平台的并行特征扩展短文本分类算法，对类别频繁因子的计算和特征扩展方法进行了MapReduce并行化设计，提升了短文本分类准确率以及分类效率，提高了系统的可控性。

摘要： 本发明公开了一种基于关联规则的Web评论观点自动分类系统及分类方法，可分为四个模块：频繁特征词提取模块，频繁特征词优化模块，关联规则提取与挖掘模块以及观点分类模块。本发明克服了现有系统（如一些基于机器学习和情感分类的系统）精度低或者是需要大量人工参与或者过分依赖自然语言处理和专业知识的缺点。并且在关联规则集提取的过程中进行了优化，去除了冗余，区分度不高的关联规则，这样一来就提高了整个系统运行和获取结果的效率。本系统为多种情况，如电商商品评价，电子政务回馈，网民民意调查等提供了一种精确便捷的解决方案。

摘要： 描述了用于解算图像的预定义矩形区域(REC1)的HAAR特征的HAAR解算系统(HSYS)。该HAAR解算系统包括一个或多个存储器(MEM)、多个计算引擎(CU1，CU2，CU3，CUn)和主处理器(MCPU)。每个所述计算引擎被布置成从所述一个或多个存储器(MEM)中检索对应于矩形图像区域(BLK(1)...(BLK(mn+n))的图像数据块(BLK(i))；解算所述图像数据块的所有像素的积分图像值(IBLK(i))以获得所述图像数据块的积分图像；以及将所述块的所述积分图像(IBLK(i))存储在所述一个或多个存储器(MEM)中。所述主处理器(MCPU)被布置成确定哪一个或哪些图像数据块包括所述图像的所述预定义矩形区域的像素；对于包括所述图像的所述预定义矩形区域的像素的每个图像数据块，将相应的矩形区域片段(REC1，REC2，REC3，REC4，REC12，REC34)定义为属于所述图像的所述预定义矩形区域的所述块的所述像素；对于包括所述图像的所述预定义矩形区域(REC1)的像素的每个图像数据块(IB1，IB2，IB3，IB4，IB12，IB34)解算所述矩形区域片段(REC1，REC2，REC3，REC4，REC12，REC34)的HAAR特征；以及添加所述矩形区域片段(REC1，REC2，REC3，REC4，REC12，REC34)的所述HAAR特征以获得所述图像的所述预定义矩形区域的所述HAAR特征。

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： 本发明一种基于CHI和分类别关联规则算法的短文本分类方法，将不同类别文本的频繁词集出现频繁度进行了度量，引入了类别频繁因子（LFF），通过LFF合理分配了各文本类别的最小支持度阈值，克服了传统的FP‑Growth算法挖掘出的频繁词集类别出现偏斜的情况，同时在对频繁词集进行类别倾向判断上，采取了CHI检验算法去衡量特征词与类别之间的关联程度，而非采取简单的词语频率统计去衡量，避免了人工设参和实验确定最佳参数的步骤，增强了分类系统的可控制性。同时还提出了基于Hadoop/MapReduce大数据计算平台的并行特征扩展短文本分类算法，对类别频繁因子的计算和特征扩展方法进行了MapReduce并行化设计，提升了短文本分类准确率以及分类效率，提高了系统的可控性。

摘要： 本发明公开了一种基于关联规则的Web评论观点自动分类系统及分类方法，可分为四个模块：频繁特征词提取模块，频繁特征词优化模块，关联规则提取与挖掘模块以及观点分类模块。本发明克服了现有系统（如一些基于机器学习和情感分类的系统）精度低或者是需要大量人工参与或者过分依赖自然语言处理和专业知识的缺点。并且在关联规则集提取的过程中进行了优化，去除了冗余，区分度不高的关联规则，这样一来就提高了整个系统运行和获取结果的效率。本系统为多种情况，如电商商品评价，电子政务回馈，网民民意调查等提供了一种精确便捷的解决方案。

摘要： 一种处理来自系统(1－4)用户的消息的方法，该系统用于存储表示内容项目(12)的第一集合(11)的数据组，每个内容项目包括至少一个可感知的内容元素的记录，该方法包括获取表示分类标签对第一集合(11)中的内容项目(12)的第一指定的信息(13；19)，其中所述消息包括在第一指定中使用的分类标签的指示。该方法进一步包括：获取表示分类标签对内容项目(12)的第二指定的信息(14)，该内容项目包括至少一个可感知内容元素的记录；以及通过确定指定了在第一指定的消息中指示的分类标签的内容项目(12)与指定了第二指定中的分类标签的内容项目(12)之间的相似度，将在所述消息中指示的分类标签与在第二指定中使用的至少一个分类标签的指示进行匹配。

摘要： 该发明公开了一种基于关联分析与关联分类的蛋白质二级结构预测技术，以双库协同机制为基础，将KDD*过程模型引入蛋白质二级结构预测问题中，KAAPRO方法以数据挖掘(知识发现)为主体，采用基于KDD*过程模型Maradbcm算法以及关联规则分类D-CBA方法。KAAPRO方法所取得关联规则在一定程度上揭示了氨基酸物化属性对蛋白质二级结构的影响关系，从而提高了预测的精度。其中Maradbcm算法挖掘意外规则的特性对纯度较高的α蛋白质库与β蛋白质库进行关联规则的挖掘，由此获得的挖掘结果是精化的规则。D-CBA关联分类方法使用可信度与支持度的测度作为一个复合型度量来进行蛋白质关联分类。在保证预测精度的同时，为生物学家对二级结构进一步分析提供了依据。

摘要： 该发明公开了一种基于关联分析与关联分类的蛋白质二级结构预测技术，以双库协同机制为基础，将KDD*过程模型引入蛋白质二级结构预测问题中，KAAPRO方法以数据挖掘(知识发现)为主体，采用基于KDD*过程模型Maradbcm算法以及关联规则分类D－CBA方法。KAAPRO方法所取得关联规则在一定程度上揭示了氨基酸物化属性对蛋白质二级结构的影响关系，从而提高了预测的精度。其中Maradbcm算法挖掘意外规则的特性对纯度较高的α蛋白质库与β蛋白质库进行关联规则的挖掘，由此获得的挖掘结果是精化的规则。D－CBA关联分类方法使用可信度与支持度的测度作为一个复合型度量来进行蛋白质关联分类。在保证预测精度的同时，为生物学家对二级结构进一步分析提供了依据。