关联规则挖掘在汽车营销决策中的应用研究

通过对汽车销售历史数据进行概化和总结,给出关联规则挖掘算法,并针对具体的事例加以分析,进行各个客户购买属性之间的关联规则的挖掘.可以有效地发掘顾客购买行为和汽车属性之间蕴藏的内在联系.此模型可以用于辅助汽车营销决策.     

数据挖掘中关联规则的探讨

介绍了数据挖掘中关联规则的概念及经典的Apriori算法,以及在Apriori算法基础上的改进算法和数据挖掘的应用领域.     

基于模糊关联规则的NCRE数据分析

在对NCRE数据进行预处理的基础上。通过定义模糊事物数据库．将模糊集与经典关联规则算法结合起来，提出了一种模糊关联规则的数据挖掘算法，将其应用于NCRE数据分析，收到了较好的效果。     

基于模糊C均值聚类和数学形态学的图像分割

心肌细胞钙离子实时激光扫描共聚焦光学切片呈现为点状分布的荧光图像并且受到噪声的严重干扰,单独利用模糊C均值聚类不能对这种图形进行有效分割。针对这种特定的图像提出了一种基于模糊C均值聚类和数学形态学的图像分割算法。首先利用邻域平均对图像预处理,然后利用模糊C均值聚类做分割,最后利用数学形态学的方法对图像做了平滑、连通和去噪处理。这种方法,不但有效地抑制了噪声,而且分割出的图像边缘连续、清晰。     

基于模糊关联规则的NCRE数据分析

在对NCRE数据进行预处理的基础上,通过定义模糊事物数据库,将模糊集与经典关联规则算法结合起来,提出了一种模糊关联规则的数据挖掘算法,将其应用于NCRE数据分析,收到了较好的效果。     

基于加权时空关联规则的公交扒窃犯罪模式识别

近年来,公交扒窃案呈上升趋势,为了预防和打击此类犯罪,需要有效识别其犯罪模式。传统的犯罪分析方法,往往将时间和空间分割开来研究,本文则引入加权时空关联规则进行挖掘分析,试图找出公交扒窃的案发时空规律。首先,对公交扒窃数据进行时间粒度和空间粒度的划分,将公交主要运营时间以2 h为单位划分成等间隔的公交时段并对其进行编码,将公交线路按公交站点划分成公交路段;其次,对数据进行空间分析和时间归并,提取出每个案件发生的公交路段和案发时段,并将案发时段归并到公交时段中;再次,由于每个公交路段的案发率不同,其对结果的贡献率也不同,因此,给每个路段赋予一个权重;最后,用Apriori算法进行加权关联规则挖掘,得到公交扒窃的时空犯罪模式。研究表明,这种挖掘方法具有以下特点:(1)按公交站点进行公交路段的划分具有创新性;(2)通过对案发路段的加权,能将空间位置重要程度的差异区分开来,更符合实际情况;(3)挖掘过程中同时考虑了时间与空间属性。     

空间数据挖掘技术与发展趋势

试从空间数据挖掘方法的角度,探讨了空间关联规则的挖掘方法以及它与传统的关联规则挖掘方法之间的区别,介绍了空间聚类挖掘方法的分类和几种典型算法,概述了空间数据挖掘的发展趋势。     

基于模糊集的数量属性关联规则方法的研究

根据模糊集原理,提出了一种数量型数据挖掘关联规则的方法,并通过试验证明了算法的合理性.     

地理信息关联规则挖掘算法的设计与应用

本文着重就地理信息数据挖掘中的两种模式：关联规则和序列模式的概念和作用进行了探讨，阐述了在关联规则中寻找大项集算法的实现，以及在数据挖掘的序列模式基础上对寻找大项集算法的结果进行了改进和优化，使数据的关联规则与时间和序列之间建立了密切的联系，从而更好的实现了对于大规模地理信息数据库中数据的挖掘和利用。     

数据空间自相关性对关联规则的挖掘与实验分析

传统的空间关联规则挖掘,一般足使用属性关联规则的挖掘算法,对空间数据进行泛化处理,不考虑空间数据的空间自相关性,也没有考虑空间自相关与空间关联规则的关系.本文运用改进的Apriori算法对某一数据进行空间关联规则挖掘,并对同一数据进行空间自相关分析,比较两种方法反映的属性的相关性,探讨了数据的空间自相关性对空间关联规则...     

加权关联规则的改进算法

关联规则挖掘在许多领域已有广泛的应用,目前存在许多发现关联规则的算法,但这些算法都认为项目对规则的重要性相同.然而在现实中各个项目的重要性往往不同,决策者往往优先考虑利润较高的项目,而忽略利润较低的项目.分析现有的加权关联规则存在的问题,提出了一种新的加权关联规则模型.     

基于资源环境数据格网化表达的关联模式发现

传统空间关联模式以空间谓词作为发现逻辑进行知识发现,会导致关联模式侧重空间位置关联,并且挖掘结果受所建立谓词表的限制,存在所发现模式固定、解释自由度差等问题。本文提出一种不依赖于空间谓词的关联模式发现方法,该方法将空间数据进行格网化表达,对格网化结果以平滑移动的N×N掩膜进行多约束事务化,将传统Apriori算法去除属性自连接,然后对所构建的空间事务化数据库进行关联模式探索,抽取有价值的关联模式。最后,以山西省晋城市长河流域为实证研究区,建立煤、地、水空间事务数据库,给出格网化表达的定量误差,探索其隐含空间关联模式,并以同位模式验证了事务化结果的精度。格网化生成覆盖研究区的64 m格网28 434个,各数据层格网化误差均在5%以内,以耕地为主因子事务化结果共有记录38 310条记录。对抽取的部分关联模式分析表明：发现结果符合长河流域矿农复合区背景下耕地相关的先验知识;该方法能有效提取空间数据及其属性信息中潜在的关联模式,提高了挖掘过程自由度和结果的兴趣度。     

基于Weka的地震数据挖掘系统的设计与实现

基于开源的数据挖掘系统Weka，使用Java语言及面向对象的思想，设计并实现了地震数据挖掘系统。根据地震数据资料的特点，将数据挖掘的核心技术（聚类分析、关联规则分析等）引入到该系统中，其中聚类分析选用DBSCAN作为核心算法，关联规则分析选用Apriori作为核心算法。用户使用该系统只需在交互界面选择相关参数，即可实现调用数据挖掘算法来分析地震数据，发现探索其隐含规律。     

关联规则和序列模式算法在入侵检测系统中的应用

将关联规则算法与序列模式算法应用于入侵检测系统中,介绍了将扩展的关联规则Apriori算法与序列模式GSP算法相结合,挖掘原始审计数据中频繁模式的过程,并实现了这两种算法在入侵检测中的应用.     

关联规则挖掘在卷烟市场研究中的应用

应用基于Apriori算法的关联规则挖掘技术对一次卷烟市场调查得到的数据进行分析，找出其中的关联规则，作为正确决策的基础。