检索结果-内蒙古大学图书馆

计算机应用研究 2006年第3期23卷 257-260页

作者：单莘朱永宣郭军北京邮电大学信息工程学院北京100876

首先回顾了电信网告警数据库中数据挖掘技术应用的研究进展,然后对告警模型进行了形式化描述,并阐述了告警模式挖掘算法W INEPI的基本思想,接着讨论了时间窗宽度改变情况下对候选集规模削减的两个约束条件,基于此提出了一种基于时间窗... 详细信息

首先回顾了电信网告警数据库中数据挖掘技术应用的研究进展,然后对告警模型进行了形式化描述,并阐述了告警模式挖掘算法W INEPI的基本思想,接着讨论了时间窗宽度改变情况下对候选集规模削减的两个约束条件,基于此提出了一种基于时间窗约束的增量式频繁情景挖掘算法。实验结果表明,该算法的执行效率在一定条件下比原有W INEPI算法有显著提高。

关键词：数据挖掘增量式挖掘告警频繁情景时间窗

来源：评论

学校读者我要写书评

暂无评论

一种新的关联规则增量式挖掘算法

引用

计算机工程 2006年第23期32卷 43-44,60页

作者：张健沛杨悦刘卓哈尔滨工程大学计算机科学与技术学院哈尔滨150001

针对数据库不断更新变化及现实生活中大多只对近期数据感兴趣的特点,该文提出了一种基于滑动窗口过滤器的关联规则增量式挖掘算法(SWFAI算法)。该算法通过分组及时舍弃挖掘过程中生成的非频繁项目集,有效降低主存压力,减少对数据库的扫... 详细信息

针对数据库不断更新变化及现实生活中大多只对近期数据感兴趣的特点,该文提出了一种基于滑动窗口过滤器的关联规则增量式挖掘算法(SWFAI算法)。该算法通过分组及时舍弃挖掘过程中生成的非频繁项目集,有效降低主存压力,减少对数据库的扫描次数,能够对时变数据库进行高效地关联规则挖掘。通过实验证明了该算法能够有效地进行关联规则的挖掘,并在效率上有较大提高。

关键词：关联规则增量式挖掘滑动窗口过滤器频繁项目集

来源：评论

学校读者我要写书评

暂无评论

基于聚类划分的Web日志关联规则增量式挖掘方法研究

基于聚类划分的Web日志关联规则增量式挖掘方法研究

引用

作者：黄清兰南昌大学

学位级别：硕士

万维网作为广泛分布,巨大的全球信息服务中心,包含了各种动态,庞大的访问和使用信息,发现信息背后的知识,对于用户访问和个性化服务具有重要的意义。本文针对Web服务器日志的庞大,动态性丰富,高复杂度和局部信息有用的四大特点,以发现We... 详细信息

万维网作为广泛分布,巨大的全球信息服务中心,包含了各种动态,庞大的访问和使用信息,发现信息背后的知识,对于用户访问和个性化服务具有重要的意义。本文针对Web服务器日志的庞大,动态性丰富,高复杂度和局部信息有用的四大特点,以发现Web用户访问行为中潜在的规律和知识为目的,以Web日志关联规则增量式挖掘为手段,提出了一种基于聚类划分的Web日志关联规则增量式挖掘方法。首先,本文设计了一种基于聚类划分的Web日志关联规则挖掘方法。通过基于自组织神经网络(Self-organizing Feature Map,简称SOM)的聚类技术,对数据集进行任意水平均分为K组的数据子集,组成K个SOM神经网络训练集合,利用常规的SOM优化策略,对各组Web用户行为特征进行粗聚类划分；以每一类用户访问行为群为分析对象,由于每类用户访问行为特征相似,在这样数据集中的类中运用基于FP-growth(frequent-pattern growth)挖掘算法,既能有效的利用FP-growth无需产生候选项集的优势,又能减少FP树的分支,进而减少条件FP树的数量。然而一类用户的访问信息并不表示该类用户对没有访问到的页面不感兴趣,因此将每类用户访问群的频繁项集即局部频繁项集合并,重新评估得到全局频繁项集,进而挖掘Web用户访问行为的潜在知识和规律。其次,本文设计了一种基于聚类划分的Web日志关联规则增量式挖掘方法,该方法是基于上述的算法进行改进的,通过对动态信息丰富的新增Web日志运用上述的算法,得到新增数据的频繁项集,利用旧频繁项目集和新增频繁项目集,依据频繁项目集的性质,更新频繁项目集。该算法大大减少了数据库扫描次数,无需产生候选项集,有效的减少了FP树的深度和宽度,尤其是在类似于Web日志这种数据量大,动态信息丰富的数据库中,该算法的优势更加明显。最后,采用C#.net技术设计实现Web用户访问行为的关联模式挖掘模型,对预处理后的Web服务器日志数据进行实验分析,测试并评估该模型性能。实验结果表明,该算法能有效地处理大数据量下,动态丰富的Web日志数据挖掘,提高Web日志关联规则增量式挖掘的准确度和适应性。

关键词：关联规则增量式挖掘 Web日志自组织神经网络

来源：评论

学校读者我要写书评

暂无评论

一种基于规则表达式约束的序列模式增量式挖掘算法

引用

燕山大学学报 2007年第5期31卷 402-409页

作者：任家东宗俊省燕山大学信息科学与工程学院河北秦皇岛066004

序列模式挖掘是数据挖掘中的研究热点之一。在挖掘过程中需要用户的参与日益显得重要。为了提高挖掘过程中的交互性,本文提出了一个基于规则表达式约束的序列模式增量式挖掘算法RE_IncUp。该算法首先利用约束对已经挖掘出的频繁序列模... 详细信息

序列模式挖掘是数据挖掘中的研究热点之一。在挖掘过程中需要用户的参与日益显得重要。为了提高挖掘过程中的交互性,本文提出了一个基于规则表达式约束的序列模式增量式挖掘算法RE_IncUp。该算法首先利用约束对已经挖掘出的频繁序列模式进行预处理,缩小了搜索范围;然后采用模式扩展方法把规则表达式约束和增量挖掘过程融为一体,并且采用先修剪后计算支持度的方法进一步缩小了搜索范围,降低了支持度的计算量。该算法允许用户不断改变约束条件,实现交互式挖掘而且可将挖掘的目标仅仅聚焦到用户感兴趣的模式上。实验表明该算法对序列模式的维护和满足用户的需求都是十分有效的。

关键词：数据挖掘序列模式增量式挖掘规则表达式

来源：评论

学校读者我要写书评

暂无评论

基于时间序列的柴油发电机组故障录波数据增量式挖掘算法

引用

电工技术 2023年第7期 84-87页

作者：何洋赵江海南核电有限公司海南昌江572799

空压机房和临时备用发电机房通常选用较为吸音的隔音材料设防,难以获取故障录波数据,挖掘精度较低,为此提出了基于时间序列的柴油发电机组故障录波数据增量式挖掘算法。通过柴油发电机组故障录波数据的预处理,结合等长处理定义故障录波... 详细信息

空压机房和临时备用发电机房通常选用较为吸音的隔音材料设防,难以获取故障录波数据,挖掘精度较低,为此提出了基于时间序列的柴油发电机组故障录波数据增量式挖掘算法。通过柴油发电机组故障录波数据的预处理,结合等长处理定义故障录波数据的时间序列匹配度,利用故障录波数据的信息状态函数,提取故障录波数据的时间序列,根据柴油发电机组故障的具体情况,获取柴油发电机组故障的位置,结合故障录波数据的清洗和无量纲化处理,构建柴油发电机组故障录波数据回归方程,通过定义故障录波数据的聚类中心,建立故障录波数据的权重映射矩阵,根据提取出的故障录波数据的特征,挖掘出柴油发电机组故障录波数据。实验结果表明,该算法具有更高的加速比和挖掘精度,当融合系数为0.8时,故障录波数据的挖掘输出相对稳定,可达到90%以上。该方法能够挖掘出柴油发电机组的故障录波数据。

关键词：时间序列增量式挖掘回归方程录波数据发电机组故障

来源：评论

学校读者我要写书评

暂无评论

规模化序列大数据的增量式低复杂度挖掘仿真

引用

计算机仿真 2025年第4期 234-238页

作者：汪志陈霞浙江开心果数智科技有限公司亿企赢网络科技有限公司杭州研发分公司

规模化序列大数据不仅包括结构化数据,还包含大量的非结构化和半结构化数据,具有多样性、高速度等特点,增加了数据挖掘的复杂性。为提升新增数据后的数据挖掘效果,提出了面向规模化序列大数据的增量式挖掘优化算法。通过迭代校正法检测... 详细信息

规模化序列大数据不仅包括结构化数据,还包含大量的非结构化和半结构化数据,具有多样性、高速度等特点,增加了数据挖掘的复杂性。为提升新增数据后的数据挖掘效果,提出了面向规模化序列大数据的增量式挖掘优化算法。通过迭代校正法检测出序列数据中的噪声点并清洗数据;基于互信息特征选择算法,降低数据维度增强特征;基于原始数据模糊相似度优化增量式模糊聚类挖掘算法,在降低挖掘复杂度的同时,实现对新增数据部分的挖掘。通过仿真可知,所提方法可应对规模化序列数据集的动态变化,有效挖掘出目标信息。

关键词：序列数据增量式挖掘数据清洗互信息特征选择模糊聚类

来源：评论

学校读者我要写书评

暂无评论

大规模数据集的增量式关联规则挖掘

引用

计算机工程与应用 2009年第29期45卷 120-124页

作者：张根香陈海山厦门大学软件学院福建厦门361005

商业活动和工程实践中通常会积累一些大规模的携带重要信息的数据,由于这种数据集经常有更新且数据量较大,在对它们进行增量式关联规则挖掘时,若采用基于传统的Apriori算法进行计算,一方面难以取得较好的效率;另一方面支持度设置过低会... 详细信息

商业活动和工程实践中通常会积累一些大规模的携带重要信息的数据,由于这种数据集经常有更新且数据量较大,在对它们进行增量式关联规则挖掘时,若采用基于传统的Apriori算法进行计算,一方面难以取得较好的效率;另一方面支持度设置过低会产生大量的冗余规则,设置过高则会把一些支持度不高但有用的规则过滤掉而导致算法对这些新规则感应迟钝。因此,借助遗传算法的相关机理,同时结合自然界的免疫进化理论及相关仿生机制,提出一种IOGA(Immune Optimization based Genetic Al-gorithm,基于免疫优化的遗传算法)增量式关联规则挖掘方法。通过实验表明,该方法应用于大规模数据集的增量式关联规则挖掘时,可以及时地感知规则的变更并发现有用的规则,减少了冗余规则的产生,同时挖掘效率也有明显提高。

关键词：免疫优化遗传算法关联规则增量式挖掘

来源：评论

学校读者我要写书评

暂无评论

序列模式挖掘中的增量式更新算法研究

序列模式挖掘中的增量式更新算法研究

引用

作者：刘月波江苏科技大学

学位级别：硕士

序列模式挖掘是指挖掘相对于时间或其他模式出现频率高的模式，是数据挖掘的一个重要分支。在交易数据分析，病症分析，Web日志分析，天气预报等领域具有广泛的应用前景。\n 本文选择序列模式作为研究对象，系统的分析了当前序列模... 详细信息

序列模式挖掘是指挖掘相对于时间或其他模式出现频率高的模式，是数据挖掘的一个重要分支。在交易数据分析，病症分析，Web日志分析，天气预报等领域具有广泛的应用前景。\n 本文选择序列模式作为研究对象，系统的分析了当前序列模式挖掘的现状；针对一般序列模式算法、交互式序列模式、增量式序列模式三个方面展开研究和实验。主要研究工作和成果有：\n 1、分析了序列模式国内外的研究现状。从序列模式挖掘的基本方法和序列模式挖掘现有的模型两个角度对相关文献进行归类分析。\n 2、提出了一种基于CTID的改进算法SPM(Sequential Patterns Mining)。该算法利用时序连接，将时序情况分为时序前缀和时序后缀两种情况进行计算，可以得到更多有效序列；并且在剪枝过程中充分利用CTID表的特点，简化了剪枝步骤，从而提高了算法效率。\n 3、提出了一种基于投影数据库的交互式序列模式挖掘算法FISP (Fast Interactive Sequential Patterns Mining )。在实际挖掘的过程中，用户通常会指定不同的最小支持度，以得到满意的序列模式。所以整个挖掘过程是一个迭代和交互的过程。如果支持度改变时，重新挖掘显然是低效的。FISP利用前次挖掘得到的序列，来缩减本次挖掘的投影数据库；并设置了一个全局阈值来减少整个交互过程的时间和空间消耗。\n 4、提出了基于投影数据库的增量式更新算法ISMP (Incremental Sequential Patterns Mining Based on Projected Database)。数据库往往是随时间动态更新的。更新后，一部分旧的序列模式可能会不再满足最小支持度，并且会有新的序列模式出现。在处理具有大量数据的大型数据库时，对整个数据库重新执行一般的序列模式挖掘算法显然是低效的，因此需要有效的算法来更新、维护和管理已经发现的知识，以反映这种交易数据库的动态更新。ISMP用间接拼接更新已经得到序列，用增量数据库来减小投影数据库，提高了算法效率。并且考虑了数据库减小时的序列模式更新。当增量数据库较大时，算法效率更高。\n 通过实验对上述三种算法进行了验证，结果表明算法是有效可行的。

关键词：数据挖掘序列模式交互挖掘增量式挖掘投影数据库

来源：评论

学校读者我要写书评

暂无评论

一种高效的增量式序列模式挖掘算法

引用

计算机工程 2012年第12期38卷 39-41页

作者：刘佳新燕山大学图书馆河北秦皇岛066004

现有的增量式挖掘算法在支持度发生变化时,需要对序列数据库进行重复挖掘,为减少由此产生的时空消耗,提出一种高效的增量式序列模式挖掘算法。算法采用频繁序列树作为序列存储结构,当序列数据库和最小支持度发生变化时,通过执行更新操作... 详细信息

现有的增量式挖掘算法在支持度发生变化时,需要对序列数据库进行重复挖掘,为减少由此产生的时空消耗,提出一种高效的增量式序列模式挖掘算法。算法采用频繁序列树作为序列存储结构,当序列数据库和最小支持度发生变化时,通过执行更新操作,实现频繁序列树的更新,利用深度优先遍历频繁序列树找到序列数据库中所有的序列模式。实验结果表明,与IncSpan算法和PrefixSpan算法相比,该算法的挖掘效率较高。

关键词：数据挖掘增量式挖掘序列模式投影数据库频繁序列树

来源：评论

学校读者我要写书评

暂无评论

基于Rough集理论的增量式数据挖掘算法

引用

华东交通大学学报 2007年第2期24卷 106-109页

作者：陈红丽华东交通大学信息工程学院江西南昌330013

提出一种求精简规则的带支持信息的增量式算法IDMA,该算法改进了传统挖掘算法的缺点,可充分利用已挖掘出的规则集来对新增实例进行决策规则挖掘,同经典Rough集挖掘算法比较,算法IDMA计算过程简单,而且效率较高.

关键词： Rough集理论增量式挖掘支持度决策规则

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：