摘要：分析了Apriori核心算法,举例说明了其设计思想上的不足,并重新定义了关联规则形式和引进了兴趣度的概念。主要定义了合理的兴趣度,即基于可信度和支持度方差的兴趣度InterestR=[(CR?SRH)/4]*(CR+SRH),并因此而设计了基于此兴趣度定义的关联规则挖掘算法,并对算法做了适当的分析。

摘要：配电网同期线损数据的可靠性对于有效实现电网降损与节能是非常关键的,辨识异常数据能够提升配电网同期线损数据的可靠性。为此,设计了关联驱动下配电网同期线损异常数据辨识方法。采用基于多值属性的关联规则挖掘算法,挖掘配电网同期线损数据。利用改进小波阈值去噪算法,对挖掘的配电网同期线损数据实施去噪处理。基于K-means聚类算法、改进型萤火虫算法与聚类可靠性评估指标,设计线损异常数据辨识模型,实现配电网同期线损异常数据辨识。测试结果表明,设计方法的平均误辨识点数和漏辨识点数分别低于10个和5个,平均相对辨识误差保持在1.0以下,具有较好的同期线损异常数据辨识性能。

摘要：提出了一个基于分布式结构的快速有效的关联规则挖掘算法,它采用了分布式结构,各节点并行计算,与相关算法相比有效地减少了通信量和候选项集数目,算法可扩展性好,实现简单。

摘要：隐私保护是数据挖掘中很有意义的研究方向。*** 等提出了针对水平分割数据的保持隐私的关联规则挖掘的算法[2]。探讨了如何在两个垂直分布的私有数据库的联合样本集上施行数据挖掘算法, 同时保证不向对方泄露任何与结果无关的数据库数据。针对资料分类算法中应用非常普遍的关联规则挖掘算法, 利用安全两方计算协议, 给出一个保持隐私的关联规则挖掘协议。

摘要：利用关联规则挖掘算法和贝叶斯方法,设计并实现了高职录取参考系统。为录取提供了决策支持。

摘要：为揭示高速公路交通事故发生内在机理、提升高速公路行车安全;首先,基于UW-DriveNet交通大数据平台,提取了2016年美国华盛顿州3万余条交通事故数据,从人、车、路、环境、事故、时间6个维度对数据集进行了样本结构设计;进而,提出了一种考虑定向约束和指标赋权的多维度交互改进Apriori关联规则挖掘算法,以基于区间层次分析法和灰色关联度的主客观联合赋权模型对数据字段进行权重优化;最后,应用该改进算法,对选定的高速公路路段进行了全映射事故致因角度和事故维度自相关角度的多维度交互的关联规则挖掘计算.结果显示,改进的WODMI-Apriori算法能更好地揭示高速公路的事故致因、更精确地识别事故风险因子,其算法精确度较传统Apriori算法提升了82.7%.结果表明,本文提出的WODMI-Apriori算法可作为高速公路交通事故风险识别工作中的一种行之有效的方法,并可为高速公路行车安全水平的提升提供理论指导.