摘要：针对航空安全自愿报告的特点,将关联规则挖掘算法中改进的Apriori算法应用于航空安全报告。提出用规则前后件约束的方法挖掘异常事件和事件原因之间的关联规则,不但限制冗余规则的生成,还进一步提高了挖掘的效率和精度。依据生成的频繁项集对引起航空事件的主要原因进行分析,总结了一些对提高民航安全水平有价值的决策信息。

摘要：针对序列模式的高效用模式挖掘过程中搜索空间大、计算复杂度高的问题,提出一种基于多效用阈值的分布式高效用序列模式挖掘算法。采用数组结构保存模式的效用信息,解决效用矩阵导致的内存消耗大的缺点。设计1-项集与2-项集的深度剪枝策略,深入地缩小候选模式的搜索空间,减少搜索时间成本与缓存成本。提出挖掘算法的分布式实现方案,通过并行处理进一步降低模式挖掘的时间。基于中等规模与大规模的序列数据集分别进行实验,实验结果表明,该算法有效减少了候选模式的数量,降低了挖掘的时间成本与存储成本,对于大数据集表现出较好的可扩展能力与稳定性。

摘要：为了适应真实环境中数据量大、流程复杂、计算密集的数据挖掘需求,为提高关联规则增量更新挖掘效率,改变已有算法的串行执行方式,提出了一种基于云计算模型的关联规则增量更新方法,以解决海量数据挖掘问题。介绍了云计算相关概念、模型与执行流程等,提出一种单节点环境下的关联规则增量更新算法IUM(incremental updating mining),基于云计算模型设计新的关联规则增量更新算法CIUM(cloud incremental updating mining)完成增量挖掘工作。实验结果表明,并行算法有效可行,具有高效性与良好的扩展率,能够有效针对海量数据进行更新挖掘。

摘要：研究水平分布数据集的隐私保护关联规则挖掘算法。针对现有算法需要多次扫描数据集的缺点,提出一种只须对数据集进行2次扫描、基于分布式FP-tree的隐私保护挖掘算法。该算法可以有效降低通信量,能在保证准确度的同时保护原始数据。

摘要：对关联规则发现中应用较多的Apriori算法进行了介绍和分析。在对Apriori算法改进的二维哈希算法中引入了新的哈希函数。这种哈希函数有效地避免了哈希"冲突",有利于迅速产生二阶频繁项集,从而大幅度地提高了频繁项集产生的效率。

摘要：针对传统频繁项集挖掘算法效率低下的问题,提出基于Hadoop平台的并行BMR-FIUT算法。通过引入FIU-Tree(frequent items ultrametric tree)结构挖掘频繁项集,避免传统算法的缺陷;改进FIUT算法的分解过程,使之适应于Map-Reduce框架下的并行计算,达到并行化的目的;利用并行熵作为集群系统的负载均衡度量,使系统尽可能在各节点间合理分发数据以平衡负载。实验结果表明,BMR-FIUT算法能够有效减少并行化过程中节点负载倾斜的问题,较现有的PFP-Growth算法具有更好的性能,适用于海量数据挖掘。

摘要：为得到更高的分类精度和效率,提出了基于一个新的类的关联分类算法CACA(a new class based associative classifica-tion approach)。该方法使用基于策略的类来削减频繁模式的搜索空间;设计一个OR-Tree(ordered rule-tree)的有序规则树来存储规则和他们的信息并且重新定义一个紧凑集,以便构造的分类器也是紧凑唯一的;同步规则的生成和分类器的构造以缩小规则的挖掘空间以便加快规则的生成。实验结果表明,CACA算法在关联分类方法中具有更高的准确度和效率。

摘要：针对机坪地面空调工况监测网络采集的数据量冗余引起的数据处理效率低的问题,提出一种基于矩阵压缩的Apriori改进算法。修改后Apriori算法改进Apriori拥有大量候选集和频繁扫描事务库低效问题,对构造矩阵里行和列中1的个数进行累加求和,对其和进行排序并删掉非频繁的向量,形成新的矩阵,对新矩阵依次进行累加、排序和删除,直到求出所有频繁项集。对改进算法进行性能分析并验证其有效性。

摘要：针对Apriori算法的不足之处,提出了基于矩阵的算法,该算法首先将事务数据库用矩阵表示出来,并对矩阵进行处理,找出包含最多项的频繁K-项集,最后再利用矩阵找出从频繁2-项集到频繁K-1项集的所有频繁项集。通过一个实例表明了该算法的具体实现过程,并与其它算法进行比较,阐述了该算法的优缺点。该算法不但充分利用了矩阵这一工具,用"与运算"的方法代替了到数据库中去查找的算法,而且大大减少了候选频繁项集的产生,从而节省了计算频繁项集的时间,提高了计算的效率。

摘要：提出一种基于Hadoop平台的车位空闲模式挖掘方法.利用Apriori算法的思想定义空闲模式,并通过构造带标记的事务矩阵,在搜索过程中实现对事务集和连接步的压缩,同时采用MapReduce并行计算框架设计具体实现方案.实验结果表明,与传统方法相比,该方法提高了计算效率,能快速完成车位空闲模式的挖掘.