导读:本文包含了约束关联规则论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:规则,算法,疑问词,索引,数据挖掘,背景,含氧量。
约束关联规则论文文献综述
郑伟,王超,刘达[1](2019)在《基于约束模糊关联规则的多目标燃烧优化》一文中研究指出为了进一步提升燃煤电站锅炉燃烧性能,提出了基于约束模糊关联规则的锅炉运行参数目标值优化方法。通过挖掘锅炉不同工况下海量历史运行数据,发现锅炉稳态运行条件下主要运行参数与性能指标之间的关联关系,并据此得到锅炉高效低污染运行时对应的参数运行目标值,进而指导锅炉燃烧优化。数据挖掘结果以烟气含氧量为例,给出了锅炉运行不同工况下的优化目标值。基于约束模糊关联规则的多目标锅炉燃烧优化,不仅为当下锅炉运行参数调整提供了理论依据,也为日后进一步的闭环控制铺垫了参数设定值基础。(本文来源于《控制工程》期刊2019年10期)
林甲祥,高敏节,陈崇成,巫建伟,王雪平[2](2019)在《个性化旅游景点推荐中考虑约束的关联规则挖掘算法》一文中研究指出在约束子集定义的基础上,提出面向旅游景点推荐的约束关联规则挖掘算法,将最为耗时的目标项集搜索限定在约束子集中,降低了数据集搜索的规模.同时通过约束条件提升了最终规则生成的针对性,避免大量无趣规则的生成,使得挖掘算法效率更高、挖掘结果更符合用户需求.最后在望路者文化旅游服务数据集中开展了示范应用研究,验证了所提出的算法可为旅游景点推荐提供更为合理的信息.(本文来源于《福州大学学报(自然科学版)》期刊2019年03期)
王伟,刘铭,聂萌瑶,常庆丽[3](2018)在《基于FP-growth的项约束关联规则改进算法》一文中研究指出FP-growth算法是不产生候选集的关联规则挖掘算法,在许多领域中具有很高的实际应用价值。然而经典的FP-growth算法是找出所有的频繁模式,对于实际的应用中,可能会存在频繁模式过剩获取规则不能快速定位的问题,本文针对传统的关联规则算法存在的这个问题,提出了FLFPG算法,该算法加入了项约束的原则,用户可以快速定位到想获取的规则,通过实验验证了本算法在处理不同的数据规模上都有一定的优势。(本文来源于《数码世界》期刊2018年11期)
李赞,王朝霞,孟月昊,隋昊[4](2018)在《基于FP-growth的前后部项约束关联规则改进算法》一文中研究指出为解决项约束关联规则挖掘算法未考虑用户感兴趣的项属于规则前部还是后部,而导致生成大量冗余关联规则的问题,论文提出了一种基于FP-growth的前后部项约束关联规则挖掘算法,该算法先对用户感兴趣的规则前后部项进行标记,构成约束条件。然后对事务集进行筛选,压缩事务空间,简化FP-tree建立,最终挖掘出有效的频繁项集和关联规则。实验结果表明该算法与其他项约束关联规则算法相比,运行时间较低,减少了冗余关联规则的数量,且具有较好的规模增长性。(本文来源于《舰船电子工程》期刊2018年09期)
董志[5](2016)在《地理背景知识约束的空间关联规则挖掘方法研究—C-MOSAprioriO》一文中研究指出空间数据挖掘和知识发现是从空间数据集中提取暗含的有意义的空间信息的过程,而空间关联规则(Spatial association Rule)则是空间数据挖掘和知识发现的一个重要组成部分。空间关联规则发现过程包含了很多空间数据的分析和运算。以往的空间关联规则算法更注重空间数据的定量分析和运算,而忽视了空间的定性分析和先验性的知识推理。实际上,数据挖掘工作是一种基于知识的过程,单纯的空间数据定量分析并不适合知识模型。为了能够更好地发现空间关联规则,挖掘到的空间关联规则结果集更加合理,本文提出了用本体描述地理空间背景知识约束集,用背景知识指导空间关联规则的挖掘方法。随着空间挖掘技术的发展和大量空间数据集的积累,空间关联规则的挖掘技术越来越受关注。给定一组空间数据集,空间关联规则挖掘可以寻找在地理空间中的地理实体之间存在有某种比较高频繁空间关系。例如,某种植物和某种珍稀的动物共同存在一个地理环境中。空间关联规则不同于其他普通的挖掘方法,空间的关联规则依赖于空间中实体特有的空间属性和空间关系。因此,空间关联规则挖掘的有效性很大程度上依赖于空间数据的空间属性和空间关系的处理。例如,空间物体具有拓扑、方位和距离等各种空间关系,其中形状为点、线、面(多边形)等。因此空间数据除了具备普通数据的基本属性之外,还具备各种空间属性和空间关系。而空间中的数据因为空间环境中复杂多变的特征,即相似又相异,也就是说空间环境约束着空间物体属性和它们之间的关系,但是这种制约是非线性的、异质的。对于特定的某片区域来说,有属于它自己的约束条件,这种约束条件是与其他区域条件是区别的,有其区域特殊性。正因为这种真实空间事物的复杂性,造就了空间数据的复杂性,进而造就了对空间数据进行空间关联规则发现的困难。空间关联规则的算法现在已经提出过很多,但是得到的结果不是很如人意,其中的原因之一是忽视了空间数据集所处的空间背景知识,很少有空间约束或者输入数据所在的区域背景知识约束和指导监督空间关联规则的挖掘过程。具体说来,目前空间关联规则挖掘的主要问题在于:空间数据复杂,对挖掘过程中的数据区域背景知识关注不够,对挖掘过程中各种产生空间谓词的空间分析算法关注不够,造成在某些场景中空间关联规则发现的缺失和错误。针对以上问题,本文重点研究了以N3本体表达空间关联规则过程中空间数据和涉及的相关空间算法,在这种本体表达的基础上建立各种规则集,通过规则集对空间数据和空间算法的推理,获得到空间挖掘约束条件集,对空间关联规则挖掘过程进行指导,以达到改进空间关联规则结果集质量的目的。具体研究内容如下:(1)在详细介绍地理空间关联规则基本原理的基础上,引出了空间化的关联规则算法问题。在Apriori的基础上,对其进行空间化的处理,创建了MSOApriori算法:首先根据空间数据特征,以点、线、面(多边形)等空间数据作为处理基础对象,对这叁种数据做出了统一的面(多边形)处理,得到待分析数据的面(多边形)集合;然后对面(多边形)集进行求交,将迭置分析能够求得交面的面(多边形)之间设置为纵向关系空间谓词,将迭置分析得不到交面的面(多边形)进一步空间运算得到空间横向关系空间谓词;根据面积计算空间支持度和置信度方法,依据设置的最小空间支持度和置信度阈值,滤除弱空间关联规则;最后分析了MSOApriori算法的缺点,以实际案例为据说明了无空间背景知识约束算法的种种问题,指出在缺少约束条件下发现的空间关联规则集可能不合理。(2)基于本体的基本理论和当前的本体技术,以知识的表达为切入点,针对空间关联规则发现算法MSOApriori中的问题,围绕着MSOApriori中的空间数据和空间算法,设计了本体应用框架MOSAprioriO。MOSAprioriO本体应用框架包括两类概念层级树-空间数据本体SpatialThingFeature和空间算法本体MOSAprioriAlgorithm,两类本体对象关系DataRelation和AlgorithmRelation;对SpatialThingFeature和MOSAprioriAlgorithm属性和实例进行了深入剖析。MOSAprioriO主要的设计思路就是如何表达空间关联规则中的约束关系。(3)在MOSAprioriO本体应用框架的基础上,介绍了MOSAprioriO约束的空间关联规则提取算法C-MOSAprioriO(Constraints Multi-type Object Spatial Apriori by Ontology),给出了MOSApriori Ontology的推理流程、方法和实例。本文根据MOSAprioriO建立了适合空间关联规则使用的约束规则,以MOSAprioriO与约束规则集组成地理信息背景知识库用以指导空间关联规则的提取和发现,提出了一个新的方法--基于MOSAprioriO知识库的约束下的C-MOSAprioriO;本文详细阐述了C-MOSAprioriO方法的工作原理,并就方法实现中的针对点数据的聚类分析进行了详细的约束案例分析。(4)以C-MOSAprioriO为基础开发了C-MOSAprioriO Demo原型,并对C-MOSAprioriO Demo原型进行了数据测试与结果评价;为了进行实验和评价,收集了数据和选定了评价指标;在进行了实验测试后,将C-MOSAprioriO与MOSApriori两种算法的运算效果进行了比较和分析,发现因为没有地理背景知识的支持,MOSApriori的运算后提取的空间关联规则集比C-MOSAprioriO的数量少;通过进一步的空间兴趣度计算和比较,也证实MOSApriori的关联规则兴趣度远低于C-MOSAprioriO。(本文来源于《武汉大学》期刊2016-10-01)
刘哲[6](2016)在《基于约束的关联规则挖掘算法研究》一文中研究指出在关联规则挖掘的过程中,通常采取“支持度-置信度”机制将规则排序输出,但这样会造成盲目挖掘,导致算法效率过低。并且在挖掘的过程中缺乏用户的控制,其最终结果可能会产生大量无用且用户不感兴趣的规则,这就需要增加一定的约束条件限制规则的输出。另外如何有效地利用其它学科中的成果,特别是智能算法中的人工免疫系统、遗传算法促进复杂约束条件下的关联规则挖掘也值得深入研究。因此本文主要对基于约束的关联规则挖掘算法展开研究。针对项约束条件,提出了一种基于索引机制的项约束关联规则挖掘算法。该算法继承了Separate算法中根据满足约束条件长度的不同而分成叁部分的原理,引入了约束过滤思想和索引机制。首先进行项约束过滤使得符合项约束条件的项集数量大大减少。其次引入索引机制,在计算项集支持度时无需反复遍历数据集,减少时间开销。实验表明,算法在处理支持度较小或者约束个数较少的情况下,能有效缩减数据规模,提高执行效率。针对复杂约束条件,提出了一种基于免疫遗传的复杂约束关联规则挖掘算法。该算法从免疫反应中得到信息传递机制,通过调节种群中个体之间的竞争力,缩小搜索空间。并且能够自适应地调节搜索方向和范围,无须盲目地生成规模庞大的候选项集。能够克服单独使用遗传算法时易早熟的缺陷,达到全局最优解。通过与人工免疫系统、遗传算法进行实验对比,结果表明算法有较强的收敛性。(本文来源于《西安科技大学》期刊2016-06-30)
徐春,李广原[7](2016)在《一种高效的增量更新约束关联规则挖掘算法的研究》一文中研究指出约束关联规则挖掘是根据用户提出的各种约束条件从交易数据库中挖掘出用户感兴趣的关联规则。该文针对目前提出的诸多约束关联挖掘算法只适应于静态数据库的情况,且挖掘出的约束关联规则存在效率低等缺点,提出一种基于倒排索引树的增量更新约束关联规则挖掘算法UPC-IITree,该算法将树型结构与倒排索引相结合,以实现无需扫描原始数据库和不产生候选项集的情况下,解决原始DB新增数据集时能高效地维护满足用户给定约束条件的关联规则。通过实验与其他相关算法进行对比,实验结果表明,UPC-IITree算法减少了算法的执行时间,节约了内存空间,提高了挖掘效率。(本文来源于《广西师范学院学报(自然科学版)》期刊2016年02期)
郭文月,刘海砚,余岸竹,马绍龙,冯培义[8](2016)在《非指定时间约束的社会安全事件关联规则挖掘》一文中研究指出关联规则挖掘是社会安全事件分析的重要方法之一,用于发现事件属性项及事件间的潜在关联。该文分析了社会安全事件的时空特性,利用时空关联规则挖掘方法分析事件属性项间的时空关联。为解决现有时空关联规则挖掘方法需要事先指定挖掘时间区间的问题,提出一种非指定时间约束的时空关联规则挖掘方法,根据事件时间属性值和时间划分粒度为事件空间和专题属性项增加时间标识,用时间标识代替时间属性值,得到全时间域内带有时间指向性的关联规则挖掘结果。以全球恐怖主义事件数据库为数据源,对该方法进行验证,结果表明其具有一定的可靠性与实用性,能够为社会安全事件的分析与预测、快速响应与防范提供决策依据。(本文来源于《地理与地理信息科学》期刊2016年03期)
李春青,李海生,梁婷婷,赵凯[9](2015)在《大数据环境下最小单调约束闭包Hadoop并行关联规则》一文中研究指出针对传统关联规则算法存在较大规则冗余问题,提出基于最小单调约束闭包Hadoop并行化关联规则。首先,基于闭包算子约束规则等价关系集,给出了满足最小单调约束规则集,可有效地将约束规则集划分为不相交的等价规则类,降低冗余规则比率;其次针对大数据问题,采用Hadoop框架下Mapreduce并行计算模型,实现最小单调约束闭包关联规则的并行化计算,有效地提升算法对于大数据处理的可拓展性;最后通过在标准测试集上的实验对比,显示了所提算法的有效性。(本文来源于《中国科技论文》期刊2015年20期)
牛长伟,程邦雄[10](2015)在《疑问词与“都”的相对位置分析——“都”的关联次序及约束规则》一文中研究指出汉语疑问词与"都"的相对位置可分为四类:句式1NP+都+谓词+WH;句式2WH+NP+都+谓词;句式3都+WH(+NP)+谓词;句式4NP+WH+都+谓词。我们从形式学派角度把疑问词分析为变量,把"都"分析成全称量化词,逐一分析了这四类句式中"都"的关联(associate)项和约束(bind)对象。在蒋静忠、潘海华(2013)的基础上,进一步厘清了"都"的叁分结构与"都"重读与否的关系,总结了"都"的关联次序和约束规则。当"都"重读时,左向关联并约束距它最近的复数性非疑问成分。当"都"非重读时,优先关联疑问词,左向关联的疑问词要求其量化形式为个体,并约束该疑问词;右向关联的疑问词要求可表复数,并约束该疑问词引出的变量。另外,"都"总是关联距其最近的移位关联项。(本文来源于《语言研究》期刊2015年04期)
约束关联规则论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
在约束子集定义的基础上,提出面向旅游景点推荐的约束关联规则挖掘算法,将最为耗时的目标项集搜索限定在约束子集中,降低了数据集搜索的规模.同时通过约束条件提升了最终规则生成的针对性,避免大量无趣规则的生成,使得挖掘算法效率更高、挖掘结果更符合用户需求.最后在望路者文化旅游服务数据集中开展了示范应用研究,验证了所提出的算法可为旅游景点推荐提供更为合理的信息.
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
约束关联规则论文参考文献
[1].郑伟,王超,刘达.基于约束模糊关联规则的多目标燃烧优化[J].控制工程.2019
[2].林甲祥,高敏节,陈崇成,巫建伟,王雪平.个性化旅游景点推荐中考虑约束的关联规则挖掘算法[J].福州大学学报(自然科学版).2019
[3].王伟,刘铭,聂萌瑶,常庆丽.基于FP-growth的项约束关联规则改进算法[J].数码世界.2018
[4].李赞,王朝霞,孟月昊,隋昊.基于FP-growth的前后部项约束关联规则改进算法[J].舰船电子工程.2018
[5].董志.地理背景知识约束的空间关联规则挖掘方法研究—C-MOSAprioriO[D].武汉大学.2016
[6].刘哲.基于约束的关联规则挖掘算法研究[D].西安科技大学.2016
[7].徐春,李广原.一种高效的增量更新约束关联规则挖掘算法的研究[J].广西师范学院学报(自然科学版).2016
[8].郭文月,刘海砚,余岸竹,马绍龙,冯培义.非指定时间约束的社会安全事件关联规则挖掘[J].地理与地理信息科学.2016
[9].李春青,李海生,梁婷婷,赵凯.大数据环境下最小单调约束闭包Hadoop并行关联规则[J].中国科技论文.2015
[10].牛长伟,程邦雄.疑问词与“都”的相对位置分析——“都”的关联次序及约束规则[J].语言研究.2015