导读:本文包含了关联规则提取论文开题报告文献综述及选题提纲参考文献，主要关键词:关联规则,血瘀证,中药药对
关联规则提取论文文献综述
刘子闻,陈守强,徐赛,李翠霞[1]（2019）在《基于关联规则提取的中药药对发现》一文中研究指出目的为发现中药药对的用药规律及特点,进一步挖掘血瘀证方中存在的大量药对。方法通过关联规则方法,对名老中医网陈守强等关于血瘀证的18503首方药分成"活血药+活血药、活血药+其他药、其他药+其他药"进行分析处理。结果发现"活血药+活血药"这种药对的配伍频率及疗效明显优于其余两组。结论将药对应用于在治疗血瘀证的方剂中,可有效提高各组方治疗血瘀证的疗效。(本文来源于《世界最新医学信息文摘》期刊2019年20期）
瞿学新,朱全银,严云洋,李翔[2]（2018）在《基于互信息和关联规则的文本特征提取方法》一文中研究指出为改善传统互信息方法在网页分类中的效果,对互信息方法在词频、类间分布以及低信息量特征方面进行改善,提出了一种基于互信息和关联规则的文本特征提取方法。改进了传统互信息方法,引进词频和类间平衡因子,从而避免互信息对低词频特征值放大;改进互信息特征提取后,计算低信息量特征与高信息量特征的关联规则,以置信度为概率将低信息特征替换为对应规则中的高信息量特征;将置换后的样本集再进行向量化。实验表明,该方法相比传统的互信息方法具有较好的分类性能,F1值平均提高了约6%。将该方法应用于网页分类中,结果显示改进后的互信息方法在网页分类中具有较好的性能。(本文来源于《淮阴工学院学报》期刊2018年03期）
陆维嘉[3]（2016）在《关联规则挖掘结合PSO的基因-疾病关系自动提取方法》一文中研究指出针对生物医学可用数据越来越庞大而导致管理人员很难从非结构化文件中整理出有用信息的问题,提出了一种基因-疾病关联规则提取方法 .首先从MEDLINE和OMIM准备实验语料库,应用解析器产生一些语法信息;然后学习所有可能的规则,利用粒子群优化进行优化学习,从不相关句子中区分相关的;最后,计算学习规则的分数,选择感兴趣的规则,并生成一组有用的关联规则.以精度、召回率和F-分数为评价指标的实验证明了提出方法的有效性.实验结果表明,提出的方法最大精度、召回率和F-分数可分别高达79.2%、65.1%、68.5%,相比手动规则集,提出的方法更加完整.(本文来源于《湘潭大学自然科学学报》期刊2016年03期）
王大伟[4]（2016）在《大数据环境下的关联规则提取算法研究》一文中研究指出随着互联网、信息技术以及云计算的高速发展,当今社会已进入了海量数据的时代,进一步将大数据推生为IT产业又一次颠覆性的技术变革。不管是移动通信、电商金融还是物联网等各个领域,每天都会产生巨量的各种不同类型的数据。如何从这些庞大的、结构各异的、而又掺杂着大量噪声的数据中提取出隐含在其中的具有一定意义的知识或规则,正是关联规则提取的研究内容。在大数据环境下,选取什么样的平台工具或算法可以对数据进行快速的挖掘分析,看清数据的本质,找到其中的商机,是人们亟待解决的一个问题。针对蕴含关联规则提取问题,给出了一种新的关联规则生成形式——蕴含关联规则,提出了蕴含关联规则的提取方法。针对如何提取有效关联规则的问题,应用了蕴含强度作为规则提取的度量,提取出真正具有蕴含关系的规则,并且能够分析规则中所涉及的规则前件与规则后件相关性的正负。引入启发性信息,使得关联规则的提取更具有针对性,避免了大部分用户不感兴趣的、冗余的规则。实验结论证明该关联规则形式及算法的有效性及效率。在大数据环境下,针对FP-Growth算法无法将整棵FP-tree一次性加载到内存,很大程度上影响了FP-Growth算法效率的问题,提出了OPFP-Growth算法,在Hadoop平台应用MapReduce将传统的FP-Growth算法进行并行化。针对MapReduce并行算法的负载初始化不均衡及频繁项集约简的问题,引入了权重轮循负载均衡及频繁闭项集的方法。使得各个数据节点的数据分配及处理能力更趋于均衡,并减少了FP-tree在迭代的数据挖掘过程中输出冗余的中间结果。同时应用Hive对数据的存储结构进行相应的调整,提高了HDFS的空间利用率,实验验证了算法的有效性及效率。实验采用NCDC的气象数据,应用并行的OPFP-Growth算法到气象数据关联因素分析中,可以分析出气象信息中相关因素的关联性,为天气预报、防灾减灾提供决策依据。(本文来源于《辽宁工业大学》期刊2016-03-01）
郑瑾[5]（2015）在《基于0-1矩阵的时空关联规则提取方法研究》一文中研究指出基于Apriori算法提出了基于0-1矩阵的时空关联规则挖掘算法,并以挖掘不同年代的土地覆盖现状之间的时空关联关系作为试验案例,对比Apriori算法的提取结果和提取效率,研究结果表明:该算法不仅减少了扫描数据库的次数,而且减少了冗余候选项集的产生,提高了时空关联规则的提取效率。(本文来源于《长春工程学院学报(自然科学版)》期刊2015年02期）
翟悦,秦放[6]（2015）在《基于概念格的无冗余关联规则提取算法》一文中研究指出针对传统挖掘算法生成的关联规则存在大量冗余、难于理解和应用的问题,提出一种新的频繁闭项集概念格FCIL(Frequent Closed Itemsets Lattices),用于生成无冗余关联规则。首先,对概念格理论进行研究,概念格节点间的泛化和例化关系非常适合规则提取;然后,结合频繁闭项集能有效减少规则数目的特点,构建一种新的FCIL;最后,给出FCIL构造算法和相应的规则提取算法。实验表明,该方法能够高效地产生无冗余规则集。(本文来源于《计算机应用与软件》期刊2015年04期）
贺海涛[7]（2015）在《基于关联规则的领域本体概念提取技术研究》一文中研究指出语义网作为一种可以建立在理解的基础上进行人与机器智能交互的网络,能够实现从“内容匹配”到“机器理解”的跨越,已成为人们未来设想和期望的网络。本体作为一种描述语义和知识的概念模型,是实现语义网信息智能交互的重要媒介和核心组成部分。目前,本体已经在一些特定领域中得到了广泛应用,例如知识工程、语义检索等领域,但本体的构建工程量非常巨大,而且主要依靠手工完成,所以非常消耗资源。因此,需要一种本体学习的方法来智能或半智能的方式创建一个新的本体或者基于现有本体进行扩展,以提高构建本体的效率以及构建本体的智能程度,减少人工的参与和本体构建的工程量,同时还可以减少人工在本体构建过程中出现的主观问题。领域本体学习中,领域本体概念的提取非常关键,因为领域本体概念间的关系对本体概念具有依赖性,所以本体概念间关系提取的准确率和完备性很大程度上取决于领域本体概念的准确率和完备性。为了提高领域本体概念的提取质量,本文将关联规则和语义规则引入本体领域概念提取中。本文研究的主要内容如下：候选领域本体概念的提取。由于领域本体概念主要由名词和名词性短语构成,利用分词系统对语料进行处理处理过程中,只提取具有能构成名词、名词性短语词性的词作为候选本体概念。同时用物理关系位图记录分词后的候选本体概念之间的物理相邻关系,以应用于关联规则的频繁项挖掘技术。提出领域隶属度的概念,并对其形式化定义和计算模型的构建。通过计算术语之间的关系构建概念关系矩阵,然后基于概念关系矩阵通过术语在研究领域中的深度和广度值,定量分析术语与领域的隶属程度,即进行领域隶属度检查。制定语义规则。基于前人对汉语的研究成果和现有汉语处理工具对词性进行标注,然后结合自然语言的句法、词法规则和分词系统的内在特性,对名词和名词性短语结构进行分析和提炼,制定语义规则。领域本体概念的生成。候选领域本体概念集是一个粗糙的本体概念集合,为了得到高准确率和高完备性的领域本体概念集合,需要对候选本体概念集进一步优化。利用相关性和一致性检查技术过滤领域无关术语和领域通用术语；通过领域隶属度过滤隶属度低于设定阈值的术语(包括合成术语和非合成术语)；最后结合语义规则对复合术语集合中不能构成名词和名词性短语的术语进行过滤,提取领域本体概念。(本文来源于《长春工业大学》期刊2015-04-01）
晁永生,孙文磊[8]（2015）在《基于粗糙集的焊接类型关联规则提取》一文中研究指出为了从大量工艺数据中获得潜在的、有价值的工艺知识,提出了基于粗糙集的焊接类型关联规则提取方法。分析与焊接类型相关的属性,建立焊接类型选择的决策表,应用粗糙集属性约简删除对焊接类型选择没有影响的属性。应用Apriori算法获取频繁项集,为了减少冗余项集产生,采用不同属性的项集进行联接;应用较低的支持度和较高的置信度提取强规则。以具体的实例验证了该方法,提取的规则对焊接类型的选择有很好的参考价值。(本文来源于《计算机工程与应用》期刊2015年15期）
于之虹,黄彦浩,鲁广明,史东宇,周孝信[9]（2015）在《基于时间序列关联分析的稳定运行规则提取方法》一文中研究指出提出一种考虑运行方式变化时序的稳定规则提取方法。利用主成分分析进行敏感特征提取。对传统方法在数据标准化中存在的问题,通过数据均值化处理,保留原数据中各变量变异程度的差异信息,实现在保证原始数据分类识别(本文来源于《中国电机工程学报》期刊2015年03期）
焦民政,曾广平,许佳男,贾斌,赵云梅[10]（2014）在《基于多维关联规则兴趣度的问卷调查规则提取》一文中研究指出基于能同时处理多个属性间关联关系的多维关联规则算法,对大学生社交网络行为习惯的调查问卷进行研究分析,发现依靠支持度和置信度的关联规则算法有时会产生误导性的结果。针对关联规则存在的这一问题,给出了带有负向的关联规则兴趣度的解决办法,并发现兴趣度规则中减少关联规则计算量的性质,可极大提高了多维关联规则兴趣度算法在规则提取中的效率。实验结果表明,负向的关联规则置信度强于正向的关联规则置信度,引入兴趣度的多维关联规则算法的准确度更高。(本文来源于《软件》期刊2014年09期）
关联规则提取论文开题报告
（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：
为改善传统互信息方法在网页分类中的效果,对互信息方法在词频、类间分布以及低信息量特征方面进行改善,提出了一种基于互信息和关联规则的文本特征提取方法。改进了传统互信息方法,引进词频和类间平衡因子,从而避免互信息对低词频特征值放大;改进互信息特征提取后,计算低信息量特征与高信息量特征的关联规则,以置信度为概率将低信息特征替换为对应规则中的高信息量特征;将置换后的样本集再进行向量化。实验表明,该方法相比传统的互信息方法具有较好的分类性能,F1值平均提高了约6%。将该方法应用于网页分类中,结果显示改进后的互信息方法在网页分类中具有较好的性能。
（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。
关联规则提取论文参考文献
[1].刘子闻,陈守强,徐赛,李翠霞.基于关联规则提取的中药药对发现[J].世界最新医学信息文摘.2019
[2].瞿学新,朱全银,严云洋,李翔.基于互信息和关联规则的文本特征提取方法[J].淮阴工学院学报.2018
[3].陆维嘉.关联规则挖掘结合PSO的基因-疾病关系自动提取方法[J].湘潭大学自然科学学报.2016
[4].王大伟.大数据环境下的关联规则提取算法研究[D].辽宁工业大学.2016
[5].郑瑾.基于0-1矩阵的时空关联规则提取方法研究[J].长春工程学院学报(自然科学版).2015
[6].翟悦,秦放.基于概念格的无冗余关联规则提取算法[J].计算机应用与软件.2015
[7].贺海涛.基于关联规则的领域本体概念提取技术研究[D].长春工业大学.2015
[8].晁永生,孙文磊.基于粗糙集的焊接类型关联规则提取[J].计算机工程与应用.2015
[9].于之虹,黄彦浩,鲁广明,史东宇,周孝信.基于时间序列关联分析的稳定运行规则提取方法[J].中国电机工程学报.2015
[10].焦民政,曾广平,许佳男,贾斌,赵云梅.基于多维关联规则兴趣度的问卷调查规则提取[J].软件.2014