原创《基于改进关联规则的图像挖掘技术》：本文关于关联规则论文范文,可以做为相关论文参考文献,与写作提纲思路参考。
摘 要： 图像挖掘技术与关联规则的结合在网络数据索引中占据了先机,但一些功能弊端不可避免.在这样的背景下,对关联规则的编码、特征点排列和运算方法进行改进.改进关联规则将网络数据集合转化为布尔矩阵,实行列内积运算,保留矩阵内大于或等于图像特征最小支持度的逻辑,挖掘出高频特征集合.设计基于改进关联规则的图像挖掘系统,系统包含数据采集、预处理、数据库和图像挖掘四个结构层,给出具备去噪、分压和滤波功能的图像预处理电路,并介绍了图像信息数据库结构,最后通过实验证明系统可进行高效率的图像挖掘,并且图像区分度大.
关键词： 关联规则； 图像挖掘； 布尔矩阵； 内积运算； 图像信息数据库
中图分类号： TN911.73?34； TP311.13 文献标识码： A 文章编号： 1004?373X（2017）16?0109?03
Abstract： The combination of image mining technology and association rules plays an important role in network data index, but still can′t oid some functional disadvantages. In this context, the coding, feature point arrangement and operating method of association rules are improved. The network data set is converted into Boolean matrix by means of the improved association rules to carry out the column inner product operation and reserve the logic value which is greater than or equal to that of image feature minimum support, so as to mine the high?frequency feature set. The image mining system based on improved association rules was designed. The system includes the structural layers of data acquisition, preprocessing, database and image mining. The image preprocessing circuit with the functions of denoising, voltage distribution and filtering is given. The structure of the image information database is introduced. The experimental results prove that the system can mine the image effectively, and has high image discrimination.
Keywords： association rule； image mining； Boolean matrix； inner product operation； image information database
0 引 言
网络的出现形成了一个巨大的图像仓库,对图像数据的挖掘要远远低于人们所需要的知识量.网络对大多数人來说是一个图像信息爆炸却知识匮乏的虚拟世界,信息技术的高度发展为网络图像知识挖掘提供了莫大帮助.图像挖掘技术将网络中的海量数据源分类成便于人类理解的图像信息[1],与低等视觉处理技术的图像特征简单提取不同,它由图像像素出发向空间迈进,是致力于重点挖掘深层知识的高级别索引技术.
1 基于改进关联规则的图像挖掘技术研究
关联规则为一项拓展优先方法,挖掘网络数据集合中多次出现的数据特征点,把相等长宽数据链的特征点汇总[2].关联规则在初次采集时通过计算网络数据集合的特征支持度,将特征点汇总集合长宽置1,之后的挖掘过程以该集合为数据衡量背景,采集其余数据链特征,排除支持度未能合乎要求的特征点,将剩余特征点生成高频特征集合.
在图像挖掘技术的大前提之下,图像信息的数据链长度进一步加深,为此,对关联规则做出三点改进,分别是编码改进、特征点排列改进和运算方法改进.编码改进利用布尔矩阵进行编码,图像数据链的矩阵元素只取0或1,通过缩小单个数据链的长宽,等比例压缩图像信息.特征点排列改进按照数据维度排列特征点,降低图像挖掘技术的索引难度.运算方法改进改用内积运算,通过在布尔矩阵每一行实行内积运算来挖掘高频特征集合,不必花费时间去实行数据链修剪与连接.
图1表示改进的关联规则图像挖掘过程,[β]为高频特征集合元素的内积运算结果逻辑.
改进的关联规则将采集到的网络数据集合转化为布尔矩阵,提出一个特征的最小支持度.实行矩阵列内积,采集得到高频特征集合1,将集合1项目中大于或等于最小支持度的特征留用,拓展到布尔矩阵的列向量,实现等比例图像信息压缩[3].将拓展布尔矩阵中大于或等于最小支持度的元素留用,按照维度降序排列元素,再次实行布尔矩阵内积运算,得到逻辑[β].验证[β+1]与最小支持度的关系,保留大于或等于最小支持度的逻辑,将逻辑还原到最初的高频特征集合中实行图像信息特征更替.
2 基于改进关联规则的图像挖掘系统设计
2.1 系统框架
关联规则论文参考资料：
结论：基于改进关联规则的图像挖掘技术为关于本文可作为相关专业关联规则论文写作研究的大学硕士与本科毕业论文关联规则论文开题报告范文和职称论文参考文献资料。
