关联规则在毕业设计成绩分析中的应用

本文利用关联规则及Apriori算法，并运用关联规则算法对毕业设计管理系统产生的报表数据进行挖掘分析，分析教师的某些因素与学生毕设计成绩的关联程度，为学校的教学管理工作提供依据。     

关联规则Apriori算法在试卷成绩分析中的应用研究

将关联规则Apriori算法应用于试卷成绩分析中.首先对数据进行预处理,然后使用Apriori算法挖掘学生各科目试卷成绩的优良影响关系,最终产生关联规则.用所获得的知识指导学生的学习及今后的工作.     

基于定量关联规则树的分类及回归预测算法

为了解决基于Apriori的分类关联规则算法挖掘数值型数据时效率和准确率偏低的问题,提出基于定量关联规则树的分类及回归预测算法。采用改进的定量关联规则算法挖掘数值型数据生成关联规则库,并基于关联规则树结构实现分类及回归预测。研究结果表明：改进的Apriori定量关联规则挖掘算法提高了分类预测的准确率并降低了计算复杂度;而采用关联规则树结构可使分类与回归预测时间明显加快,提高了样本匹配学习的速度。     

改进的AprioriTid算法在试卷质量评估中的应用

在试卷质量评估中结合定量和定性分析,探讨了如何利用数据挖掘方法中的关联规则算法对学生成绩数据进行关联规则挖掘,并引入改进的AprioriTid算法来分析试卷各项定量评价指标与总体定性评价之间的关系.结果表明改进的AprioriTid算法能对试卷质量作出科学的分析且具有较高的效率.     

改进的关联规则算法及其应用

根据数据挖掘中关联规则的性质以及高校成绩管理数据库的自身特点,在经典关联规则算法Apriori算法的基础上提出了一种改进的算法——A 算法,并利用该算法对学生成绩管理数据库进行了关联规则挖掘,得到了隐含在数据库中的有用信息.     

学生成绩数据挖掘的研究与实现

文章从分析影响学生成绩的因素出发,利用数据挖掘关联规则中的Apriori算法对采集的学生数据集进行挖掘,以期发现影响学生成绩的潜在因素,从而为相关部门制定教学政策,改善教学质量提供理论支持和科学依据,从而更好地开展教学工作,更好地为学生服务.     

结合变异机制和量子PSO的关联规则挖掘算法

针对数据集中的关联规则挖掘问题,提出一种基于改进量子粒子群优化(improved quantum particle swarm optimization,IQPSO)算法的关联规则挖掘方法。首先,将数据实例以量子比特形式表示,构建一个基于量子进化算法(quantum evolutionary algorithm,QEA)的关联规则挖掘基础框架。然后,在该基础框架上,采用新的量子角度更新公式,即使用QPSO代替QEA实现关联规则挖掘。最后,为了进一步提高QPSO算法的收敛性能,融入变异机制和动态惯性权重对其进行改进,加快其收敛速度和跳出局部最优的能力。在UCI和课程成绩数据集上的实验结果表明,提出的算法能够快速且有效地挖掘出关联规则,相比其他几种算法,挖掘到的关联规则价值更高。     

关联规则在学生成绩分析处理中的应用

学生成绩对学生评价非常重要,为找出影响学生成绩的一些因素间的关联关系,依据数据挖掘关联规则中的FP-growth算法,运用SQL Server 2005中AnalysisServices工具对收集到的学生成绩数据集进行挖掘分析,期望发现影响学生成绩的因素间的联系,将其进行改善并应用于教学实践中,有利于提升教学质量,提高学生成绩.     

关联规则在学生成绩分析处理中的应用

学生成绩对学生评价非常重要,为找出影响学生成绩的一些因素间的关联关系,依据数据挖掘关联规则中的FP-growth算法,运用SQL Server 2005中AnalysisServices工具对收集到的学生成绩数据集进行挖掘分析,期望发现影响学生成绩的因素间的联系,将其进行改善并应用于教学实践中,有利于提升教学质量,提高学生成绩.     

关联规则技术在教务管理中的应用

识别所有频繁项集是Apriori算法的核心.结合偏好信息的思想,对关联规则中的Apriori算法进行改进,减少候选频繁集冗余,提高了算法效率,并对学生成绩进行挖掘分析,找到影响成绩的内在因素.     

基于分辨矩阵的关联规则挖掘改进及实现

Apriori算法是关联规则数据挖掘领域中最重要的挖掘方法,针对Apriori算法中挖掘频繁项集的效率问题和产生关联规则的合理性问题,改进相关定义及其使用,并提出改进的Apriori算法,然后将改进算法用于教学评价仿真系统.仿真结果表明,改进算法可高效、合理地挖掘关联规则,为做好课程安排和教学工作提供支持.     

关联规则挖掘在学生成绩管理中的应用

数据挖掘给人们提供了一种新的认识数据、理解数据的智能手段,关联规则是数据挖掘的一种重要模式。本文在研究关联规则挖掘技术的基础上,将数据挖掘技术和关联规则算法运用到学生成绩管理中:以某班学生在校成绩为数据源,分析了课程间的影响关系,从而能够发现导致留级、退学的那些课程。     

基于Hash结构的关联规则交互挖掘算法

关联规则挖掘是数据挖掘的主要技术之一,现有的关联规则挖掘算法均基于支持度-置信度框架,当用户调整阈值时存在多次遍历数据库和重复计算问题。该文针对支持度阈值变化时的关联规则维护问题,提出了关联规则交互挖掘算法HIUA,该算法改进了原始IUA算法的剪枝过程,并通过Hash结构提高算法运行效率。在UCI数据集及企业实际财务数据集中的实验结果表明:在支持度阈值发生变化的过程中HIUA算法进一步利用已有挖掘结果,有效提高了关联规则挖掘的效率。     

基于数据挖掘的艺术专业课程关联性研究:以太原理工大学轻纺工程与美术学院为例

探讨了艺术专业课程的关联性问题,通过对数据挖掘中的关联规则研究,将学生成绩进行了预处理,利用FP_growth算法较快地对学生成绩数据进行了挖掘,从而得出一些合理、可靠的课程关联性规则,为艺术专业的课程设置和教学大纲的修订提供了决策依据。     

关联规则在高校学位预警中的应用

关联规则挖掘算法能发现大量数据中项集之间相关的关联,运用Apriori算法对计算机科学与技术专业某一届毕业生成绩数据进行挖掘,得到了不能授予学位学生的不及格课程规律,这些规律对低年级学生的学习和在学位预警中具有一定的指导意义。     

基于关联规则挖掘的课程相关性研究与应用

应用关联规则挖掘对高校课程相关性进行了研究.将某高校的毕业生成绩数据库经过预处理之后,采用不设定成绩界限的方法,用改进的Apriori算法进行挖掘.不仅能挖掘出成绩为优时的课程相关规则,还能发现若某些课程成绩差,则其他课程成绩也为差的规则,可以为学分制体系下学生选课和管理者进行决策等提供参考.     

教学评价数据挖掘中的关联规则分析与设计

将关联规则数据挖掘的方法运用到教学评价中,从教学评价数据中挖掘有助于提高教学质量的相关信息。确定了教学评价的影响因素,给出了数据挖掘设计步骤。运用关联规则中Apriori算法,寻找教学评价成绩与教师基本情况之间的关系,为教师提供有价值的参考,帮助教学部门进行决策,从而更好地开展教学工作。     

教学评价数据挖掘中的关联规则分析与设计

将关联规则数据挖掘的方法运用到教学评价中,从教学评价数据中挖掘有助于提高教学质量的相关信息.确定了教学评价的影响因素,给出了数据挖掘设计步骤.运用关联规则中Apriori算法,寻找教学评价成绩与教师基本情况之间的关系,为教师提供有价值的参考,帮助教学部门进行决策,从而更好地开展教学工作.     

基于关联图的改进关联规则在推荐系统中的应用

提出了推荐模型中的关联规则挖掘方法的改进,给出了自定义的页面权值的定义,并改进了基于关联图的关联规则挖掘算法,将页面权值应用于关联规则的挖掘中。此算法是利用Web日志中经过预处理后得到的数据进行规则挖掘,将处理后的数据应用正态分布函数来得到页面权值。用页面权值重新计算支持度,最后将得到的支持度应用于改进的规则挖掘算法中,形成一种基于权值的关联图的关联规则算法。     

关联规则挖掘中Apriori算法的改进

介绍了一种关联规则挖掘中Apriori算法的改进算法.这种方法允许数据近似匹配模式,从而提高模式的整体支持度.这种方法对含有空缺数据的关联规则挖掘同样有用,使得空缺数据也能增加模式的支持度.最后,用样例数据库来说明了改进算法的效用.