基于关联规则的数据挖掘技术在铁路物流行业中的应用

本文简要介绍了数据挖掘技术中关联规则的基本概念以及Apriori算法,并将其应用到铁路物流行业管理系统中,从而得到货物种类及运输方式之间相互关联的知识,更好的帮助铁路物流行业调整乃至开发新的运输产品,提高铁路物流的效益。     

对数据挖掘中关联规则算法的比较研究

本文介绍了关联规则的概念,关联规则挖掘的方法;分析了Apriori算法的核心方法,以及基于Apriori算法的改进方法,提出关联规则的价值衡量方法和关联规则挖掘今后进一步的研究方向。     

数据挖掘技术在学生信息系统中的应用研究

讨论了基于关联规则的数据挖掘技术,并应用于学生信息查询系统中,可以得到有用的信息并利用语义查询优化方法加快查询的速度.     

基于关联规则的数据挖掘算法研究

关联规则是数据挖掘的重要手段,它基于支持度、置信度等对规则进行筛选,生成有用的规则。关联规则反映了大量数据中项集之间的相互依存性和关联性。Apriori算法和FP-Growth算法是关联规则挖掘中的两个典型算法。本文阐述了这两种算法的基本思想、数据挖掘步骤,并讨论了它们的优缺点及差异。     

基于关联规则的考试数据挖掘

以总结学生各门考试成绩内在联系规则为目的,构建事实星座模型对考试数据所组成的数据仓库进行描述,并采用关联规则挖掘方法中的Apriori算法,对数据仓库中的数据进行分阶处理,生成频繁数据集,发现了各门成绩潜藏的内在规则,得出了一门功课成绩的好坏是由多门功课学习成绩情况所决定的结论,该结论能为教育决策提供一定的依据．     

基于改进数据挖掘Apriori算法的软件风险管理分析

因初始项集中的数据特征相关,使关联规则Apriori算法的数据挖掘结果存在误差.为了解决这个问题,结合粗糙集理论(RST),提出一种改进的关联规则数据挖掘算法;然后,将该算法应用到软件工程风险因素和风险缓解因素管理分析中,提出一种新的软件工程适应性结构.仿真结果表明,该改进算法提高了挖掘数据的效率.     

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.     

基于数据挖掘的冠心病发病相关因素研究分析

本文将心身医学领域和数据挖掘技术相结合,研究发现冠心病发病的相关因素,获得一些新的对人类健康有意义的知识。作者提出借助数据挖掘领域中的多维关联规则技术对冠心病人的原始记录进行分析,通过清理大量初始记录行数据,并根据冠心病发病因素特点提炼出与冠心病有联系的记录字段数据,组成新的冠心病记录表;从表中找出发病记录字段值和冠心病结果字段值组成的频繁字段组合;最后通过预先给定的"支持度"和"置信度"来衡量该频繁字段组合是否能推导出冠心病发病关联规则。     

关联规则的数据挖掘在高校图书馆系统中的应用

简要介绍了关联规则的数据挖掘以及Apriori算法,对Apriori算法优缺点和性能进行分析,并将Apriori算法应用于高校图书馆管理系统,给出了系统的完整实现过程通过分析数据挖掘的结果,寻找各个学科领域中的一些相互关联的知识、辅助教师的教学工作,优化图书馆的馆藏布局。     

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.     

基于数据挖掘技术的智能信息处理系统

着重阐述在数据挖掘阶段提出并改进基于关联规则的Apxioxi并行算法、基于分类的判定树归纳算法和基于聚类的K簇算法,并将几种算法综合应用到智能信息处理过程中。     

数据挖掘在智能题库系统中的应用

首先介绍了数据挖掘技术,接着介绍实现数据挖掘的关键问题,最后论述了如何利用数据挖掘技术实现 题库系统的智能化．     

关联规则挖掘在医保稽查中的应用研究

关联规则挖掘是从事务数据库中发现大量数据中项集之间存在的有意义的隐藏关系。本文探讨了关联规则挖掘如何应用于医保稽查工作,并论述了对Apriori算法进行的具有针对性的改进。     

一种多维时态关联规则数据挖掘算法

在关联规则挖掘中,大量的数据是多维的,且带有时态特性,所以往往需要在时态约束的前提下挖掘多维关联规则．本文从一个实际问题出发,在单维Apriori算法和已有的工作基础上,提出了一种新的多维时态关联规则挖掘算法,并与类似算法进行了比较．     

零售业销售数据关联规则挖掘算法关键思想研究

对零售业销售数据关联规则挖掘算法的关键思想进行了研究，给出了各种提高算法效率的方法以及对规则选择的方法。     

数据挖掘中的数据分类算法综述

分类算法是数据挖掘中的最重要的技术之一。通过对当前提出的最新的具有代表性的分类算法进行分析和比较 ,总结每类算法的各方面特性 ,从而便于研究者对已有的算法进行改进 ,提出具有更好性能的新的分类算法 ,同时方便使用者在应用时对算法的选择和使用     

一种基于关联规则的增量数据挖掘算法

分析了关联规则增量更新挖掘算法FUP和IUA,指出了其效率低下的主要原因.针对关联规则增量更新问题,提出了一种新的简单高效的增量挖掘算法LIUA,并对算法LIUA进行了测试,测试结果表明算法是高效、可行的.     

改进的加权关联规则挖掘

文章给出了改进的加权关联规则的定义,包括加权关联规则的支持度、信任度、有意义度及支持界等.设计了一套挖掘加权关联规则的行之有效的算法,并通过例子说明了算法的有效性.     

数据挖掘在医疗数据中的应用

决策树是医疗数据挖掘中一种重要分类方法,针对原始医疗数据存在大量重复样本和冗余属性,影响医疗诊断的精度和速度这一问题,提出了一种基于粗糙集和ID3算法相结合的决策树方法.将所提方法应用于冠心病诊断决策,并对属性约简前后的决策性能进行了比较分析.实验表明了该方法的有效性和实用性.     

审计日志的关联规则挖掘

研究了在入侵检测系统中利用数据挖掘技术从审计日志中挖掘关联规则的方法，针对现有关联规则算法应用于入侵检测系统引起的问题，提出了利用本质属性限制无趣规则的产生、利用行向量的位运算提高Apriori算法时间性能的一种高效改进算法。该算法不需生成候选频繁集和剪枝操作，避免了因无趣规则引起的大量运算。因而能提高入侵检测系统的效率。