基于关联规则的数据挖掘技术在中药方剂配伍中的应用研究

中药方剂的数据挖掘研究是把我国丰富的中药信息资源和现代信息技术相结合的重要内容,它是指在中医理论指导下,用知识发现技术对传统中药新药、中医组方理论及规律、中药作用机制、有效成分构效关系等多个方面进行全面、系统的研究.以关联规则为主的研究模式是数据挖掘的一种常用方式,将关联规则用于方剂配伍研究的主要目的是探寻核心药群,寻找药物之间的相互联系和整体用药规律.本文对中药方剂数据挖掘模式和算法集成进行了研究,提炼方剂中有关联的药物匹配模式,探讨这些模式中药物组配后功效的变化情况,从而为中药方剂理论研究和临床实践研究提供现代技术手段.     

正负关联规则挖掘的研究

传统的基于支持度-置信度框架的关联规则挖掘方法可能会产生大量不相关的、甚至是误导的关联规则,同时也不能区分正负关联规则。本文提出了一种评价关联规则的可量化标准,进一步提出一种能同时挖掘正负关联规则的框架,实验证明该方法是有效的。     

兴趣关联规则的挖掘

通过对关联规则兴趣度的度量,在挖掘关联规则时可以避免无意义规则的产生。提出了一种度量关联规则兴趣度的方法,并给出了兴趣关联规则的挖掘算法。     

兴趣模糊关联规则挖掘现状研究

模糊关联规则是通过给定最小支持率和最小信任度来得到很多关联规则的,这些规则之间大部分是显而易见或不相关,为有效得到用户关注的模糊关联规则,引用了兴趣度了的概念。本文主要针对目前兴趣模糊关联规则挖掘现状进行分析研究。     

数据挖掘在方剂配伍规律研究应用的探讨

探讨数据挖掘在方剂配伍规律研究中的应用，并给出例子和一些研究思路。     

一个基于约束的关联规则挖掘算法

给出了一个基于约束的关联规则挖掘算法，首先依赖加权支持度产生频繁项目集，然后利用兴趣度产生关联规则，并对过滤掉的频繁项目集进一步分析发现包含负项集的关联规则。     

关联规则兴趣度挖掘在选课中的应用探讨

高校信息化的选课系统积累了大量闲置的选课数据,如何把这些闲置数据利用起来为高校服务成了教学管理人员需要解决的问题。为了解决闲置选课数据的问题,对关联规则兴趣度挖掘在选课中的应用开展了分析讨论。使用Visual FoxPro语言编写了选课数据分析软件,并对选课数据进行挖掘分析,找出不同专业类型的学生对不同类型课程的偏好,为教师指导学生选课具有重要意义。     

一种改进的负关联规则挖掘算法

负关联规则A→—B(或者-A→B,-A→B)描述的是项目之间的互斥关系,其与传统的关联规则有着同样重要的作用．然而,负关联规则和传统正关联规则的挖掘有很大不同,因为负关联规则隐藏在数量巨大的非频繁项集中．因此提出一种新的挖掘horn子句类型负关联规则的算法,并且实验证明是行之有效的．     

分布式关联规则挖掘算法研究

在对分布式关联规则挖掘的三种主要算法：CD算法、DD算法及FD算法的原理及实现步骤进行详细的阐述的基础之上,得出其各自的优缺点,并指出FD算法在网络通信效率和算法灵活性方面更具有优越性。     

关联规则挖掘中的关联推理

在大型数据库项目之间发现关联规则是一个重要的数据挖掘问题，而挖掘出的关联规则数常常是巨大的。现基于覆盖运算，讨论已知关联规则可导出其它关联规则，并指出存在能覆盖全部关联规则的最小规则集。     

关联规则挖掘中的关联推理

在大型数据库项目之间发现关联规则是一个重要的数据挖掘问题,而挖掘出的关联规则数常常是巨大的.现基于覆盖运算,讨论已知关联规则可导出其它关联规则,并指出存在能覆盖全部关联规则的最小规则集.     

关联规则挖掘在税务系统中的应用研究

通过对关联规则经典挖掘算法Apriori算法的分析;并在Apriori算法基础上,采用一种基于布尔矩阵的行向量寻找频繁项集的关联规则挖掘算法,将该算法应用于税务系统中,分析欠税纳税人的欠税行为等情况,并判断其是否符合业务规则。     

关联规则挖掘在教学评价中的应用

指出了教学评价中传统的定性分析、定量分析、标准差方法的不足，介绍了关联规则的概念，将数据挖掘中的关联规则挖掘应用到教学评价中，找出了教师课堂教学效果与教师年龄、职称之间的关联规则．     

基于兴趣度的高职课程关联规则挖掘

研究关联规则数据挖掘,讨论兴趣度的概念,设计基于此概念的算法.以高职成绩数据库为处理对象,分析课程间的关联规则,并以兴趣度为约束条件,剔除具有欺骗性的无效关联,挖掘一些合理可靠的课程间有趣的关联规则,从而为高职课程设置和教学大纲的修订提供参考,同时也验证了算法的有效性.     

一种挖掘负关联规则的有效方法

负关联规则表示2个项集之间的互斥或否定关系,往往隐藏在数量庞大的非频繁项集中,有很强的相关性且包含了重要的信息.提出了一种基于相关系数和最小兴趣度的挖掘负关联规则的方法,并给出了相应的算法,实验表明该算法能有效提高挖掘效率.     

关联规则挖掘Apriori算法研究

随着收集和存储在数据库中的数据规模越来越大,人们对从这些数据中挖掘出相应的联知识愈来愈感兴趣,关联规则一个典型的应用实例就是市场购物分析.本文介绍了关联分析的概念Apriori算法及其改进技术,对Apriori算法地优缺点进行了评价.     

关联规则挖掘研究

关联规则是数据挖掘中一个重要的研究内容。典型的关联规则算法是由R.Agrawal等提出的Apriori算法。本文对Apriori算法进行了分析,指出了挖掘中的关键步骤,并给出了算法改进技术。     

高校人事管理信息中的关联规则挖掘

在制定人事激励制度时,要针对不同类别的教师建立有针对性的制度.为此,提出了一种基于分类和关联规则挖掘的方法.通过相似性分析将教师分为若干群体,针对每个群体,应用关联规则挖掘识别其中隐含的规则.     

时态关联规则挖掘综述

交易数据库中的关联规则挖掘是一个很有价值的问题。现在已有不少关联规则模型,挖掘关联规则的算法也在不断改进。然而,在真正的数据库中,一些特殊的问题还没有被解决。一个主要的未解决的问题就是处理包含时态信息的数据。近几年来,为了解决这个问题,已经提出了基于某些方法的研究。     

基于分辨矩阵的含负属性项关联规则挖掘

Apriori算法存在候选集、频繁集产生效率低,丢失有趣强关联规则等问题,提出一种基于分辨矩阵可以采掘含负属性项强关联规则的改进算法,最后给出一个实际例子实现该算法.