共查询到20条相似文献,搜索用时 62 毫秒
1.
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Apfiori算法地优缺点进行了评价. 相似文献
2.
本文重点研究了关联规则经典算法Apriori算法的基本思想,并通过实例说明发现频繁项集的方法,提出了Apriori算法的不足,并结合spss clementine软件将关联挖掘应用于某超市的销售数据,从大类及二级类商品之间两个方面进行挖掘,针对挖掘结果进行了分析,同时提出建议,为超市提供辅助决策信息. 相似文献
3.
综述了数据挖掘技术在网络入侵检测中的应用,阐述了关联规则分析在网络入侵检测中的应用原理和最新的研究与改进,并指出了目前存在的问题和未来研究的方向。改进由k阶频繁项集生成k+1阶候选频繁项集时的连接和剪枝策略;改进对事务的处理方式,当所有联接完成时只扫描一遍Lk-1,减少Apriori算法中的模式匹配所需的时间开销。实验表明,该算法应用于此系统来提取用户行为特征和入侵模式特征,提高了整个系统的性能。 相似文献
4.
采掘关联规则是数据采掘领域的一个重要问题,探讨了Apriori算法,基于该算法,提出了1种用Visual Foxpro求频繁项目集的方法,并编写了求频繁项目集的程序。 相似文献
5.
6.
数据的挖掘是一门综合的学科,涵盖计算机数据库以及高等数学等诸多学科,对于如何更好地利用分析数据库,学者一直在探索。本文从关联规则基本理论入手,进一步对关联规则挖掘的经典算法Apriori算法和FP-growth(频繁模式增长)算法进行了详尽描述,并提出了两个算法不同的针对点,有助于使用者在应用时根据环境做出适当选择。 相似文献
7.
8.
较为详细地介绍了关联规则挖掘的基本内容和相关算法,给出了在web个性化网站的建设中,利用关联规则挖掘对用户数据进行分析和预测用户行为的一个实例. 相似文献
9.
10.
本文分析了数据挖掘的经典Apriori算法存在的缺陷:处理规模巨大的候选项目集时需要消耗大量的时间;对候选项目集进行模式匹配时需要多次重复扫描事物数据库,降低算法的速度和效率。针对这些缺陷本文对经典的算法和优化策略进行了剖析,提出一种新的发现频繁项目序列集的算法DISS-DM。本算法是在算法ISS-DM的基础上加以改进,采用了数据分割法将数据库分成多个分片,对每个分片进行一次扫描找出局部频繁项集,对整个数据库扫描发现全局频繁项集。本算法只需要扫描数据库两次,就能发现全局频繁项集,能减少内存需求,有利于大型数据库的数据分割优化。 相似文献
11.
大数定律是概率论中理论性最强的内容之一,由于内容抽象,在课堂教学过程中,如果按照传统的教学设计来讲授学生理解起来较为困难.在课程设计上采用基于问题驱动的教学模式,由著名的蒲丰投针实验引入,引出贝努利大数定律,并拓展到蒙特卡洛模拟法,使学生在课堂上既能够轻松掌握大数定律的内容,又能够深刻地理解大数定律的本质. 相似文献
12.
13.
14.
15.
16.
17.
18.
19.
20.
针对软件工程课程传统教学模式存在的不足,提出了一种基于MOOC的混合教学模式.该模式通过对教学流程进行重构,将教学过程划分为MOOC学习与课堂教学2个阶段,优化设计了教师备课、MOOC学习、课堂教学和反思提高等环节,并完善了教学效果评价体系.形成了MOOC学习与传统课堂教学优势互补,学生自主协作和师生交流反馈相互融合的优质教育闭环.实践表明,该模式可以有效激发学生学习的积极性与自主性,增强教学吸引力和教学效果. 相似文献