高校信息系统的挖掘技术研究

数据挖掘是当前数据库和信息决策领域的研究热点。本文阐述了数据挖掘技术在高校信息系统中的具体应用,研究了关联规则算法,提出了Apriori的改进算法,最后通过实验证明该算法是有效可行的。     

大学生心理问题数据挖掘系统的设计与实现

设计了一种大学生心理问题数据挖掘系统．该系统采用ID3算法构建决策树进行分类挖掘,采用Apriori算法进行关联规则挖掘．以我校05级学生心理问题数据为对象,进行数据挖掘．发现了影响心理问题的主要因素及相互间的关系,使我校的心理健康教育工作更具针对性和目的性．     

一个模糊关联规则挖掘系统的设计与实现

将模糊技术和概念分层应用到关联规则挖掘中，给出了多层次模糊关联规则挖掘系统的设计和实现的具体方案．并以Fnodmark2000数据库为基础，建立了客户信息主题数据库．建立起系统基本框架，实现了模糊关联规则挖掘算法，使用该算法成功挖掘出客户消费—特征之间的关联规则，并对得到的模糊关联规则作了分析。     

起重机械检验数据挖掘系统的设计与实现

利用数据挖掘技术,开发了起重机械检验数据挖掘系统,为检验起重机械安全运行性提供了一种有效决策模型。系统采用决策树分类,实现了对起重机械的故障诊断;利用关联规则,对起重机械缺陷、失效进行相关性分析。系统运行结果表明,该系统具有一定的应用价值。     

基于关联规则的日志分析系统的设计与实现

网上广告势必成为中国广告业不可取代的部分,广告人总是期望广告能获得最好的效果.为此,本文设计并实现了一个基于关联规则数据挖掘的日志分析系统,数据挖掘引擎在实现过程中针对挖掘数据的特点对Apriori算法进行了改进,并通过仿真数据库对挖掘结果进行了验证,日志分析系统获得的"知识"可以直接用于改善Web的信息服务.     

基于Delphi的工程定额及概预算管理系统的实现

介绍了利用Delphi的数据库技术，在工程建设定额及概预算管理系统的实现中的一些应用。     

小型超市数据仓库系统SMDW的研究与实现

介绍了独立开发的小型超市数据仓库系统ＳＭＤＷ Ｖ１．０的主要功能，用户界面及设计开发中遇到的特殊困难和相应解决方法，并介绍该系统在关联规则挖掘中实现Ａｐｒｏｒｉ算法的具体措施。     

基于粗糙集理论不完备信息系统的数据挖掘

提出了一种基于推广的粗糙集理论直接在不完备信息系统上进行数据挖掘的方法，并给出了该方法的算法和实例．该方法利用粗糙集理论直接对不完备信息系统进行知识约简，然后根据获得的约简集建立知识层次树，利用规则的支持度阂值s0和置信度阈值c0从知识层次树的压缩搜索空间中提取不完备系统的规则集，该方法保持了原始数据和数据挖掘所获得的知识的真实性，另外，还提出了知识规则的上、下支持度，上、下置信度，规则粗糙度等概念，以便指导用户更好地利用数据挖掘所获得的知识．     

基于SQL查询语言的关联规则提取算法研究与实现

本文提出一个基于SQL查询语言的关联规则提取算法,可以高效灵活地解决大部分关联规则的提取。由于该算法间接引用了关系数据库中已有的数据库加速扫描和查询等成熟算法,因此在大规模数据量的情况下,提取速度一般还能够维持在秒的数量级上,从而使得算法具有可应用性。     

正、负关联规则挖掘算法的实现

关联规则挖掘寻找给定数据集中项之间的有趣关系,是数据挖掘的主要研究方面.传统的关联规则挖掘算法仅能挖掘正关联规则,事实上,负关联规则也包含了非常有价值的信息,对于决策的作用也是不容忽视的.     

关联规则算法在教务管理信息系统中的应用

高校教务管理信息系统已经成为高校数据资源库中最重要的数据库之一。随着办学规模扩大,教学资源信息量的不断增加必然导致数据量的不断增加。利用数据挖掘技术探索大量隐藏的数据规律,从而为决策者提供有效的决策依据,对于高校教学管理工作的改革意义重大。     

基于关联规则的文档智能查寻算法研究

针对经典关联规则在解决与其他应用领域相关的概念、完备频繁项目集和高效算法的定义等问题上的缺陷,提出了一种关联规则算法,在文档智能查询的应用问题上,此算法有效地解决了这些问题,实验表明此关联规则算法在文档智能查询项目中,得到了良好的应用效果.     

基于分布式教学系统的智能决策问题的研究

分布式教学系统是目前流行的一种教学系统。应用智能决策的工具数据仓库技术和关联规则算法,对分布式教学系统中的数据信息进行分析研究,力图将内涵在教学系统中的有用信息提取出来,作为改进效率、提供决策的依据。     

关联规则挖掘在保险公司客户信息管理中的应用

介绍数据挖掘中关联规则技术及一种关联规则算法并将其应用到保险公司的客户信息管理中,找出其内在的关联规则,得到保险公司的验证.     

有效时间概率关联规则在商品推荐系统中的应用

在关联规则挖掘中,大量的数据是多维的,且带时间性,根据实际的应用,对传统的算法进行了改进,提出了在商品推荐系统中构建的模型,并与类似算法进行了比较.采用了本文提出的算法后,能够挖掘出小概率项目中蕴涵的关联规则,并考虑到时间的因素,去除了多余的杂质数据,而Apriori算法则无法做到这点.     

分布式关联规则挖掘系统实现

提出一种基于AprTidRec算法的分布武关联规则挖掘算法,并通过实验验证了算法运行的有效性。给出基于局部一全局通信模式的分布式关联规则挖掘方案,并在此方案基础之上进行了系统实现。     

基于改进型关联算法的门票分析系统设计与实现

提出了一种加权的关联规则CWA priori算法,在数据挖掘过程中,充分利用决策属性在挖掘中的作用,清洗掉数据源中无价值或价值较小的记录,从而达到节省程序运行时间和空间的目的。给出了CWA priori算法的描述,开发设计了基于该算法的A S-M in ing门票分析系统,该系统在项目单位正常运行使用。实践证明:发现的知识模式对公司的门票销售决策具有一定的实用参考价值,同时在节省程序运行资源方面也取得了良好的效果。     

Algorithm of Intrusion Detection Based on Data Mining and Its Implementation

Intrusion detection is regarded as classification in data mining field. However instead of directly mining the classification rules, class association rules, which are then used to construct a classifier, are mined from audit logs. Some attributes in audit logs are important for detecting intrusion but their values are distributed skewedly. A relative support concept is proposed to deal with such situation. To mine class association rules effectively, an algorithms based on FP-tree is exploited. Experiment result proves that this method has better performance.