经典关联规则挖掘算法

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。     

模糊关联规则及其挖掘算法

通过定义模糊事务数据库,用模糊概念表示事务数据之间的关联关系,提出并定义了模糊关联规则的概念,研究了模糊关联的性质,并给出了一种模糊关联规则的数据挖掘算法.     

关于数据关联规则挖掘理论与数据算法的研究

在数据挖掘研究领域中,数据的关联规则占有重要研究地位和突出现实作用。本文论述了关联规则产生的背景,描述了关联规则的相关概念,并对Apriori挖掘算法进行了详细分析。     

关联规则在高校评教系统的应用

利用关联规则对高校教师进行评价,进而探索受学生欢迎的教师类型．     

负关联规则挖掘算法研究

典型的正关联规则仅考虑事务中所列举的项目.负关联规则不但要考虑事务中所包含的项目,还必须考虑事务中所不包含的项目,它包含了非常有价值的信息.然而,对于负关联规则挖掘的研究却很少,仅有的几种算法也存在一定的局限性.为此,文中提出了一种快速有效的负关联规则挖掘算法MNAR,并给出了一种基于二进制形式的支持数计算方法.理论和实验结果表明算法MNAR是有效和可行的.     

基于关联规则的超市购物个性化推荐研究

【目的】优化因消费者需求改变而受到局限的传统方法。【方法】通过收集沃尔玛超市两个时段9 835名顾客的消费数据,使用Apriori算法对数据进行挖掘和分析,得到3种推荐方法,分别为按商品销售排名推荐最畅销的前N件商品、根据Apriori算法挖掘出的关联规则进行商品捆绑销售、根据定义的强关联规则推荐系数来推荐商品。【结果】在运行程序后,发现后两种推荐方式挖掘出的关联规则商品不完全相同,且对相同关联规则商品的推荐度不同。【结论】推荐策略的实施将提高超市商品的销售量,有助于满足顾客的个性化需求。     

关联规则算法的研究及应用

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.     

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Apfiori算法地优缺点进行了评价．     

隐私保护关联规则挖掘算法分析及研究进展

关联规则挖掘可以发现大量数据中项集之间相关联系的知识,隐私保护是当前数据挖掘领域中一个十分重要的研究问题,其目标是要在不精确访问真实原始数据的条件下,得到准确的模型和分析结果.提出了关联规则挖掘形式化定义以及它的基本算法,从关联规则挖掘角度对当前流行的隐私保护关联规则挖掘算法进行了深入浅出的分析和介绍,最后系统回顾了目前人们在数据挖掘领域中对隐私保护关联规则研究的现状,阐述了隐私保护在未来数据挖掘中的发展方向.     

基于水平加权关联规则挖掘算法的研究

针对传统关联规则各项目具有着相似的出现频率和相同的重要性两个前提假设,提出了加权关联规则的概念,重点研究了水平加权关联规则MINWAL(O)算法的基本思想,指出该算法的不足及优化算法,旨在对加权关联规则挖掘算法的扩展和改进奠定基础.     

图像挖掘技术在医学CT图像上的应用

提出了CT图像挖掘的概念,描述了图像挖掘技术在CT图像上的具体应用及实现.针对医院中每天产生并存储的大量有价值的医学CT图像,结合医学上所特有的领域知识,提出了一种通过对医学CT图像进行图像挖掘,可以将医学CT图像分成有病或无病两类的方法.该方法的实现对帮助医生及早诊断出恶性病变具有重大的意义.     

基于All-confidence的正负关联分类

针对分类中如何有效利用负关联模式提高分类准确率,提出了一种基于正负关联模式的分类算法．利用类Apriori算法挖掘包含正项或／和负项且项与项之间互相关联的正负关联模式来产生分类规则．为提高挖掘效率,先找出能覆盖训练集的信息熵最小k个正,负项．然后,把这k个正／负项分别与其他项进行连接得到相应的正负关联模式．实验表明,该算法有效减少了挖掘的规则数,极大减少了挖掘时间,并提高了分类准确率．     

数据仓库技术及其应用

着重阐述了数据仓库的基本概念、系统框架结构以及发展前景与方向，并结合项目实例对数据仓库系统的数据源、数据源集成、中心数据仓库、数据集市、OLAP服务器和前端分析工具等组成部分进行了详细分析．     

基于Web的数据挖掘技术浅析

讨论如何通过面向Web的数据挖掘技术———XML技术从众多的Web站点进行数据抽取,使得这些有用的数据可以得到共享并集成.     

高校品牌文化的网络传播平台构建与设计研究——以武汉理工大学国际交流网站设计为例

为扩大国际影响力,实现国际化交流,高校可充分利用校园网络平台来传播高校品牌文化。在网络传播平台的设计中,功能设置与视觉设计是交互界面的两大重要因素,需要针对高校国际交流网站用户及该校本身的特点进行设计,从而高效、准确地传播高校的品牌文化。     

3D打印技术在个性化创意设计中的应用

3D打印技术提供了一条极具成本价值的路径而能够完成反复的设计迭代,在关键开发的初始阶段,及时掌握产品设计随机反馈的信息,对个性化创意设计极有帮助,不仅可以迅速修改,降低成本,而且能够缩短个性化创意产品的上市时间,立马赢得社会效益和经济效益。有基于此,分析研究了3D打印技术在个性化创意设计中的应用情况,进而探讨了3D打印技术与个性化创意设计的高度融合以及有效应用问题。     

一种结合关联与FOIL算法的分类方法

针对如何减少关联分类方法中冗余规则,增加FOIL算法的规则数,以提高分类准确率,提出了一种结合关联与FOIL算法的分类方法,并称之为ACFA．首先,以类支持度和自信度为度量提取长度为1和2的规则,其次,利用Apriori算法挖掘出频繁2-项集F2,然后在频繁2-项集F2申挑选满足条件的频繁项建立候选集,最后在候选集上运用FOIL算法来产生分类规则．实验表明算法ACFA不但有效减少了关联分类方法中冗余的规则,并大大增加了FOIL算法的规则数,提高了分类的准确率．     

基于关联分析的高维空间异常点发现

异常点发现是从大量数据对象中挖掘少量具有异常行为模式的数据对象,很多情况下,这些数据对象较之正常行为模式包含了更多用户感兴趣的信息.该文针对某些具体应用领域中的数据对象具有高维性的特点,利用关联分析知识,提出一种高维空间异常点发现算法,理论分析和实验表明,算法是有效可行的.