Apriori算法在高职院校公共选修课关联性分析中的应用

构建公共选修课关联性分析模型.采用Apriori算法对公共选修课选课历史记录数据进行挖掘分析建模,将构建的模型应用到公共课管理中,可以提高公共选修课数字化智能管理水平.     

基于web数据挖掘的Apriori算法及其优化算法研究

从数据挖掘中的关联规则概念入手,介绍了关联规则挖掘中的核心算法Apriori实现过程,针对出现的瓶颈又介绍了几种Apriori算法的优化方法,最后指出了末来关联规则挖掘算法的研究方向．     

基于Apriori算法的读者行为分析

本文利用Apriori算法对图书管理集成系统产生的流通数据进行数据挖掘,找出读者借阅书目之间的关联规则,从而指导图书馆工作人员主动的向读者推荐满意的图书。     

基于k-means与Apriori算法的食物营养成分分析

营养作为人类生活的必要前提,大量患有某种疾病患者或由于工作职业原因对不同营养成分需求各不一致,发现不同食物种类营养成分及含量间的关系具有较强的应用价值。由于各类食物类别所含食物数量不同,针对Apriori算法通过支持度和置信度来衡量关联规则的特点,为克服各类食物数量不一致容易对挖掘结果产生不良影响,设计了一种通过k-means与Apriori算法对多种食物的营养成分及含量的挖掘与分析的方法。首先根据不同食物营养成分含量采用k-means聚类算法进行聚类,将食物数据集划分出了多个互不相交的"簇",再在各"簇"内通过Apriori算法实现食物营养成分含量之间的关联规则挖掘,其结果表明使用该方法经过聚类后的同一簇内食物营养成分关联程度明显优于直接在数据集中使用Apriori算法进行挖掘,为各类人群的合理膳食及饮食健康提供了重要的参考依据。     

实时信息下除雪车辆优化调度分析

降雪严重影响城市道路交通系统的正常运行,除冰雪已经成为城市冬季道路养护工作的一项重要任务。城市道路网络复杂,合理的除雪车辆调度方案仅仅依靠人工经验无法实现。本文考虑冬季道路养护中的服务水平、车队规模等约束条件,建立了实习信息下除雪车辆优化调度的整数规划模型。该问题属于一个NP-完全问题,因此设计了构造启发式算法对模型近似求解。算例结果表明,该算法能够求解一定车队规模的除雪车辆调度问题,能够提高冬季道路养护的水平,为实际应用奠定了基础。     

实时信息下除雪车辆优化调度分析

降雪严重影响城市道路交通系统的正常运行,除冰雪已经成为城市冬季道路养护工作的一项重要任务.城市道路网络复杂,合理的除雪车辆调度方案仅仅依靠人工经验无法实现.考虑冬季道路养护中的服务水平、车队规模等约束条件,建立了实习信息下除雪车辆优化调度的整数规划模型.该问题属于一个NP-完全问题,因此设计了构造启发式算法对模型近似求解.算例结果表明,该算法能够求解一定车队规模的除雪车辆调度问题,能够提高冬季道路养护的水平,为实际应用奠定了基础.     

基于关联规则的高考数据隐私保护

为了给高考制度改革提供科学合理的依据,招生考试管理部门向高校或科研机构提供考生数据进行挖掘研究,同时,希望采取一系列措施对考生数据进行预处理,防止考生隐私泄露.通过关联规则数据挖掘算法对高考数据进行分析,揭示高考数据背后隐藏的关联关系,尽量避免发布一些不是很重要且与敏感属性关系不密切的信息,不仅可以减少隐私保护算法的运算量,而且能够降低攻击者通过其它渠道数据逆推隐私信息的可能性,从而降低隐私泄露风险.实验表明,方法简单可行,可为数据提供机构提供有价值的参考.     

基于多源数据融合的高速公路交通事故黑点判别

【目的】提高高速公路交通事故黑点判别精度。【方法】基于高速公路交通事故数据,融合异常驾驶行为数据与高速公路特征点数据,创建高速公路黑点特征数据集,并将集成学习的CatBoost算法应用于G4高速公路湖南段交通事故黑点的判别。【结果】与支持向量机、随机森林和梯度提升决策树算法相比,CatBoost在判别高速公路事故黑点上的准确率达到了81%,F₁值为0.88,A_UC值分别提高了17%、13%和17%,说明其判别效果优于其他3种机器学习算法。【结论】基于多源数据融合的高速公路交通事故黑点判别方法能够有效判别出高速公路存在的事故黑点,并能输出每个相关变量对事故结果的贡献值。研究成果可应用于高速公路事故黑点的筛查,并指导管理人员制定相应的预防措施。     

基于关联规则挖掘算法的研究

关联规则挖掘是从大量的数据中挖掘出有价值描述数据项之间相互联系的有关知识.对于大型数据库来说,有算法的执行时间太长等问题.分析和探讨了Apriori算法,提出了基于Apriori算法的一种有效的关联规则挖掘算法,减少了数据库I/O操作时间,从而提高了效率.     

基于Apriori数据挖掘算法的篮球比赛现场决策系统构建

为优化篮球比赛现场决策效果与效率,将人工智能技术引入篮球比赛决策当中,设计了篮球比赛现场决策人工智能辅助系统.首先,利用摄像机布局了篮球场比赛帧图像采集方案,基于三维空间仿射变换方法标定相机降低帧图像失真程度;构建篮球战术数据库,将现场采集的比赛视频与数据库对战视频案例进行匹配比对;基于Apriori算法找到篮球比赛视...     

浅谈冷补沥青混合料在冬季市政道路养护中的应用

介绍了沥青冷补材料的性能和类型、添加剂的选用、生产工艺流程及冷拌料的储备等,对使用情况进行了分析,指出了目前存在的问题及需要注意的事项。     

基于多源浮动车数据融合的道路交通运行评估

针对当前出租车浮动车数据覆盖范围和数据质量不足的问题,在现有数据特征分析的基础上引入百度手机导航和公交车浮动车导航数据,面向道路运行评估和拥堵管理提出了基于出行时间的交通运行指数算法和一种基于出租车、百度、公交车多源浮动车数据融合的道路交通运行评估方法,构建了多源数据融合规则和融合算法.以深圳为例进行了融合效果分析,结果表明所提出的多源数据融合方法效果显著,很大程度上提高了融合结果精度、数据覆盖率、数据可靠性和数据样本量,最后提出了主要应用方向和初步应用效果,能够为国内外城市开展交通运行评估工作提供借鉴.     

冬季道路养护场站空间布局优化研究

撒布融雪剂是国际上较常用的一种路面除冰雪的手段,可以通过降低冰雪融点清除积雪及积冰.优化储存融雪剂和融雪剂撒布车辆的场站布局可以提高养护作业的效率和减少作业成本,从而降低融雪剂对环境的影响.虽然场站布局属于战略层面的规划问题,但它必须有效考虑操作层面的车辆路径规划问题.根据选址-路径问题(Location-Routing Problem)建立冬季道路养护场站的选址模型,并用两阶段TABU禁忌搜索算法进行求解.长春市的案例分析结果证明了模型的有效性.     

论公路养护资金之高效运用:以山西省公路局太原分局为例

总结了太原公路分局在公路养护资金不足的背景下,努力优化资金配置,全面推行预防性养护,提高公路养护科技水平,运用市场化手段实行路基、水沟路肩养护社会化,有效缓解资金不足的经验。     

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．     

序列模式挖掘在警用车辆维修数据分析中的研究与应用

将序列模式挖掘方法应用于警用车辆维修数据分析中,对车辆维修记录序列中的多个维度属性展开分析,获取辅助决策信息.实验结果表明:该序列模式挖掘方法在警用车辆维修数据分析中是可行、有效的.     

稀浆封层技术在公路养护中的应用

稀浆封层是将乳化沥青、符合级配的骨料、水、填料及添加剂按一定的设计配比搅拌成稀浆混合料，均匀地摊铺在待处理的路面上，与原路面牢固地结合在一起，形成密实、坚固、耐磨的道路表面封层，大大提高路面使用性能，具有很大的发展前景。     

Apriori算法在客户关系管理中的应用

在一个竞争的环境下，客户关系对企业而言是至关重要的。提供客户所需要的，满意的个性化服务，是客户关系管理的主要内容。Apriori算法作为主要的数据挖掘算法之一在客户关系管理中得以广泛应用，本文主要介绍了Apriori算法含义及其相关概念，着重研究了该算法的实现及其在实际的客户关系管理系统中是如何运用的，对客户关系管理系统的开发和实现具有现实意义。     

公路养护市场化改革探讨

回顾了我国公路养护体制的历史沿革及目前公路养护现状,探讨了现行养护模式制约养护水平提高和公路事业发展的深层原因,阐述了养护体制改革的重要性。在分析各地公路部门成功经验的基础上,提出了公路养护市场化改革的方向和模式。     

一种基于数据挖掘的Snort系统的设计与应用

为了提高入侵的检测效率,提出了一种基于数据挖掘的改进的Snort系统.该系统充分利用数据挖掘的入侵检测优点,采用改进的Apriori算法,在Snort原系统基础上增加一个数据异常检测模块,改进了Snort存在的缺点,提高了检测率.通过模拟实验验证和实际网络环境应用分析,得出该系统比原Snort系统具有更高的检测性能,能...