基于OLAP的多维关联规则挖掘研究

针对数据仓库中的多维数据模型及OLAP技术,给出了一套行之有效的基于OLAP的元规则指导的多维关联规则挖掘方案,最终挖掘出用户真正感兴趣的概念层次合理的多维关联规则.实验结果表明该方案是有效的.     

关联规则挖掘在数据仓库中的应用研究

从数据库知识发现的角度，介绍了数据仓库中数据挖掘模型的设计原理，提出了单层次结构的关联规则挖掘的一种设计原理和实现方法。     

数据挖掘中关联规则挖掘算法的探讨与研究

对数据挖掘中的关联规则挖掘算法进行了研究、探讨和比较。在分析关联规则最具代表性两类算法的基础上,提出了一种挖掘算法的改进思想,并对关联规则进行了展望。     

基于扩展的嵌套关系代数的关联规则挖掘查询

提出了一种使数据挖掘与数据库系统无缝集成的方案.该方案基于关联规则挖掘和关系数据库系统的通用查询算法,采用一种扩充的嵌套关系代数作为关联规则和其它数据查询的一种内部表达方式.通过一个典型实例展示了这种代数表达式.代数表达式也被表达为一种查询树,查询树中代数运算的公共操作序列模块化后,具有更多的灵活性,能方便地处理约束关联规则查询和其它各种关联规则描述.     

数据挖掘技术在教育中的应用

在对数据挖掘技术的概念、挖掘过程和常用方法等知识进行简单介绍的基础上,就如何在日常的教学中应用数据挖掘,从中得到教学上需要的信息等内容进行了探讨,并且将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。     

基于关联规则重要性的产品购买序列模式发现

为了解决利用关联规则进行购物篮挖掘分析存在的两个问题:由于数据挖掘前的业务分析不足,不能有效的挖掘出想要的规则;按照传统的关联规则参数设置挖掘得到的关联规则太多,用户无法对其进行取舍.结合实例销售数据,对数据源进行了业务深层分析,构建了基于销售的主题数据仓库,保证了数据挖掘的有效性,同时用概率代替置信度进行参数设置,并引入关联规则"重要性"参数作为新的衡量标准,分析规则的有趣性,以筛选出更有价值的关联规则.将研究结果应用于某制造业产品销售实例,进行了基于关联规则的产品序列购买模式研究,得到了有效的产品销售关联规则,支持了市场决策.     

关联规则挖掘在苯酐生产中的应用

简单介绍了数据挖掘中的关联规则挖掘技术 ,用关联规则方法分析了影响苯酐生产的 3个关键属性 ,找到了它们之间的关系。实验证明 ,关联规则挖掘十分适用于过程工业中的优化问题分析。     

属性受限状态下低维冗余聚类数据快速挖掘方法研究

针对传统数据挖掘方法存在挖掘精度低、速度慢、占用内存多而不适于实际应用等缺点,提出一种属性受限状态下低维冗余聚类数据挖掘方法。通过计算低维冗余聚类数据的支持度,把低维冗余聚类数据挖掘问题转变成频繁项集挖掘问题;利用支持度与可信度对关联规则产生结果进行评价,并添加属性对其进行限制,以减少无用规则的产生。通过属性位复用方法建立候选区域,产生关联规则集,对符合关联规则集的低维冗余数据进行聚类,实现对其挖掘。实验结果表明,通过所提方法对属性受限状态下低维冗余数据进行挖掘,挖掘速度快,结果可靠。     

基于物流成本主题域数据仓库的DSS开发

基于物流成本主题域数据仓库的DSS的研究,在我国尚属一个新的研究课题。在基于物流成本主题域的数据仓库的设计上,采用了星型模型,即一个以物流成本事实表为中心,若干维度表环绕四周的数据仓库模型。在数据挖掘部分,首先对数据进行了聚集,然后使用关联规则挖掘技术,从不同维度对物流成本库中的纪录进行资料挖掘。     

关联规则研究综述

关联规则挖掘是近年来数据挖掘研究中一个相当活跃的领域.本文给出了关联规则及相关术语的定义,对关联规则挖掘中的频繁模式、频繁闭模式、最大频繁模式、并行/分布式挖掘及增量挖掘算法作了简单评述,着重介绍了近三年来发表的一些新算法,并对未来的发展趋势进行了预测和展望.     

一种面向XML文档的模糊关联规则算法

随着大量的XML数据的出现,给数据挖掘领域提出了新的挑战。传统数据挖掘算法是面向关系数据库和数据仓库的,不能直接用于XML文档的数据挖掘。本文从模糊集的基本理论入手,通过定义模糊概念软化属性论域的划分边界,提出了一种面向XML数据的模糊关联规则挖掘方法,并且使用Java语言实现,实验结果证明本文算法是正确的。     

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．     

数据挖掘技术在油田生产决策支持中的研究及应用

油田生产过程积累了大量的历史数据,从大量沉淀的数据环境中挖掘有用的决策信息,探索出油田生产中的规律性,能够更有效地指导生产,为石油企业提供生产决策支持。文中提出了基于油田生产数据采用数据抽取、转换和加载技术的数据仓库的构建策略以及基于多维数据集的数据挖掘的实施方案,并对包括数据仓库体系结构的设计、数据仓库的构建、多维数据集数据存储模式的优选策略、在线分析处理以及基于分层聚类分析的方法实现数据挖掘等在内的各主要环节进行了系统详细的阐述。最后结合油田生产数据,综合运用数据仓库、联机分析处理和数据挖掘技术构建了一套油田企业生产决策支持系统,并提取和挖掘出了对于油田生产决策支持有用的信息。     

数据挖掘在图书信息管理系统中的应用

采用数据挖掘技术,通过挖掘某大学图书信息管理系统数据仓库中的借阅记录,运用并改进Apriori算法,比较、分析了读者需求的、按科目分类的各类图书资料间的关联;这些关联规则为图书管理员提供了有效地分析图书借阅状况、提高图书管理水平、提高图书馆服务质量等的办法.     

关联规则在税收征管中的应用

本文介绍了数据仓库、数据挖掘以及知识发现的概念,详细分析了关联规则算法,对纳税人特定属性与纳税人异常行为之间的关联关系进行了分析研究。     

基于时间段的时序规则发现

时序规则挖掘用以挖掘数据库中与时间相关的规则及模式.现今大部分时序数据挖掘均是针对基于时间点的,基于时间段的挖掘相对较少.在此提出一个新的基于时间段的时序规则挖掘算法,通过挖掘频繁闭模式集取代完整频繁模式集,减少了挖掘时间,算法效率很高.     

基于矩阵的关联规则增量式更新算法

关联规则的挖掘是数据挖掘中的一个重要课题.实际应用中事务数据库不断更新,而发现频繁项集代价较高,因此需要提出用于数据库中关联规则的维护算法.本文提出了基于矩阵的MFUP(matrix fast updata)算法,该算法充分利用原有挖掘结果中候选频繁项集的支持数,能有效减少对数据库的重复扫描次数.实验表明,MFUP算法是高效的.     

煤炭可持续发展基金收缴决策支持系统的研究与实现

通过对煤炭可持续发展基金收缴信息的分析,提出了基于数据仓库、联机分析和数据挖掘技术的决策支持系统的实现方案;从应用的角度,详细阐述了数据仓库的构建过程以及将联机分析处理技术和数据挖掘技术结合起来实现对数据信息多角度、多层次的查询、分析及决策功能。     

基于数据挖掘的课程相关性分析系统的应用研究

本文论证了采用关联规则算法进行数据挖掘,以发现课程之间相关性的可行性。数据挖掘部分采用经典的Apriori算法,并引入了感兴趣度的概念,对挖掘结果进行进一步的清理,从而提高了系统的性能。