对Apriori算法的一种改进

给出了一种对Apriori算法改进的算法。改进的算法只需扫描一次数据库D,同时简化了Apriori算法,减少了存储设备I/O时间,提高了算法的效率。     

一种基于十字链表的频繁项集挖掘算法

在Apriori算法的基础上，提出一种基于十字链表的关联规则挖掘算法。该算法能够快速得到每个候选项的支持度，从而有效的发现频繁项集。通过与经典算法分析对比表明，该算法具有明显的优势。     

在网络学习平台上构建快速频繁模式统计分析模型

随着数据挖掘技术在网络学习平台上的应用，越来越多的网络学习者希望得到快速、准确的个性化推荐信息。本文以网络学习平台中学习行为频繁项集为倒。详细阐述了构建快速额繁模式统计分析模型的算法和评价。     

板坯结晶器铜板下线频繁原因分析及对策

针对近半年日钢第二炼钢厂5#、6#连铸机在生产SPHC、Q215B等液相线温度偏高的钢种时,结晶器铜板出现未达通钢量而频繁下线的现象,为避免增加修复成本,减轻装配工作量和实现结晶器的正常周转,我们对其影响因素进行分析,制定了相应的措施,取得了良好的效果。     

数据挖掘中关联规则的算法及应用

从数据挖掘关联规则的性质出发,使用一种简单、实用的基于布尔矩阵的有效挖掘算法,来提高频繁项集的产生效率。阐述了该算法的思想,并将产生关联规则的方法应用于产品销售,快速获取隐含在销售数据库中的有用信息。     

对高校教务秘书频繁更换的思索

教务秘书的频繁更换不利于高校教学和管理工作的正常开展,并将对其他员工产生负面效应.我们应当积极采取稳定对策,加大关怀力度,构建一支稳定的、高素质的教务秘书队伍.     

关联规则挖掘的算法研究

数据挖掘是近年来出现的一种综合机器学习、统计学、数据库等众多领域的新技术,而关联规则是数据挖掘的核心技术。本文通过对关联规则挖掘算法的分析,给出了优化思想,最后展望了关联规则挖掘的未来方向。     

一种基于频繁项集挖掘的推荐算法

协同过滤是推荐系统中应用最成功的技术之一,现有基于项目的协同过滤算法在计算项目相似度时过度依赖用户对项目的评分数据,没有考虑项目间内在的关联性,导致推荐质量不高.为了全面客观地评估项目相似度,提出了一种基于频繁项集挖掘的推荐算法(BFIM).该算法提出将频繁项集作用于相似度计算中,可以提高相似度计算的准确性,进而提升推荐算法的推荐质量.实验结果表明:提出的改进算法较对比算法在公开数据集上能取得更好的推荐效果.     

逐步最佑扩展的频繁子图挖掘算法

gSpan算法是一种高效的频繁子图挖掘算法,它通过最右扩展图的标准编码得到图集中的所有频繁子图,但它需要通过子图同构判断来计算支持度,由于子图同构问题是NP完全问题,其计算比较复杂.针对上述问题提出一种优化的算法IgSpan,通过改进的ADI++存储结构将图的最右扩展和支持度的计算相结合,避免直接的子图同构判断,经实验...     

基于角色的个性化WEB日志挖掘模型研究

WEB的日志挖掘是WEB挖掘的其中一个分支.在本文提出了以"角色"为核心的WEB日志挖掘系统(RWM)的原型系统.根据用户在网站访问的情况动态产生用户扮演的角色集合,并根据用户的角色集合以及这些角色相关联的其他角色为用户提供个性化的访问页面.