挖掘大型数据库中的Apriori算法及其改进

指出了Apriori算法是一种有效的关联规则挖掘算法，分析和探讨了Apriori算法，并给出了该算法的实现思想，通过实例说明了算法的执行过程，提出了对Apriori算法进行改进的一些方法：散列、事务压缩、划分、选样及动态项集计数。使用这些技术提高了算法的效率。     

加工车间进度计划的实用动态模拟研究

从实用的角度出发，对较大规模的加工车间问题采用了动态模拟的方法，在非延迟计划（ＮｏｎｄｅｌａｙＳｃｈｅｄｕｌｅｓ）的基础上，根据各种不同的启发式优先规则，迅速生成几类包含或接近最优解集并相应满足不同目标函数的进度计划．采用某机械加工厂大件车间的实际数据进行了进度计划的编制，取得了比较满意的结果．     

一种改进的关联规则增量式更新算法

在支持度和置信度不变的情况下,随机或偶然向数据集添加数据记录会导致关联规则的变化.在FUP算法的基础上给出了一个改进的增量式更新算法,本算法在充分利用先前关联规则的基础上极大的减少了扫描原数据集的次数,与FUP算法相比极大的减少了算法运行时间,并实验验证了算法的优越性.     

基于项目集的关联规则数据挖掘

为了发现项目集中所有的频繁模式,根据关联规则定义及属性,利用Apriori算法实现关联规则的挖掘,挖掘出新的关联规则。可产生清晰有用的结果;通过项目集的关联规则挖掘研究结果既可以广泛应用于各个领域,也可以检验行业内长期形成的知识模式,同时能够发现隐藏的新规律,成为完成数据挖掘任务的一个重要手段。     

从规章制度论权利义务

阐述了我国有关法律法规对图书馆与读者的权利和义务的确定,分析了管理理念、社会进步、市场经济诸因素对双方权利义务划分的影响,提出图书馆与读者之间应彼此尊重对方的权利和义务,共建良好和谐关系。     

一种基于关联规则的搜索引擎结果聚类算法

提出一种搜索引擎结果的聚类方法，采用关联规则方法确定网页文档中的显著短语，并把这些显著短语作为对相应聚类的描述，聚类中包含的文档就是显著短语所关联的文档，然后对形成的聚类按照相关度分数进行排队，最终把结果展现给用户.     

不完全信息下概率决策的扩展粗糙集方法

为了从不完备多属性决策系统中获取概率决策规则，提出了一种不完全信息下概率决策的扩展粗糙集方法. 给出了容差关系下相容度的概念，通过设定相容阈值给出知识的粗糙下近似、上近似和边界域，然后讨论了粗糙近似的基本性质和概率决策规则的获取.通过实例说明这个新方法的可行性和有效性.     

粒子群优化算法及其应用

粒子群算法是一种群体优化算法,详细介绍了粒子群算法的基本原理、参数选择及其应用领域.     

赴西安旅游的韩国游客的旅游偏好研究

旅游偏好的研究对旅游市场拓展和旅游资源开发具有重要的指导意义．以实际的问卷调研数据为基础，采用多维关联的频繁项集规则和计算机数据库统计等方法对调研数据进行分析，研究赴西安旅游的韩国游客的基本特征以及旅游资源偏好、旅游商品偏好和旅游娱乐项目偏好等．     

快速挖掘最大频繁项目集的新算法

针对关联规则下最大频繁项目集的特性,提出了一种快速挖掘最大频繁项目集的新算法MMFI(miningmaximumfrequentitemsets)。该算法摆脱了传统的经典算法Apriori及其变种情况下的自底向上的搜索策略,利用集合枚举树(set enumerationtree)的变形结构采取了自顶向下的新的搜索方式,并通过其独特的启发式判断策略、候选项目集的生成策略等,大大减少侯选项目集的生成,从而降低了CPU搜索时间,提高了挖掘效率。