关联规则中Apriori算法的研究与改进

Apriori算法是关联规则的一个重要算法。对关联规则挖掘算法Apriori算法的关键思想以及性能进行了研究,通过对候选项集的属性进行加权运算,减少了产生的频繁集,提高了算法的效率,使算法产生的规则更有应用价值。     

一种有效的关联规则增量式更新算法

本文针对在事务数据库不变 ,最小支持度和最小可信度发生变化的情况下 ,如何进行关联规则的维护问题进行了研究 ,并提出了一种有效的增量式更新算法     

项目教学法在篮球专项训练中的应用实践

项目教学法是建立在建构主义学习理论基础上的教学方法,强调以“以项目为主线、教师为主导、学生为主体”．项目教学法在篮球专项训练中的应用原则包括对篮球专项训练内容进行教学设计的原则、篮球训练项目驱动的原则和教学项目优劣衡量的原则．明确项目教学法在篮球专项训练中的应用原则后,项目教学法在篮球专项训练中的应用实践包括明确项目任务、制订训练计划,实施训练计划、拓展训练内涵和项目检查评估,实现教学反馈三个方面的内容．     

一种改进的4参数等级反应模型和应用

针对在实际测验中各等级的猜测参数、失误参数可能存在不一致性问题，该文提出等级反应模型的改进模型.以2等级项目为例，通过模拟数据检验模型发现：使用4参数GRM模型估计参数的误差随着猜测参数和失误参数的各个不一致性而增大，而改进后的模型具备更好的稳定性.在实际的地理测验中，发现等级反应项目中的猜测度较低，但失误现象明显，并且参数之间的差异性较大，不可以忽略.     

兼顾能力与知识状态的Higher-Order CD-CAT选题方法

Higher-order CD-CAT的选题方法是传统单目标(即只对知识状态自适应)选题方法,这将导致被试能力的测量精度不高.基于此,在高阶模型和PWKL选题方法的框架下,该文开发了适用于Higher-order CD-CAT的新选题方法,该方法在选题时能同时兼顾能力和知识状态.实验结果表明:与传统选题方法相比,新选题方法的能力和知识状态估计精度都更高,并且在题库安全性上也具有明显的优势.     

基于投影二维表的最大频繁模式挖掘算法

PITable-MAX是基于投影二维表的最大频繁模式挖掘算法。算法只需要遍历一次事务数据库,并将数据信息存入投影数据库中,在挖掘事务项时才会从投影数据库中提取相关的数据信息生成投影二维表,从而减少对内存空间的占用,算法虽然采用递归方式,但组合策略可实现减少条件投影二维表的规模,以达到减少空间;并结合减挖策略来减少挖掘事务项的个数,以达到提高挖掘效率的目的;实验验证了算法的可行性和优越性。