Apriori算法的一种变形

关联规则是数据挖掘的主要技术之一.本文针对目前最经典的关联规则挖掘Apriori算法的局限性,提出了一种只扫描一遍事务数据库的效率较高的Apriori_Tid-1算法,并给出了一个具体的实例,最后给出了该算法的实现.     

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。     

联机增量聚类算法研究

研究了联机数据挖掘系统中的并行和增量聚类算法,并给出了算法伪码。实验表明,联机增量聚类算法相对于传统的Apriori算法具有较大优势,同时证明了增量聚类算法及其联机数据挖掘系统的实用性。     

人造购物狂欢节现状调查——以蚌埠市为例

为探究人造购物狂欢节在三线城市的现状,以安徽省蚌埠市为例,对蚌埠市4个城区(龙子湖区、蚌山区、禹会区、淮上区)的消费者进行问卷调查,运用假设检验、列联分析等统计方法对问卷结果进行探究,发现女性比男性购物要频繁;中、高收入的中年群体属于"经常购物类型";"双十一"的主要消费人群为中、低收入居民,而"节假日购物节"的主要消费人群为高收入居民;服装配饰、日用百货和护肤彩妆更受消费者青睐,可能为连带销售商品;性别对消费结构、购买力度有影响等.基于此,针对商家提出政策性建议.     

关联规则在高职学生综合素质测评分析中的应用

传统方法对学生综合素质测评比较单一,管理者常以测评分值来衡量学生的素质,而未对影响因子进行深入研究.在某高职院校学生成绩基础上,针对加权平均传统方法的不足,采用K-means算法对学生成绩进行聚类以此确定出优良等级,再运用Apriori算法对综合素质测评中思想素质、社会工作实践与文体活动创新素质、专业属性及学生成绩等影响因子蕴含知识进行挖掘.研究结果表明,思想素质在影响因子中起引领作用,且教学管理与学生管理相互依赖,这一算法的应用为管理者决策提供了依据.     

基于Apriori的装配式建筑质量影响因素分析

采用数据挖掘的方法,在装配式建筑质量的文献中提取影响因素,利用Apriori算法得到筛选后的关键指标并分析。研究发现,基于大数据能够减少人为因素对指标选取的干扰,并通过寻找影响因素和装配式建筑质量的相关关系,可得到更具普遍性的规律。在5M1E分析法的影响因素中,“法”的影响因素支持度较大,表明该板块包含的影响因素对装配式建筑的质量有更显著的影响。通过置信度分析,提出使用强关联规则分析,并发现“构件生产企业的标准化程度”不仅具有较高的支持度,在关联因素中出现的频率也最高,从而提出建议并为合理评价质量影响因素及制定管理措施提供有效参考。     

审计日志的关联规则挖掘

研究了在入侵检测系统中利用数据挖掘技术从审计日志中挖掘关联规则的方法，针对现有关联规则算法应用于入侵检测系统引起的问题，提出了利用本质属性限制无趣规则的产生、利用行向量的位运算提高Apriori算法时间性能的一种高效改进算法。该算法不需生成候选频繁集和剪枝操作，避免了因无趣规则引起的大量运算。因而能提高入侵检测系统的效率。     

关联规则挖掘算法及其在冷轧生产中的应用

针对Apriori算法在实际应用中无法发现关联规则变化趋势的问题,该文根据增量挖掘算法的优点对Apriori算法进行了改进。改进的Apriori算法能够在原算法的基础上,通过关联规则统计量的变化确定强规则与候选规则之间的转换,从而进一步发现关联规则的变化趋势,提高了依靠Apriori算法得到的关联规则对决策分析支持的可靠性。将改进算法应用于冷轧生产过程预测中,试验结果表明,改进算法相对于传统的Apriori算法对产量预测的精度提高了30%。     

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.     

关联规则在高校学位预警中的应用

关联规则挖掘算法能发现大量数据中项集之间相关的关联,运用Apriori算法对计算机科学与技术专业某一届毕业生成绩数据进行挖掘,得到了不能授予学位学生的不及格课程规律,这些规律对低年级学生的学习和在学位预警中具有一定的指导意义。