遗传算法在关联规则挖掘中的应用研究

在关联规则中引入遗传算法,并以地区生产总值统计为例尝试用遗传算法挖掘关联规则,阐述了遗传算法、数据挖掘及关联规则的概念和原理,并提出双层循环结构,利用精英重组,一致变异以及自适应参数的手段调整遗传算法进行数据挖掘,最后分析了该过程的收敛特性和时间复杂度.     

用模糊遗传算法挖掘空间关联规则

空间关联规则是空间数据挖掘的重要知识内容，利用模糊遗传算法能很好地解决随机和非线性等问题的特征，解决空间关联规则的数据挖掘问题将离散化交叉概率pc和变异概率pm的模糊遗传算法应用到空间数据库空间关联规则的数据挖掘中，讨论模糊遗传算法的编码方法和适应度函数的构造，并给出了空间关联规则挖掘流程。研究结果表明，用模糊遗传算法挖掘空间关联规则的方法是可行的，并具有更高的挖掘效率。     

一基于串与运算的关联规则挖掘算法

提高频繁项集挖掘算法的效率一直是数据挖掘领域中关联规则挖掘研究的一个重点.针对数据挖掘的现状及关联规则算法的瓶颈问题,提出一种基于串与运算的关联规则挖掘算法,对该算法进行了阐述.最后对该算法的特点进行了总结并对关联规则挖掘的未来研究方向进行了展望.     

关联规则在移动通信行业中的应用

就数据挖掘中关联规则的概念和作用进行了探讨;对关联规则的经典算法进行了分析;提出了改善关联规则算法的方法,并给出了关联规则在移动通信行业中的几类典型应用。     

关系数据库多项集关联规则挖掘的探讨

关联规则挖掘是数据挖掘领域的重要技术．在分析关联规则和广义关联规则的基本模型的基础上,提出了关系数据库中多项集关联规则的基本模型,对多项集关联规则挖掘方法进行了探讨．     

一种基于串与运算的关联规则挖掘算法

提高频繁项集挖掘算法的效率一直是数据挖掘领域中关联规则挖掘研究的一个重点。针对数据挖掘的现状及关联规则算法的瓶颈问题，提出一种基于串与运算的关联规则挖掘算法，对该算法进行了阐述。最后对该算法的特点进行了总结并对关联规则挖掘的未来研究方向进行了展望。     

关联规则挖掘在电信市场研究中的应用

数据挖掘是近年来出现的一种综合了机器学习、统计学、数据库等众多领域的新技术。本文将数据挖掘中的布尔关联规则算法进行扩展并应用到电信市场分析中 ,找出其中内在的关联规则 ,为电信部门提供了市场决策支持信息。     

基于遗传算法的关联规则挖掘方法及应用

对关联规则的数据挖掘和遗传算法进行了介绍,提出了一种采用遗传算法的关联规则提取方法,并以交通事故的原因分析为例,进行了关联规则挖掘.     

基于遗传算法的关联规则挖掘方法及应用

对关联规则的数据挖掘和遗传算法进行了介绍，提出了一种采用遗传算法的关联规则提取方法，并以交通事故的原因分析为例，进行了关联规则挖掘．     

多种关联规则挖掘算法的研究与分析

近年随着数据库、网络等各种计算机技术的发展,人们希望能够通过数字挖掘技术对海量数据进行更高效快捷的挖掘分析,如何更好地利用海量数据及提高数据挖掘技术的效率已经成为了备受关注的问题.关联规则是数据挖掘的主要研究方向,研究关联规则具有重要的实用价值.本文对多种关联规则挖掘算法进行了具体分析,并针对当前提高关联规则挖掘算法效率的优化技术进行了深入的分析研究,并说明了各改进算法在商业领域中的应用.     

数据挖掘关键技术在人事管理中的应用研究

主要探讨了数据挖掘关键技术在人事管理系统中的应用.传统的人事管理系统主要面向事务处理,运用数据挖掘技术的关联规则和聚类分析并结合Clementine 10.1对事业单位人事管理系统中的海量数据进行分析,挖掘出该系统中人员信息的潜在关系和有效规则,分析可能存在的问题,为事业单位的人事管理提供有价值的决策依据.     

Apriori算法分析与改进综述

数据挖掘中的关联规则挖掘能够发现大量数据中项集之间有趣的关联或相关联系,特别是随着大量数据不停地收集和存储,从数据库中挖掘关联规则就越来越有其必要性.通过对关联规则挖掘技术及其相关算法Apriori进行分析,发现该技术存在的问题.本文介绍了能优化该技术的各种算法,分析了这些算法各自的优缺点,并针对这些问题提出了未来的研究方向.     

冗余关联规则删减技术研究综述

关联规则是数据挖掘的重要研究内容之一，而传统算法生成的关联规则之间存在着大量的冗余规则，这使得用户分析和利用这些规则变得十分困难。为了帮助用户分析，可以采用各种技术来有效地减少大量冗余的规则。本文介绍了冗余关联规则的概念，冗余关联规则删减的算法，结合当前的研究成果分析冗余关联规则的发展趋势。     

基于Ⅰ-Miner的关联规则可视化方法

Ⅰ-Miner缺少关联规则可视化方法,且目前的关联规则可视化方法存在不少缺陷,如歧义、遮蔽和紊乱等。本文提出了改进的平行线法和改进的U矩阵法,利用颜色、文字和线条相结合,解决了歧义问题和图形遮蔽问题;采用了分页显示的方法,尽可能地避免了规则显示时的紊乱。两种改进法是对I-Miner软件缺少关联规则可视化方法的弥补。     

高校人事档案精细化管理策略

高校的人事档案管理和高校的正常运转息息相关,提升高校人事档案精细化管理也有助于促进高校建设。高校进行人事档案管理的过程中实行精细化管理有明显优势,制定严格的规章制度和培养精细化管理的意识,完善高校人事档案精细化管理。     

Apriori算法在消费市场价格分析中的研究与应用

在介绍关联规则基本原理的基础上,对Apriori算法进行了详细的分析和研究,并将Apri-0ri算法应用于消费市场价格数据中,挖掘出了各种农副产品价格之间的关联关系,即从大量的农副产品价格数据中挖掘出了大米、玉米、大麦和羊肉、牛肉价格之间的关联规律．     

正相关频繁项集的挖掘算法

由频繁项集产生的关联规则往往不能保证规则前、后件中的项是正相关的,因此可能产生无意义的关联规则;当这些关联规则用于分类时,会产生大量无用分类规则,增加了时间开销.因此,基于数学期望提出了正相关的频繁项集的分类算法.该算法在挖掘正相关频繁项集时,利用置信度进行规则选取,生成正相关关联规则组成的分类器对数据集进行分类.实验表明,这种分类算法可以大幅度减少所产生的频繁项集数量,分类准确率达到C4.5和CMAR的水平,且显著减少了算法的时间.     

海量数据上挖掘关联规则的并行算法

针对目前关联规则挖掘算法中数据库规模很大时算法执行时间太长的问题。指出了并行计算是解决该问题的一个有效方法。利用新提出的可以忽略仅仅在少于1／4的结点机上的局部频繁项集,给出了一种新的并行随机抽样方法,并利用机群并行计算机的自治能力和I／O高度并行的特点,提高了抽样算法对海量数据的处理能力和效率。理论分析和实验数据显示,该算法的加速比接近于处理机的个数p,通信复杂性为处理机的个数p的对数,具有良好的扩展性和海量处理能力,且精确度较高。     

Apriori算法的改进

针对Apriori算法要多次扫描事务数据库以及生成大量候选集缺陷,在候选集C_1中增加事务标识符列表Tid_list实现只扫描一遍事务数据库,利用频繁项目集的性质来减少生成候选集的数量,提高了算法效率.