Apriori算法的分析与改进

在舆论分析系统中,高效、准确地获取敏感词一直是研究的热点。由于Apriori算法能较好地挖掘出事务之间的关系,并能快速找出新的敏感词,所以探索改进的Apriori算法显的更为重要。本文分析了经典Apriori算法的不足,提出了改进的Apriori算法,优化了程序执行的效率。实验结果表明:改进后的Apriori算法的执行效率比经典Apriori算法的执行效率要高。     

改进的Apriori算法在成绩分析中的应用研究

针对经典Apriori算法会产生大量冗余规则的缺点,在两方面对算法进行了改进:一方面是对产生频繁项集方式的改进,使算法只产生包含目标项的频繁项集;另一方面是对产生规则方式的改进,使算法只产生关联后件中包含目标项的关联规则.Apriori算法改进前后的对比表明:改进后的Apriori算法可以避免非目标规则的产生,使算法更符合成绩分析的需要,提高算法的执行效率.将改进的Apriori算法应用于成绩分析中表明,改进后的算法能够挖掘出各门前导课程成绩对后续课程成绩的影响,因此可为教师制定有针对性的教学计划提供参考.     

基于改进Apriori算法的考试成绩分析

为了对学生考试成绩数据进行分析,提出一种改进的Apriori算法.在垂直数据表示方式上采用广度优先搜索和交叉计数,充分发挥垂直数据表示与交叉技术的效率优势,同时利用Apriori算法的剪枝策略,有效减少计数后选项集的数目.最后将改进后Apriori算法应用于考试成绩分析,实验结果发现学生各科目考试成绩优良影响关系,为学...     

基于兴趣度的 Apriori 算法在电子病历数据分析中的应用

通过分析 Apriori 核心算法,使用案例描述 Apriori 算法设计思想上所存在的不足,引入兴趣度阈值对 Apriori 关联规则进行了改进. 并将该改进后的算法对电子病历数据库中数据进行关联规则提取,建立了基于兴趣度的 Apriori 算法的医疗诊断模型. 通过实验证明,该模型能够提取具有诊断价值的关联规则并提高医生的诊断效率.     

基于图的Apriori改进算法

Apriori算法是关联规则挖掘中的经典算法,算法的核心思想是一种基于频繁理论的自底向上的递推方法。文中对Apriori算法进行分析,发现其中存在的问题。对Apriori算法做了改进。改进后的算法基于自顶向下的思想。利用有向图给出计算候选项集和项集支持度计数的更快的方法,同时简     

基于兴趣度的Apriori算法在电子病历数据分析中的应用

通过分析Apriori核心算法,使用案例描述Apriori算法设计思想上所存在的不足,引入兴趣度阈值对Apriori关联规则进行了改进．并将该改进后的算法对电子病历数据库中数据进行关联规则提取,建立了基于兴趣度的Apriori算法的医疗诊断模型．通过实验证明,该模型能够提取具有诊断价值的关联规则并提高医生的诊断效率．     

Apriori算法的改进及其在电力数据挖掘中的应用

数据挖掘是近年来数据库领域的研究热点之一,在电力系统中有很好的应用前景．文章首先分析了当前Apriori算法及主要的改进算法,在此基础上提出了一种快速产生候选频繁项集的新的Apriori改进算法,并就Apriori算法在电力系统数据挖掘中的应用进行了分析．     

挖掘关联规则Apriori算法的一种改进

本研究在对Apriori算法分析的基础上,提出了改进的Apriori算法。改进后的算法采用矩阵表示数据库,减少了扫描事物数据库的次数;利用向量运算来实现频繁项集的计数,同时及时地去掉不必要的数据,减少了数据运算,从而提高了算法的运行效率。     

Apriori算法的研究与改进

介绍关联规则挖掘中的经典算法——Apriori算法的关键思想。针对传统Apriori算法效率上的不足,提出改进Apriori算法。该算法通过构造辅助表,减少访问表中的无效记录,从而减少每次访问数据库的次数,较好地提高了效率。实验结果表明,改进后的算法具有较好的有效性。     

一种改进的基于Spark的用户行为分析方法的研究

为解决大数据量情况下的网络用户行为分析的时效性、准确性,针对Apriori算法对数据库反复扫描和候选集过大的问题,提出了一种将压缩矩阵和事务权值引入的改进型Apriori算法,并将改进后的算法运用于云计算平台Spark。实验证明,改进后的算法的性能和效率都更高,在网络用户行为分析中具有优势。     

兼顾轻量化与吸能性的汽车前纵梁拼焊板设计与参数优化

为减轻车身质量,减少冲压模具数量和降低制造成本,采用拼焊板对某小车的主要吸能部件前纵梁进行了改进设计,并对各块差厚钢板的材料等级及厚度进行了正交试验优化.为保证整车正面碰撞中前纵梁的吸能性,将该梁在整车有限元模型中进行替换,并按照法规及C-NCAP要求进行了正面碰撞分析.结果表明:替换后其碰撞吸能量上升2%左右,B柱的一侧加速度峰值平均下降3%以上,但该零件的质量却降低了6%左右.     

兼顾轻量化与吸能性的汽车前纵梁拼焊板设计与参数优化

为减轻车身质量，减少冲压模具数量和降低制造成本，采用拼焊板对某小车的主要吸能部件前纵梁进行了改进设计，并对各块差厚钢板的材料等级及厚度进行了正交试验优化．为保证整车正面碰撞中前纵梁的吸能性，将该梁在整车有限元模型中进行替换，并按照法规及C-NCAP要求进行了正面碰撞分析．结果表明：替换后其碰撞吸能量上升2％左右，B柱的一侧加速度峰值平均下降3％以上，但该零件的质量却降低了6％左右．     

安全带和安全气囊对乘员胸部的影响

针对安全带及安全气囊在碰撞过程中会给乘员胸部带来巨大压力的问题,用中国新车评价规程C-NCAP对某车型进行正面碰撞仿真试验,仿真模型通过控制气囊和安全带的作用时间来改善乘员的胸部压缩量.对比模拟结果与试验结果表明,安全带限力值和气囊的点火时间是影响胸部压缩量的主要影响参数.在调整安全带限力值的同时,需要调节气囊点火时间来保证气囊刚度,使其对乘员胸部压缩量的影响平均化、分散化,从而降低乘员胸部的压缩量,以给乘员更好的保护.     

关联规则挖掘Apriori算法的研究与改进

关联规则挖掘是数据挖掘领域中的重要研究方向，该文在分析关联规则挖掘Apriori算法原理和性能的基础上，指出了该算法存在着两点不足：扫描事务数据库的次数和连接成高维候选项目集时的比较次数太多。并提出了一种效率更高的S-Apriofi算法，该算法通过采用新的数据结构和原理，克服了传统Apriori算法的缺点，从而大大提高了运算效率。     

一种基于APRIORI性质的多维关联规则挖掘算法的研究

Apriori算法是一种找频繁项集的基本算法，它常常被用于单维关联规则的挖掘。本文在对数据立方体的组织结构以及Apriori算法包括它的一些变形算法进行了深入研究的基础上，给出了一种适用于多维关联规则挖掘的算法，并分别通过理论和实验方法对此算法的性能进行了分析。     

基于双特征融合的动态图像分析算法

为解决汽车碰撞实验过程进行测量和记录数据困难的问题,提出一种能从汽车碰撞动态图像中检测、识别和追踪标志目标的算法。该算法采用二值图像同或相关法分离出目标和背景;在找出感兴趣区域后提取相邻帧目标的坐标和纹理进行特征匹配;给出了对匹配量化值进行加权平均融合的策略,并由等错误率最小准则确定融合的最佳权系数;在融合量化值定义为相似度的基础上,通过决策阈值对相邻帧目标问的最大相似度组合进行识别;从而进一步提出了用同构映射原则来判断相邻帧目标的最佳配对。实验结果表明,该算法对相邻帧目标的配对准确率比传统单特征法提高5％,能更有效的对目标进行追踪。     

基于DOE的汽车碰撞优化分析

建立了整车的有限元模型,对整车模型进行正面碰撞仿真分析,根据国标评价标准对车身加速度等参数进行了分析;在此基础上,提出了用实验设计的方法对汽车安全性进行直观分析、方差分析和显著性分析,得到最优的试验方案。优化结果表明,相比初始设计方案,优化后的方案明显降低了车身加速度,增强了汽车的耐撞性,为汽车正面碰撞安全设计与改进提供了依据。