关联规则挖掘在高校教学评价中的应用

将数据挖掘中关联规则应用到高校教学评价中,寻找教学评价数据背后隐含的有价值的信息.利用改进的Apriori算法挖掘评教数据,从大量的评教数据中发现数据间的关联.通过实例分析,结果发现了评价等级与教师的学历、职称、教龄、科研能力之间的关联.分析并利用这些关联规则,既可以提高授课教师的教学水平,又可以为教学管理部门的提供决策参考,从而提高教育教学质量.     

关联规则挖掘在高校选课系统中的应用

随着高校选课信息系统的运行，系统中存储了大量的数据，这些数据中包含了许多潜在的有用的信息，而这些知识的提取需要利用数据挖掘技术。本文以高校选课管理为应用背景，设计并实现了一个基于数据仓库和OLAP技术的关联规则挖掘系统，具有一定的现实意义。     

OLAP关联规则挖掘

该文提出一种新的关联规则挖掘方法,OLAP关联规则挖掘。OLAP关联规则挖掘是OLAP技术和一些高效的关联规则挖掘算法的结合。OLAP关联规则挖掘方法是一种灵活的、多维的、多层次的高性能方法。该文首先介绍了O-LAP关联规则挖掘的结构,最后详述了OLAP关联规则挖掘的具体实现。     

关联规则挖掘综述

介绍了关联规则挖掘的研究情况,提出了关联规则的分类方法,对一些典型算法进行了分析和评价,指出传统关联规则衡量标准的不足,归纳出关联规则的价值衡量方法,展望了关联规则挖掘的未来研究方向。     

关联规则挖掘技术及发展动向

介绍了关联规则挖掘的主要内容和最新进展,对关联规则的各种控制算法进行比较,分析了关联规则挖掘的各种扩展和改进模型。     

关联规则挖掘在高校选课系统中的应用

随着高校选课信息系统的运行,系统中存储了大量的数据,这些数据中包含了许多潜在的有用的信息,而这些知识的提取需要利用数据挖掘技术。本文以高校选课管理为应用背景,设计并实现了一个基于数据仓库和OLAP技术的关联规则挖掘系统,具有一定的现实意义。     

使用关联规则挖掘高校教学评价数据

以高校教学评价数据为基础,采用数据挖掘中的关联规则,寻找教学评价数据背后隐含的有价值的信息。从教学评价表中挖掘出教师特征因素（学历、职称、教龄）与教学评价质量等级的关联,从而为教学管理部门和授课教师提供决策参考。     

关联规则挖掘理论及其应用研究

关联规则是数据挖掘的重要概念,其应用研究是目前数据挖掘研究的热点之一。本文针对目前学校教学评价中因缺乏有效、科学的方法而造成的不合理问题,为了解决这些问题,在查阅大量资料,并通过教学评价数据的有效挖掘,运用关联规则挖掘理论技术,构建教学评价新模式,从而使教学评价公平、公正、合理和高效,并通过实例阐述其在教学评价中应用的重要性。     

关联规则在教学评价数据挖掘中的应用

以往的教学评价系统缺乏综合分析、辅助决策的能力,无法充分利用海量信息中隐藏的知识。本文对教学评价产生的数据进行关联规则方面的深入研究,从而发掘出若干有趣规则,为教学管理提供决策性的支持：     

广义的关联规则挖掘算法

本文提供了在数据挖掘中的关联规则的分类方式，对一些典型算法进行了分析，最后提出了广义的关联规则挖掘算法AR_SET，利用集合“或”、“与”运算求解频集（FrequentItemset)，提高了挖掘的效率和速度。     

基于数据仓库的高效关联规则的挖掘

提出在基于数据仓库的关联规则发现中生成最小关联规则集来代替完全关联规则集,最小关联规则集必须具备两个条件：（1）最小关联规则集是最小、最简单的关联规则集合;（2）最小关联规则集与完全关联规则集有相同的置信度。通过最小关联规则集,可以有效地剪除弱关联规则,大幅度减少候选频繁项目集,从而提高规则发现效率。是后,在传统经典算法Apriori基础上设计了一个相应的高效算法。     

关联规则挖掘在Web信息检索中的应用

查询扩展是智能信息检索中重要组成部分,该文提出了一种基于关联库的查询扩展方法。该方法利用关联规则挖掘技术,自动从文档中导出概念／词语之间相关性及层次关系,由此构建关联库,通过关联库对查询需求进行查询扩展。实验结果显示,该方法是有效的,能提高信息检索的查全率和查准率。     

快速多层次关联规则的挖掘

知识发现是指对原始数据进行分析，提取出隐含的，有用的规则，是当前快速发展的研究领域，是知识获取的重要方法，关联规则是知识发现的重要研究内容之一，本文提出了一种新的多层次关联规则挖掘算法ＭＬ＿ＡＲ，算法ＭＬ＿ＡＲ在挖掘过程中，只对最低概括层次上的候选系模式进行模式的匹配计算，求解出简化的频繁式集合，最后再求解各个概括层次上的繁频模式集合，算法ＭＬ＿ＡＲ有效地利用了概括的层次关系，减少了模式的匹配计算     

模糊关联规则的加权挖掘算法

从实际应用角度，在对模糊关联规则挖掘算法进行改进的基础上，提出了模糊关联规则的加权挖掘算法（FARMA），以及简化的关联规则的加权挖掘算法（SFARMA），通过实验验证了算法的可行性，并对算法的性能进行了讨论。     

关联规则的高效挖掘算法研究

关联规则的挖掘是一个重要的数据挖掘问题，对其挖掘算法的研究具有十分重要的意义，经典的关联规则发现算法是一个多次遍历的算法，计算的复杂度较同，本文给出一种关联规则频繁数据集的发现算法，只需对交易序列扫描两次即可发现数据采的频繁数据集，算法效率得到了较好地提高。     

关联规则挖掘在教学评价中的应用研究

教学评价是院校最重要的工作之一,而科学的评教方法又显得尤为重要。本文介绍一种更适合于关系型数据库关联规则挖掘的、基于SQL的频繁项关联规则挖掘算法,并将其应用于教学评价。通过对大量的样本数据进行试验,得出了应用以往传统的教学评价方法所无法得到重要的教学参考信息。     

关联规则在教学评价数据分析中的应用

教学评价在教育教学的各个环节作用重要，不断提高教学评价数据的客观性、可靠性是提高教学评价质量的重要途径和手段。本文在教学评价数据分析中引入关联规则数据挖掘技术，通过发现和运用关联规则来提高教学评价数据的客观性和可靠性，实践证明这是一种比较科学有效的方法。     

模糊关联规则及挖掘算法

本文提出了模糊关联规则的概念,研究了模糊关联规则的性质和挖掘算法,同时还提出了一种新的规则有越性的度量函数。     

基于关联规则挖掘的weka数据挖掘应用

关联规则挖掘作为数据挖掘的一个重要方法,在许多数据挖掘领域得到应用。本文阐述了关联规则挖掘以及其关键算法,并针对具体的实例,描述了数据挖掘工具weka挖掘关联规则的过程。     

关联规则挖掘理论及其应用研究

关联规则是数据挖掘的重要概念,其应用研究是目前数据挖掘研究的热点之一.本文针对目前学校教学评价中因缺乏有效、科学的方法而造成的不合理问题,为了解决这些问题,在查阅大量资料,并通过教学评价数据的有效挖掘,运用关联规则挖掘理论技术,构建教学评价新模式,从而使教学评价公平、公正、合理和高效,并通过实例阐述其在教学评价中应用的重要性.