使用多支持度的关联规则分类算法

传统关联分类算法使用单一最小项目支持度挖掘关联规则,导致稀有项关联规则无法被发现,从而影响分类的准确性和实用性。提出一种多支持度关联规则分类算法MS-CBAR(Multiple Supports-Classification Based on Association Rules),将多最小项目支持度模型应用于关联分类,以有效挖掘稀有项。该算法为数据库中的规则项提供了用户可定义的最小项目支持度。MS-CBAR算法使用项的最小项支持度阈值、类的最小类支持度值和规则项的最小支持度值决定分类规则是否频繁。生成分类规则集后,使用最高优先度规则覆盖法基于规则集建立分类器。实验表明,所提算法在包含稀有项目及稀有类的数据集中准确率高于传统关联分类算法及其相关算法,表现更稳定。     

基于分段函数的多支持度关联规则挖掘算法

在多支持度关联规则挖掘算法中,针对最小支持度的选取问题,提出一种基于分段函数的多支持度关联规则挖掘算法.在多支持度算法中挖掘频繁集的时候,最小支持度由项集最小项支持度的最小值、最大值和给定的参考值所决定,这样避免了采用最小值作为最小支持度算法的时间复杂度高和存在无效规则的问题,以及采用最大值致使剪枝程度过大而造成规则遗漏的问题.通过实验结果表明了该算法的有效性.     

基于命题逻辑的关联规则挖掘算法L-Eclat

关联规则挖掘是数据挖掘领域非常重要的课题,在很多领域被广泛应用。关联规则挖掘算法都需要设置最小支持度和最小置信度。很多国内外学者研究的挖掘算法在这两方面都存在着一些问题,不仅需要大量的领域知识来设置合适的最小支持度,而且其结果集庞大、用户不容易理解。针对关联规则挖掘算法存在的问题,将命题逻辑融合到关联规则算法Eclat中,设计出了基于命题逻辑思想的挖掘算法L-Eclat。实验结果表明,L-Eclat算法压缩了挖掘的规则集,减小了算法的时间消耗,且即使是非常小的支持度也可以得到高质量的关联规则,这在一定程度上解决了支持度设置的问题。     

关联规则算法在教学质量评估中的应用

通过探讨和研究如何将数据挖掘中的关联规则算法应用到教学质量评估中,列举了当前许多教学质量评价系统存在的一些不足,探讨运用关联规则算法来解决这些存在的问题,根据挖掘的结果提出了把关联规则算法应用到教学质量评估中,使整个教学质量评价过程更加全面客观。从而为教学管理人员提供可靠的决策依据。该文以海南软件职业技术学院学生评教的数据为依据,详细介绍了关联规则算法的应用。     

改进的关联规则模型及其在故障诊断中的应用

1引言 在事务数据库中挖掘关联规则是数据挖掘领域中的一个十分重要的研究课题,是由R.Agrawal等人于1993年在ACM SIGMOD上首次提出的[1].经典的关联规则挖掘问题是指从数据库中挖掘出那些支持度和信任度都大于用户给定的最小支持度和最小信任度的关联规则.     

最大值控制的多最小支持度关联规则挖掘算法

大部分关联规则挖掘算法使用同一最小支持度阈值进行挖掘，但在实际使用中由干各项目发生频率的不同，理应有不同的最小支持度支持。该文提出了一种多最小支持度关联规则挖掘算法，为每一项目设置一最小支持度，同时在生成舒选集和最大频繁集的过程中使用最大值控制来实现剪枝，有效地提高了该算法的效率，最后用一个超市销售物品的例子来说明该算法的使用。     

一种基于概率的多最小支持度挖掘算法

传统的Aprion耐算法由于始终保持单一的最小支持度，所以在实际应用中不能挖掘小比例事件中的关联规则。针对这一缺陷，该文提出并实现了一种基于概率的多最小支持度关联规则算法。该算法针对每个项目设定了最小项支持度，最小项支持度与该项目的出现概率相关。实验证明该算法不仅能有效地挖掘出发生概率较低的事件中的关联规则，同时又不丢失原有的大概率事件中的关联规则。另外，实验结果也说明该算法存在候选项集增多的缺点。     

分布式数据库中关系数据正负关联规则挖掘

针对传统分布式数据库中关系数据正负关联规则挖掘的准确度较低、挖掘效率较低等问题,提出一种新的分布式数据库中关系数据正负关联规则挖掘方法.在关联规则基本概念和性质分析基础上,利用多级支持度从频繁项集中生成正关联规则,结合根据频繁项集和非频繁项集生成负关联规则,通过最小支持度合理设置相关置信度,引入不同权重值于各数据库中,实现分布式数据库中关系数据正负关联规则的挖掘.仿真结果表明,以上算法可有效识别结果规则集中的负关联规则和弱关联规则,确保数据库中关联数据挖掘更加准确;在不同最小支持度或不同事务数条件下,挖掘速度较快,提升了挖掘效率.     

一种基于倒排索引树的增量更新关联挖掘算法

增量更新关联规则挖掘主要解决事务数据库中交易记录不断更新和最小支持度发生变化时关联规则的维护问题。针对目前诸多增量更新关联规则挖掘算法存在效率低、计算成本高、规则难以维护等问题,提出一种基于倒排索引树的增量更新关联挖掘算法。该算法有效地将倒排索引技术与树型结构相结合,使得交易数据库中的数据不断更新和最小支持度随应用环境不同而不断改变时,以实现无需扫描原始交易数据库和不产生候选项集的情况下生成频繁项集。实验结果表明,该算法只需占用较小的存储空间、且检索项集的效率较高,能高效地解决增量更新关联规则难以维护的问题。     

对最小置信度门限的置疑

在关联规则挖掘中,通常使用最小支持度和最小置信度两个门限来衡量一条规则是不是一个强规则。本文对最小置信度这个参数的实际意义,从理论和实践上进行了分析研究和探讨,发现使用最小置信度进行限制不仅所挖掘出的规则质量较低,还有可能遗漏一些具有重要价值的规则,进一步提出提升率比置信度更能反映实际情况,在关联规则挖掘中改用最小支持度和最小提升率作为衡量准则,其结论更加准确,意义也更明确。     

基于模糊支持向量机的高校教学质量评价研究

高校如何能够客观准确地进行教学质量评价,一直是一个主要的研究课题。由于教学质量评价是一个多指标、多目标的评价系统,传统的计算方法存在繁琐、客观性差的情况,提出一种改进的模糊支持向量机的评价模型对教学质量进行评价。建立的模糊隶属度函数,在减小了训练集中异常样本点对建立分类超平面的干扰同时,并没有减小对训练集中每类样本中边缘样本点对分类超平面的影响。实验表明,改进模糊支持向量机提高了教学质量评价的准确率,同时模糊支持向量机的泛化能力也得到了提高。     

课堂教学评价智能辅助决策系统模型的构建

课堂教学评价是提高教师教学水平和考核教学质量的有效途径。通过对聊城大学现有教学评价系统中的数据进行多角度分析得到了一些有价值的信息,为教学、管理和决策服务提供了有力的数据支持。在此基础上构建了课堂教学评价智能辅助决策系统模型,为教学评价系统的开发和完善提供参考,并最终为高校的教学、管理提供数据支持。     

基于数据挖掘的AHP算法在职业教育教学评价系统中的应用

以当前的职业学校教育教学为平台,就如何将数据挖掘与教学质量评价指标相结合的问题进行研究,通过借鉴国内外职业教师教学质量评价指标体系的有效挖掘,解决目前教学质量评价指标分数比例的不合理性,提出运用AHP算法来确定教学质量评价指标比例,使教学质量评价公平、公正、合理、高效。     

灰色关联分析法的高校公共英语教学质量评价研究

为了有效评价高校公共英语教学质量,提出基于灰色关联分析法的高校公共英语教学质量评价方法.根据最优数据聚类准则,获取高校公共英语教学质量评价指标,建立高校公共英语教学质量评价指标体系,然后使用灰色关联分析按照关联度与评价级别间关系,判断高校公共英语教学质量优劣级别,实现高校公共英语教学质量评价.结果 表明,灰色关联方法的...     

层次分析法和神经网络相融合的教学质量评价

为提高教学质量评价准确性,提出一种基于层次分析法和神经网络相融合的教学质量评价方法（AHP-BPNN）。采用层次分析法构建评价指标体系,筛选出对评价结果有重要影响的指标作为BP神经网络输入,采用神经网络建立教学质量评价模型。仿真结果表明,AHP-BPNN不仅简化神经网络的结构,而且提高了教学质量的评价精度和评价效率,是一种可行、有效的教学质量评价方法。     

数据科学与大数据专业教学质量评价方法

本文首先介绍了粗糙集理论的相关知识,其中重点介绍了属性约简的应用。根据高等学校教学质量评价的多个指标体系,综合对比分析,利用已有的理论模型构建相对应的数据表,即形成了关于新设专业教学质量评价的知识表。其次,利用算法删除多余的评价指标后,得到关于专业教学质量评价的具体指标。最后在此基础上,对得到的具体评价指标进行分析后,提出了改善教学质量的初步措施。     

基于PSO的RBF神经网络在教学质量评价中的应用

文章提出了一种将粒子群优化(PSO)算法训练的RBF神经网络用于教师教学质量评价的方法。该方法使用由PSO训练的RBF神经网络来拟合影响教学质量评价的众多指标与评价结果之间的复杂关系。通过实验验证,该方法在教学质量评价中,克服了评价主体在评价过程中的主观因素,又得到满意的评价结果,具有广泛的适用性。     

基于应用型人才培养的高校教学质量评价分析研究

高校教学质量评价是教学单位教学质量管理的重要组成部分。随着"互联网+高等教育"的飞速发展需求,区块链、大数据、云计算、人工智能、物联网等新一代信息技术在教育教学方面得到了广泛应用,传统的教学模式已不能满足快速增长的信息化教学需求,教学质量评价改革已成为高校面临的重要课题。高校教学质量评价构建势在必行。本文从教学实际需要出发,提出一种基于应用型人才培养的高校教学质量评价分析平台,通过构建高校教学质量评价分析管理服务体系,对教学质量评价分析平台研究与设计,多元化、多层次满足师生对新时代个性化的教学需求,推进了新时代教学改革的创新发展,有效提升了教学质量和效率。     

粗集理论和Rosetta系统在教学质量评价中的应用

基于粗集理论,利用Rosetta系统对高校教学质量评价信息系统进行离散化和属性约简,得到了评价指标体系中的核心指标和决策规则。利用这些规则,测得被评估教师的实际教学水平,客观评价教师的教学质量,为教师教学质量评价提供一种新的分析方法。     

关联规则在课堂教学质量评价中的应用

课堂教学质量评价是教学管理过程中的重要环节,不断提高课堂教学质量评价数据的客观性和可靠性是提高教学评价质量的重要途径和手段。本文讨论了如何利用关联规则数据挖掘技术,对课堂教学质量评价数据进行关联规则挖掘,以提高教学评价的科学性、客观性和准确性。