数据挖掘技术与关联规则挖掘算法研究

随着人们对信息数据量的急速增长从而数据挖掘技术也随之应运而生,这使得人们对知识与信息的渴求得到了进一步满足。对于如何才能快速高效的获取知识,对于信息处理技术来说已经成为当前热门的研究课题。审视当前对于关联规则的研究现状,针对关联研究的现状,分析实际问题对于关联规则总结出一种新的研究方式,结论为关联规则算法在今后的出路和进一步的研究上指明了方向。研究过程中通过对文献的查询分析和比较分析两种方法,进一步阐述对典型关联产生影响的各种方法,其中最为重要的是把核心Apriori算法作为一个研究的基点。     

数据挖掘技术中基于关联规则算法的研究

随着现代信息技术的发展,特别基于网络的信息技术的飞速发展,人们对于数据的处理能力的要求也随之升高,数据挖掘的本质,就是从模糊的、随机的、有噪声的、大量的、不完全的数据当中提取有潜在利用价值的信息的过程。从大型数据库中挖掘关联规则的问题已成为数据挖掘中一个比较热门的研究方向。在先前研究的基础之上,对基于关联规则的数据挖掘技术进行全面地分析。     

应用Apriori算法和FP—tree算法挖掘关联规则的比较分析

介绍了关联规则的基本概念,比较分析了关联规则挖掘算法的两个经典算法Apriori算法和FP—tree算法,通过Apriori算法和FP—tree算法的对比分析得出了相应的比较结果。     

基于FP-树的关联规则挖掘算法浅谈

随着数据库技术的发展,高效的数据挖掘算法有助于人们重新认识数据、理解数据。基于FP-树的关联规则挖掘算法FP-growth是当前应用最广的一种挖掘频繁项目集的算法。本文简要描述了该算法的几种主要发展方向。     

正负关联规则挖掘的研究

传统的基于支持度-置信度框架的关联规则挖掘方法可能会产生大量不相关的、甚至是误导的关联规则,同时也不能区分正负关联规则。本文提出了一种评价关联规则的可量化标准,进一步提出一种能同时挖掘正负关联规则的框架,实验证明该方法是有效的。     

数据库中广义模糊关联规则的挖掘

引入了广义模糊关联规则的概念,给出挖掘规则的计算方法,用来进行数据挖掘,以找出隐藏在数据库当中那些有用的而未被发现的知识。     

基于Apriori算法的课程成绩关联规则挖掘研究

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,采用关联规则的Apriori算法和改进后的Apriori算法对郑州职业技术学院学生各门课程成绩进行分析,从而发现课程之间的联系和基础课程对专业课程的影响,为教务昔理部门安排课程提供参考。     

分布式数据库中关联规则挖掘的研究

在数据挖掘研究中,关联规则挖掘作为数据挖掘研究中的一个重要部分,引起越来越多的关注。因此,主要研究关联规则挖掘,首先介绍关联规则挖掘的一些基础知识、概念描述等,然后对关联规则挖掘的常用算法进行分类探讨,最后分析其中的几种典型算法。     

隐私保护关联规则挖掘的研究

数据挖掘已经融入到社会生活的各个领域,随之个人隐私保护的研究也凸显其重要性。随着隐私保护在数据挖掘研究中的深入,人们发现一些规律,也相继的发现一些隐藏的问题。总结归纳目前人们在数据挖掘领域中对隐私保护关联规则研究的现状,分析目前基于隐私保护的数据挖掘主要方法的优缺点,给出隐私保护在未来数据挖掘中的发展方向。     

一种基于目标属性的关联规则挖掘算法的研究

提出一种基于目标属性的关联规则挖掘算法,该算法对于不同目标属性的关联规则挖掘是相互独立的,虽然会产生重复工作,但是在并行计算以后效率得到了大大的提高.经过实验分析,对于同样的问题,采用该算法并引入并行计算后,效率要比采用间接挖掘方式的Apriori算法高得多.     

个性化包装设计中关联规则挖掘技术的应用

从个性化包装产生的原因出发,分析了个性化包装的特点及个性化包装设计的重要性,阐述了基于关联规则挖掘的个性化包装设计的基本方法,详细说明了关联规则挖掘在个性化包装中应用的关键技术,提出了一种基于关联规则挖掘的个性化包装设计模型,并给出了其关键步骤的实现方法。     

关联规则挖掘在企业运作策略调查问卷中的应用

通过分析企业运作策略问卷调查数据,提取出不同的运作策略与绩效间的关联规则。首先介绍了关联规则以及关联规则兴趣度的度量。对于问卷数据,进行了预处理,确定挖掘的数据集及相关属性。然后应用关联规则挖掘工具,挖掘出潜在的有用规则。通过分析关联规则,找出企业运作策略及绩效间的关系,为企业提供决策支持,提高企业的竞争力。     

制造信息系统中基于遗传算法的关联知识挖掘

通过分析制造信息系统中数据集的特点,运用遗传算法的理论,对传统的关联知识挖掘算法进行了优化,对遗传算法中的系统编码进行了深入研究,并应用于制造信息系统中,进行了数据挖掘和知识发现的尝试,并给出了比较详细的算法描述与实现,之后对相应算法的效率以及优缺点进行了分析,并得到了详细量化的实验数据。通过对遗传算法优化过的关联规则的运用,使得对制造信息系统中大量数据进行挖掘的效率明显提高。     

利用量化概念格模板优化的关联规则挖掘研究

工程设计中存在着大量固定的设计模式,模板以其自身特点,需要大量的模板匹配这些设计模式,因而如何寻找优化的模板组合进行工程设计中的模式匹配是工程设计的核心问题。论文将关联规则挖掘思想引入寻找模板的优化组合,基于量化概念格挖掘模板优化的关联规则,进而寻找合理的、优化的模板组合,解决了工程设计的模式匹配问题,提高了工程设计的效率。     

Analyzing Customer Reviews on Social Media via Applying Association Rule

The rapid growth of the use of social media opens up new challenges and opportunities to analyze various aspects and patterns in communication. In-text mining, several techniques are available such as information clustering, extraction, summarization, classification. In this study, a text mining framework was presented which consists of 4 phases retrieving, processing, indexing, and mine association rule phase. It is applied by using the association rule mining technique to check the associated term with the Huawei P30 Pro phone. Customer reviews are extracted from many websites and Facebook groups, such as re-view.cnet.com, CNET. Facebook and amazon.com technology, where customers from all over the world placed their notes on cell phones. In this analysis, a total of 192 reviews of Huawei P30 Pro were collected to evaluate them by text mining techniques. The findings demonstrate that Huawei P30 Pro, has strong points such as the best safety, high-quality camera, battery that lasts more than 24 hours, and the processor is very fast. This paper aims to prove that text mining decreases human efforts by recognizing significant documents. This will lead to improving the awareness of customers to choose their products and at the same time sales managers also get to know what their products were accepted by customers suspended.     

基于关联规则的PB商品营销组合

随着自有品牌(PB)商品发展阶段的日益升级,零售商亦更加重视调动PB的力量以形成竞争优势.以PB商品为研究对象,在分析PB商品及其营销特点的基础上,利用企业数据资源和数据挖掘技术,建立了基于关联规则的PB商品营销组合的概念模型,提出利用关联规则技术制定PB商品的营销组合,从外在推动力上提升PB的市场力量.     

Mining Software Repository for Cleaning Bugs Using Data Mining Technique

Despite advances in technological complexity and efforts, software repository maintenance requires reusing the data to reduce the effort and complexity. However, increasing ambiguity, irrelevance, and bugs while extracting similar data during software development generate a large amount of data from those data that reside in repositories. Thus, there is a need for a repository mining technique for relevant and bug-free data prediction. This paper proposes a fault prediction approach using a data-mining technique to find good predictors for high-quality software. To predict errors in mining data, the Apriori algorithm was used to discover association rules by fixing confidence at more than 40% and support at least 30%. The pruning strategy was adopted based on evaluation measures. Next, the rules were extracted from three projects of different domains; the extracted rules were then combined to obtain the most popular rules based on the evaluation measure values. To evaluate the proposed approach, we conducted an experimental study to compare the proposed rules with existing ones using four different industrial projects. The evaluation showed that the results of our proposal are promising. Practitioners and developers can utilize these rules for defect prediction during early software development.     

A GA-based optimisation model for big data analytics supporting anticipatory shipping in Retail 4.0

In Retail 4.0, omni-channels require a seamless and complete integration of all available channels for purchasing. The diversification of channels not only diversifies data sources, but also rapidly generates an enormous amount of data. This highlights a need of big data analytics to extract meaningful knowledge for decision-making. In addition, anticipatory shipping is getting more popular to ensure fast product delivery. The goal is to predict when a customer will make a purchase and then begin shipping the product to the nearest distribution centres before the customer places the orders online. This paper proposes a genetic algorithm (GA)-based optimisation model to support anticipatory shipping. Cloud computing is deployed to store the big data generated from all channels. Cluster-based association rule mining is applied to discover the purchase pattern and predict future purchase in terms of If-Then prediction rules. A modified GA is then used to generate optimal anticipatory shipping plans. Apart from transportation cost and travelling distance, the confidence of prediction rules is also considered in the GA. A number of numerical experiments have been carried out to demonstrate the trade-off of different factors in anticipatory shipping, and the optimisation reliability of the model is verified.     

基于关联规则的团购优惠数据挖掘

数据挖掘在各行各业中被广泛应用,提高工作效率,加强了各行业决策判断的依据和准确性。本文主要针对电信行业的新业务团购优惠进行数据挖掘,基于关联规则从海量的优惠、用户、客户等资料信息中挖掘出团购优惠这项新业务的进展情况,作为业务部门执行下一步市场发展计划的决策依据。     

基于关联规则的多冷水机组系统负荷优化分配

本文以多冷水机组系统为研究对象,对系统采集的大量历史运行数据进行数据处理与分析,采用Apriori频繁项集算法,通过分级挖掘,挖掘在不同运行工况下各台冷水机组运行参数与最小运行能耗之间的关联规则,并以机组运行总能耗最小为目标,提出了一种将粒子群算法与关联规则结合的负荷分配优化方法.仿真验证结果表明:该方法通过优化冷水机...