基于关联规则挖掘的高校成绩分析研究

本文通过对本校某年级学生成绩进行分析,主要应用数据挖掘中的关联规则和Apriori算法,挖掘出一些合理的课程关联规则,将这些规则运用到教学管理中,可指导学生选课和合理的设置课程,为高校的教学管理提供参考。     

基于聚类和关联算法的学生成绩挖掘与分析

针对某高校信息工程学院学生的学习状况和培养方案的改进需求,以2008-2014级信息工程学院本科生课程成绩为研究对象,提出一种基于改进K-means和引入兴趣度的Apriori的学生课程成绩分析方法。采用改进的K-means算法对成绩信息进行离散化处理,采用引入兴趣度的Apriori算法进行挖掘并根据得到的课程之间的关联规则绘制课程关系网络图,对课程间的关联关系、衔接关系以及课程的重要程度进行分析。应用所述方法进行挖掘能够减少大量没有意义的规则,提高了挖掘结果的准确性,挖掘所得到的结果不仅能够为教学方案的设计和改进提供一定的参考信息,还有助于提高学校的教学质量和学生的学习质量。     

基于遗传算法的学生信息关联规则挖掘研究

该文结合具体的学生信息数据库,把遗传算法理论应用到关联规则的数据挖掘中。通过特定的编码设计,适应度函数构造。数据库处理,遗传算法的参数设置,得到有用的规则,有助于教师对学生的科学管理和指导,提高教学的质量和素质,为其余课程或学生数据库的挖掘起到抛砖引玉的作用。     

基于遗传算法的学生信息关联规则挖掘研究

该文结合具体的学生信息数据库,把遗传算法理论应用到关联规则的数据挖掘中。通过特定的编码设计,适应度函数构造,数据库处理,遗传算法的参数设置,得到有用的规则,有助于教师对学生的科学管理和指导,提高教学的质量和素质,为其余课程或学生数据库的挖掘起到抛砖引玉的作用。     

基于分布式数据库的挖掘模型

给出了一种基于分布式数据库的挖掘模型及其相应的一种有效的挖掘算法,该模型和算法在减轻网络频繁的通讯负担、体现并行计算以及异构数据挖掘方面有其独特的优点.     

改进的关联规则算法在学生成绩预警中的应用

针对现阶段高校教学数据库中积累的成绩数据量大,而教育者从中获取的信息少的现状。为此,结合关联规则算法挖掘频繁项目集的特点,利用改进的Apriori算法对学生成绩数据进行分析处理,找出数据中隐藏的课程关联规则,将这些规则用于学生成绩预警,及时找出可能出现不及格的课程,对部分学生给出警告,加强学习监督。实验结果表明,改进的Apriori算法的效率明显优于改进前,得出的关联规则可以作为学生成绩的预警因子。     

Apriori算法在学生成绩管理中的应用

介绍了关联规则的基本概念及Apriori算法,提出了成绩预警模型,并利用Apriori算法进行了求解。所得到不及格课程之间的关联规则,可以为教师的教学管理及学生学习提供一定的指导和参考。     

基于多媒体数据库的关联规则挖掘系统模型

提出了一种多媒体数据库的关联规则挖掘系统模型。介绍了模型的组成,分述了特征提取组件、特征库、挖掘部件3个主要部分,并且介绍了主要的挖掘算法。     

关联规则挖掘在成绩录入、校对系统中的应用

为了达到实现数据录入、校对的准确和高效的目的，文章介绍了利用关联规则挖掘方法在成绩录入、校对与发布系统的设计思路、体系结构和实现要点，系统经过实际运行验证了该核心方法结论正确，达到了预期的目标，实现了数据录入、校对的准确性和高效性。     

关联规则数据挖掘综述

阐述了关联规则及其基本算法,归纳了关联规则数据挖掘的诸多研究方向,认为算法的效率、规则兴趣度和扩展的关联规则挖掘是研究的重点.     

基于关联规则数据挖掘技术在教学管理中的应用

数据挖掘技术是一种新的信息处理技术。其目的是从海量数据中抽取潜在的,有价值的数据规律或数据模型。通过数据挖掘技术对高校教学数据的分析处理,能够形成真正有价值的知识,向决策者提供信息支持,有利于推动学校教学改革和建设的全面发展。本文主要针对现行高校实际运作的学分选课数据库系统,以关联规则挖掘为例,提出简单而可行的数据挖掘应用实施办法。     

数据挖掘中关联规则的研究与应用

数据挖掘被称为数据库中的知识发现,是一个跨学科的研究领域。关联规则分析是数据挖掘中一个重要的课题,用于发现存在于数据库中的项或属性间的关联联系,这些联系是事先未知且隐藏的。关联规则的研究主要集中在生成频繁项集的挖掘算法,通过对几种主要关联规则的算法分析,利用Apriori算法研究再生资源系统中关联规则的确定,从而实现物资的二次销售。     

一种海量数据挖掘的有效方法

对大型数据库中海量数据进行数据挖掘的方法进行研究,提出一种对海量数据进行数据挖掘的有效方法,该方法实现了如何采用粒子群优化算法对海量数据进行优化划分,并且采用改进的Apriori算法解决Apriori算法产生大量候选项集和多次扫描数据库的缺点。从而解决海量数据挖掘的时间和空间复杂度过高的难点。     

基于Apriori的高效关联规则挖掘算法在教育考试系统中的应用研究

从历史考试数据中提出有用的信息具有重要的意义。使用关联规则挖掘是有效的手段之一。然而,传统的Apriori关联规则挖掘算法存在不足之处。为此,本文应用一种改进的、基于Apriori的关联规则挖掘算法,在高考考试数据上进行了尝试,得出了有益的结果。为进一步构建针对教育考试的实际数据挖掘应用系统奠定了基础。     

关联规则挖掘研究

介绍了关联规则挖掘的基本概念。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。     

数据挖掘技术在经营分析系统中的应用

数据挖掘技术是对海量数据进行分析和信息提取的重要工具。本文首先介绍了数据挖掘的基本概念和相关知识。然后结合电信的具体行业特点,建立了一个基于数据挖掘的系统(MDMS),并对该系统的结构、模块组成等问题进行了深入的讨论。文中详细介绍了该系统中关联规则挖掘技术、分类模型挖掘技术和聚类分析技术等关键技术的实现。最终对该系统在电信运营过程中所起的作用作了一个总评。     

基于背景知识的关联规则挖掘算法研究

为了解决传统算法中存在的频繁模式集生成的瓶颈问题，本文将启发式背景知识和归纳背景知识同时运用在频繁模式的生成过程中，提出了一种基于背景知识的关联规则挖掘算法BasedBackground。该算法不仅通过启发式背景知识，有效降低了模式的计数代价，而且通过由样本挖掘获取的归纳背景知识，有效地减少I／O代价，因此提高了挖掘的效串和质量。本文最後通过恒星光谱数据作为实验数据集，验证了该算法的有效性。     

基于Apriori的有效关联规则挖掘算法的研究

通过对Apriori算法进行的分析与研究,发现其在实用中存在两个主要问题:生成的关联规则具有相当大的冗余性;有可能挖掘出一条支持度和置信度均很高,但却是无趣的、甚至是虚假的关联规则,且不能产生带有否定项的规则。鉴于此,该文给出了关联规则的两个性质和引入兴趣度的第三个度量———相关支持度,设计了挖掘出有效关联规则算法,较好地解决了上述问题。