基于数据挖掘的电子商务推荐系统

基于数据挖掘的电子商务推荐系统,通过使用关联规则算法来对客户的事务执行购物篮分析,知道那些产品比较热销,以及一个特定商品与另一个商品被一起购买的可能性有多大。从而通过商品的推荐和捆绑销售,为客户提供个性化服务,同时实现利益的最大化。在总结前人挖掘模型的基础上,设计了基于Apriori算法的电子商务推荐系统。Apriori算法作为最有影响的挖掘布尔关联规则频繁项集的算法,简单可靠,适合于机器学习。     

基于关联规则挖掘算法的教务管理系统设计

针对当前教务管理系统的信息化需求,结合当前的智能推荐技术,提出一种基于关联规则挖掘算法的教务管理系统。基于软件工程设计思想,首先对系统的功能需求进行分析;然后从逻辑架构、网络拓扑结构、功能设计等方面对系统进行初步设计,并结合Apriori算法原理,提出了基于兴趣度的关联规则算法模型。最后,给出了该系统的登录界面和课程推荐界面。     

客户时序关联规则挖掘方法研究

针对客户交易数据的特点，提出了一种基于前缀映射累加树的客户时序关联规则发现方法。将时间窗口内频繁项的信息映射到前缀映射累加树中，以降低频繁时序模式的搜索空间，提高时序关联规则的挖掘效率。另外，通过为特定的频繁项建立前缀映射累加树，可以挖掘特定的时序关联规则，并能以较精确的方式，发现具有一定模糊性的客户时序关联规则。实验结果表明，所提出的方法能够提高客户时序关联规则的挖掘效率。     

改进的关联规则算法在数据挖掘中的探讨

数据挖掘技术在客户关系管理(CRM)中的有效运用可以从与客户有关的大量数据中挖掘出对企业经营决策有价值的知识和规则。本文根据数据挖掘中关联规则的性质以及钢铁企业的自身特点,在经典关联规则算法APriori算法的基础上提出了一种改进的算法,并利用该算法对数据库进行了关联规则挖掘,得到了隐含在数据库中的有用信息。     

基于关联规则的个性化推荐系统

以数据挖掘中的关联规则理论为基础，从应用的角度出发，设计了一套相关产品推荐系统ARecom，实现了电子购物中的个性化服务。针对直接决定整体算法效率的频繁大项集生成步骤，应用大量的数据，研究比较了三种典型算法，并在此基础上，提出了适合电子商务相关推荐系统的完整的算法模型。     

汽车ERP中关联规则挖掘与动态更新的实现策略

针对传统ERP系统缺少直接面对客户的系统功能、数据利用程度低等局限性，提出把经典数据挖掘算法——基于Apriori的关联规则挖掘方法改良后导入汽车企业ERP系统以缓解其局限性的应用策略，程序实现了FPgrowth算法和动态关联规则挖掘算法，并通过挖掘模型测试，证明了这些策略的可行性和有效性。     

一种基于混合型结构优化算法——Apriori-Mend算法

关联规则挖掘是数据挖掘领域中最重要的研究问题之一。Apriori是关联规则挖掘的一种经典算法,它使用候选项集产生测试机制来找出所有满足用户最小支持度的项集,但它需要多次扫描数据库,会产生大量的候选项集。针对Apriori算法的不足,提出了一种基于混合型新的优化算法:Apriori-Mend算法。该算法从优化产生2项集、事务压缩等几个方面对Apriori算法进行优化,将散列技术应用于产生1项集和2项集,采用库优化策略和混合型存储结构,以节省空间和运算时间。实验结果表明,Apriori-Mend算法运行速度比Apriori算法有明显的提高。     

一种基于混合型结构优化算法——Apriori—Mend算法

关联规则挖掘是数据挖掘领域中最重要的研究问题之一。Apriori是关联规则挖掘的一种经典算法,它使用候选项集产生测试机制来找出所有满足用户最小支持度的项集,但它需要多次扫描数据库,会产生大量的候选项集。针对Apriori算法的不足,提出了一种基于混合型新的优化算法：Apriori—Mend算法。该算法从优化产生2项集、事务压缩等几个方面对Apriori算法进行优化,将散列技术应用于产生1项集和2项集,采用库优化策略和混合型存储结构,以节省空间和运算时间。实验结果表明,Apriori—Mend算法运行速度比Apriori算法有明显的提高。     

基于项约束的关联规则挖掘研究综述

介绍了项约束关联规则的基本概念;讨论了三类典型算法,经过比较和分析,给出各算法的优点和不足,同时介绍了项约束关联规则的应用;最后,展望了项约束关联规则挖掘未来的研究方向。     

Apriori算法在布尔型关联规则领域的应用

在数据挖掘中,关联规则挖掘发现大量事务项之间有趣的关联关系的研究是一个重要的课题.Apriori算法则是数据挖掘中,搜索关联规则频繁项目集最有影响的算法.本文通过一个实例对Apriori算法在布尔型关联规则领域的应用进行了探讨.根据Apriori算法实现了计算机程序的实例验证.     

一种基于XQuery的网络舆情关联规则挖掘系统

随着互联网的飞速发展,数据挖掘技术已成为网络舆情分析的一个研究热点.为了提高网络舆情关联规则的挖掘速度,针对网络舆情关联规则挖掘的特点,给出了基于XQuery的网络舆情关联规则的挖掘方法,设计了一种快速有效的基于xQuery的网络舆情关联规则挖掘系统,给出了实际测试结果,并验证了基于XQuery的网络舆情关联规则挖掘系统的有效性.     

电子商务个性化推荐研究

简要介绍了电子商务推荐系统的概念、作用及组成构件，给出了推荐技术分类标准，系统综述了协同过滤推荐、基于内容推荐、基于人口统计信息推荐、基于效用推荐、基于知识推荐和基于规则推荐等6种主要的推荐技术。对这些推荐技术的优缺点进行了比较，介绍了推荐评价技术。重点评述了电子商务个性化推荐领域中的研究热点问题，并分析了目前国内电子商务个性化推荐理论研究和应用现状，最后提出了电子商务个性化推荐领域所面临的挑战。     

REAL-TIME MOTION PLANNING METHOD BASED ON NEURAL NETWORKS FOR MULTIPLE MOBILE ROBOTS

0　ＩＮＴＲＯＤＵＣＴＩＯＮＯｎｅｍａｉｎａｐｐｌｉｃａｔｉｏｎｏｆｍｕｌａｉｐｌｅｍｏｂｉｌｅｒｏｂｏｔｓｉｓｔｈａｔｔｈｅｙｃａｎｔａｋｅｄｉｆｆｅｒｅｎｔｔａｓｋｓｉｎｄｉｖｉｄｕａｌｌｙｉｎｔｈｅｓａｍｅｅｎｖｉｒｏｎｍｅｎｔ Ｗｈｅｎｍｕｌｔｉｐｌｅｍｏｂｉｌｅｒｏｂｏｔｓｗｏｒｋｉｎｇｉｎｔｈｅｓａｍｅｅｎｖｉｒｏｎｍｅｎｔ ,ｃｏｌｌｉｓｉｏｎｓａｎｄｃｏｎｆｌｉｃｔｓｃａｎｅａｓｉｌｙａｒｉｓｅａｍｏｎｇｒｏｂｏｔｓａｎｄｅｎｖｉｒｏｎｍｅｎｔｏｂｓｔａｃｌｅｓｆｏｒｃｏｍｐｅｔｉｎ…     

Trajectory planning of redundant manipulator using fuzzy clustering method

The solution of inverse kinematics and trajectory planning with performance criteria for a redundant manipulator is proposed with modification in fuzzy c-means. A new fuzzy clustering model based on a new generalized validity index based on weighted within-scatter metrics and between-cluster scatter metrics for the manipulator is proposed. In order to understand the proposed algorithm and to show its performance, two simulation studies of trajectory planning with manipulability criteria for a redundant manipulator are modeled to solve the problems of finding association rules in the data and of setting up an appropriate classification procedures. The problem of redundant manipulator (which is a multi-input, multi-output nonlinear system) is new in terms of solution by clustering method. The proposed algorithm for the trajectory planning of the manipulator is simulated using Matlab®. All practical steps, from data acquisition to model validation, are illustrated using a 4 degree of freedom robot manipulator. The simulated results are compared with the numerical methods of the trajectory planning. The results are presented graphically. The proposed method has the advantage of simplicity, flexibility, and good tracking performance.     

基于模糊关联规则的预测系统遗传优化

为提高预测系统中的预测精度,提出了一种基于模糊关联规则的优化的预测系统设计方法。该方法通过两个阶段来实现:首先采用竞争聚集算法得到各数量型属性优化的模糊集个数,从而挖掘出优化的模糊关联规则。在得到用于构建预测系统规则库的模糊关联规则后,采用遗传算法约简冗余规则库,实现精确性和解释性的折衷,以提高预测精度。最后将此方法运用于Abalone样本数据集进行实验分析,证实此方法解决了模糊关联规则的冗余问题,有效提高了预测精度。     

基于关联规则的教务信息挖掘

在高校中,教务管理系统每年都产生大量和教学相关的数据,如教师基本信息、学生基本信息、成绩数据及各项测评信息等。这些数据真实的反映了高校的教学情况,但并没有充分利用这些数据来挖掘出有用的决策信息。通过对基于关联规则的教务信息挖掘的研究,把改进的Apriori算法应用在教务信息挖掘中,对影响学生成绩的因素进行分析,确定相互之间的关联规则,以改善教学。     

基于语义关联的专利有害性能知识挖掘研究

为向产品设计过程提供更加丰富的知识来源,进一步获取专利深层信息,提出了基于语义关联的专利有害性能知识挖掘方法。首先,对产品有害性能进行定义和分类,据此对产品专利分布以及语义特点进行分析;其次,结合行业专利全文信息,引入word2vec算法构建文本向量空间,并利用余弦算法计算不同单词的语义距离,进而实现同义词合并;再次,利用词性组合以及依存关系获取行业专利技术背景中有害性能关键词,结合四种分类规则获取结构对象与有害性能的关联关系,并构建有害性能数据库;最后,针对设计方案元件关键词,检索关联有害性能知识,结合频次公式计算元件不同有害性能发生的概率。选择国内花洒产品专利为应用实例,与其他三种算法进行比较,验证了所提方法的可行性及有效性。     

A job-classifying and data-mining approach for estimating job cycle time in a wafer fabrication factory

Before making a due date commitment to our customer, we need to estimate the cycle times of jobs. For this reason, many of the most-advanced methods classify jobs, before or after estimating the cycle times. However, job classification is not directly helpful to optimize the performances of these estimation methods. To solve this problem, a job-classifying and data-mining approach is proposed in this study to improve the performance of cycle time estimation by optimizing the results of job classification. In addition, some association rules are also extracted from the estimation results to facilitate the practical application of the proposed methodology. According to the results of a case study, the job-classifying and data-mining approach achieved a better estimation performance and could produce some useful estimation rules.     

电子节气门的自组织模糊规则控制

文章针对强非线性复杂时变的电子节气门,提出了一种基于自组织模糊规则的控制器。文章结合误差相平面分析了控制器的一般性能,以判别式进行规则修改决策,并得出控制量增量,以此直接修改模糊控制规则表中对应元素,从而建立自组织模糊控制系统。控制器适应性好,结构简单,鲁棒性强。仿真实验表明其实际效果良好。