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。     

关联规则挖掘算法综述

介绍了关联规则挖掘算法的基本原理，并按照挖掘中涉及到的变量数目（维数）、数据的抽象层次和处理变量的类别（布尔型和数值型），依次对关联规则挖掘算法的研究进行综述，并对一些典型的算法进行分析和比较，最后展望了关联规则挖掘算法的研究方向。     

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。     

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。     

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。     

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.     

基于分类和关联规则的个性化产品推荐系统

提出了一种利用隐式简档记录和购物旧数据进行数据挖掘的个性化产品推荐系统,该系统有机地结合分类和关联的数据分析技术,为客户浏览访问信息和产品购买信息建立动态、实时、准确的产品推荐模型,利用模型提取出用户可能购买的产品信息并通过推荐系统采取适当的方式推荐给用户。试验表明该系统是高效的,且可广泛使用。     

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。     

聚类分析及关联挖掘在Web服务组合中的应用研究

从有助于实现Web服务的自动发现及最优选择的角度,从聚类分析和关联挖掘两个方面研究了数据挖掘技术在Web服务组合领域中的应用.仿真研究表明:根据服务之间的语义相似性,包括基本描述相似性、功能属性相似性以及社会关系相似性,对服务注册库中的原子服务进行聚类分析,在此基础上进行服务的自动查找,可在很大程度上降低服务的查找空间,提高服务的匹配效率;对服务执行日志中的历史记录进行分析,挖掘服务组合的模式以及服务之间的关联关系,结合服务质量进行服务的最优选择,可在一定程度上提高合成服务的执行成功率.     

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。     

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。     

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。     

FP-growth关联规则挖掘算法在高校学生评教系统中的应用研究

将FP-growth关联规则挖掘算法应用到学生评教系统中,对评教数据进行关联分析,得到对提高教学质量有用的信息,为教学管理和决策提供依据。     

从读者信息需求看高校图书馆服务走向

本文以网络环境下读者的信息需求为出发点,总结了基于读者信息需求下不断变化的高校图书馆的服务走向。提出了这些走向对今后高校图书馆工作的一些启示。     

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。     

基于关联规则分类的冷水机组故障诊断研究

鉴于现有基于数据驱动的故障诊断方法多以黑箱模型为主,诊断过程和结果难以解释的问题,本文提出一种基于关联规则分类的冷水机组故障诊断和故障作用机理解释的方法,在保证较好故障诊断精度的前提下,利用故障诊断模型中的规则库对诊断过程进行逆向分析,解析故障作用机理和模型的诊断过程,提升了基于数据驱动的故障诊断方法的可靠性。通过ASHRAE研究项目1043的实验数据对该方法进行验证。结果表明,基于关联规则分类的冷水机组故障诊断方法可以有效地识别7种典型冷水机组故障,平均故障诊断准确率高达90.84％。此外,提取的规则能够较好地吻合制冷原理及热力学相关知识,可用于故障作用机理分析与故障诊断的进一步研究。     

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。