关联规则挖掘在高校教育管理中的应用

为有效利用高校教育管理工作多年来积累的大量数据,本文采用数据挖掘技术进行教育信息的关联规则挖掘,设计并实现了一个专门的教育管理数据挖掘系统EMARMiner。实验结果得到了有益于高等学校教育管理决策的挖掘结果。     

关联规则挖掘在高校教育管理中的应用

为有效利用高校教育管理工作多年来积累的大量数据,本文采用数据挖掘技术进行教育信息的关联规则挖掘,设计并实现了一个专门的教育管理数据挖掘系统EMARMiner。实验结果得到了有益于高等学校教育管理决策的挖掘结果。     

一种关联规则挖掘方法在客户分析中的应用

数据挖掘(DataMining)是数据库系统和数据库应用的一个繁荣的学科前沿.Apriori算法作为数据挖掘中关联规则挖掘的算法之一,是一种最有影响的挖掘布尔关联规则频繁项集的算法.本文主要探讨Apriori算法的实现细节及其结合在电信业中的实现过程,并通过对实际数据的分析提出提高电信业务量的建议.     

挖掘关联规则中的Apriori算法的研究

文章是基于大型销售数据库研究了关联规则挖掘问题,分析和探讨了Ａｐｒｉｏｒｉ算法,并给出了该算法的实现思想,同时通过例子说明算法的执行过程。     

加权关联规则挖掘算法在电子商务中的应用

介绍了关联规则的常用理论,研究了关联规则中的标准Apriori算法,针对其不足进行了有益的改进,提出了一种新的加权关联规则挖掘算法,并分析了其主要特点。通过把该算法用于电子商务数据挖掘中,并与标准Apriori算法的对比分析,证明了这种新的加权关联规则挖掘算法的有效性。     

关联规则挖掘的研究及对Apriori算法的改进

本文对关联规则挖掘问题进行了介绍，并对其作了形式化描述；对Apriori算法进行了分析，针对该算法的缺点，提出改进算法apriori.new。改进的算法避免了模式匹配，减小了访问数据库的次数，从而提高了挖掘速度。     

关联规则挖掘在高校教学评价中的应用

将数据挖掘中关联规则应用到高校教学评价中,寻找教学评价数据背后隐含的有价值的信息.利用改进的Apriori算法挖掘评教数据,从大量的评教数据中发现数据间的关联.通过实例分析,结果发现了评价等级与教师的学历、职称、教龄、科研能力之间的关联.分析并利用这些关联规则,既可以提高授课教师的教学水平,又可以为教学管理部门的提供决策参考,从而提高教育教学质量.     

关联规则挖掘算法的改进

为了提供一种更加准确高效的关联规则算法,在传统的Apriori算法的基础上引入分而治之的理念和加权的思想.先把数据库分成互不相交的块,根据需求分析从每一个块中产生用户感兴趣的子集,把所有的子集合并成挖掘对象,再利用普通的关联规则算法产生频繁项集,最后在该项集的基础上产生加权频繁项集.该算法基本上克服了传统Apriori算法的缺点,从而大大地提高了运算效率,最大限度解决了"项集生成瓶颈"问题,并且使得生成的关联规则更加科学、准确.     

关联规则在高校系统中的应用

运用数据挖掘中的关联规则分析了高校教学管理中教师信息之间的隐藏关系.并对数据进行了标准化处理,采用优化的Appriori算法进行数据挖掘.通过事例分析了教师的教学工作量和发表论文之间的隐含关系,可为教学管理提供决策支持.     

关联规则算法在邮政商函客户关系中的应用

数据挖掘是当前数据库和信息决策领域的最前沿研究方向之一,在信息化技术发展的今天其重要作用十分明显。基于全新的信息技术的管理理念——客户关系管理受到中国邮政的青睐。数据挖掘技术在邮政商函CRM系统中起着核心作用,关联规则算法是数据挖掘的核心技术,在数据挖掘中是关键应用技术。文中在对关联规则算法和邮政商函客户关系分析研究的基础上,通过把关联规则算法运用在实例中,证明了关联规则算法在邮政商函客户关系管理起到一定的作用,有很好的应用前景。     

改进的关联规则算法在电子商务中的应用

Web日志数据中保存有大量用户访问信息,而Web日志挖掘就是对系统日志信息以及用户的注册数据等进行挖掘,以发现有用的模式和知识。首先介绍了Web日志挖掘的基本流程,然后介绍了电子商务中的日志挖掘,并着重分析了在模式识别中如何利用改进的关联规则算法来挖掘出用户频繁访问的路径和页面兴趣度,为个性化推荐系统模型提供了依据,从而证实了对Web日志数据进行挖掘具有很重要的现实意义。     

关联规则算法在邮政商函客户关系中的应用

数据挖掘是当前数据库和信息决策领域的最前沿研究方向之一,在信息化技术发展的今天其重要作用十分明显.基于全新的信息技术的管理理念--客户关系管理受到中国邮政的青睐.数据挖掘技术在邮政商函CRM系统中起着核心作用,关联规则算法是数据挖掘的核心技术,在数据挖掘中是关键应用技术.文中在对关联规则算法和邮政商函客户关系分析研究的基础上,通过把关联规则算法运用在实例中,证明了关联规则算法在邮政商函客户关系管理起到一定的作用,有很好的应用前景.     

基于Hadoop的关联规则算法在电子商务中的应用

近年来,电子商务的快速发展,给用户带来了极大的便利,同时对电子商务网站能否提供快速有效的服务提出了很大考验。电子商务推荐系统的提出有效地解决了这一问题,受到广泛关注。本文简要介绍一种电子商务推荐系统,然后以Apriori算法为基础进行关联规则数据挖掘,并在Hadoop平台上重写分布式Apriori算法,重点研究基于Hadoop的关联规则算法在海量数据下能否快速有效地发现关联数据,及时向用户推荐相关商品,防止客户流失,增加销售利润。     

数据挖掘算法在入侵检测系统中的应用

数据挖掘可以利用各种分析工具从海量数据中发现模型和数据间的关系并做出预测。针对入侵检测系统的特点,将关联规则算法与序列模式算法应用于入侵检测系统中,介绍了将适当改进的关联规则Apriori算法与序列模式GSP算法相结合挖掘原始审计数据中频繁模式的过程,并着重研究了这两种算法结合扩展关联规则的算法应用。     

关联规则算法在教育信息数据挖掘中的应用

简要介绍数据挖掘中的关联规则算法,并将之运用到学生成绩的数据挖掘中,挖掘高数成绩与高考成绩之间的潜在关系。提出学生大学期间的高数成绩和高考成绩并没有直接的关系,大学生活是一个全新的里程碑,不要因为自己的高考成绩而妄自菲薄。     

关联规则挖掘算法在高校专业课设置中的应用

关联规则是一个应用广泛的数据挖掘算法,本文介绍了关联规则算法的工作原理,如何配置关联规则算法的参数及建立挖掘模型.结合一个高职院校的实例,对关联规则挖掘算法在专业课设置中的应用进行了研究,并对挖掘得到的结果进行了具体分析.     

关联规则算法的研究

Apriori算法是发现频繁项目集的经典算法,但是该算法需反复扫描数据库,因此效率较低.文中针对传统的Apri-ori算法需要多次扫描数据库,由此导致的性能瓶颈及效率问题,提出了一种改进的关联规则挖掘算法(AAC算法).该算法只需一次扫描数据库即可完成所有频繁项集的搜索,极大地提高了算法的效率.     

改进的FP-growth关联规则算法及其在图书推荐系统中的应用

在FP-growth关联规则算法的基础上提出了基于动态二维数组的算法,引入可变二维数组结构,动态的将事务数据库存入该数组中,可以大大提高数据挖掘的效率。并以图书馆管理系统中的图书借阅数据作为训练数据,使用改进的FP-growth算法实现了高校图书推荐系统,本系统能够从图书馆图书借阅记录中挖掘和发现读者借阅行为中隐含的规律,得到读者与图书的频繁项集,从而可以实现对不同身份的读者推荐不同类型的图书功能。     

并行关联规则算法在地震相关性预报中的应用

讨论了并行关联规则算法在地震预报中的应用,提出了分区、画圆数据预处理方法和相应的并行关联规则算法,给出实验结果并进行了解释分析。