基于制造业的Apriori改进算法

本文分析了Apriori算法存在的不足,与可以改进的方向。然后针对网络化制造业面临客户业务量大,数据繁多复杂等特点,并结合制造业的实际情况,提出了一种Apriori改进算法(PAP算法),以提高Apriori算法的效率,并对该算法进行验证。     

关联规则挖掘Apriori算法的改进

在分析研究关联规则挖掘Apriori算法及其若干改进算法基础上,对Apriori算法做了进一步地改进,提出一种基于条件判断的新思路。改进后的算法根据条件采用了事物压缩与候选项压缩的相结合方式,减少了不必要的开开销,从而提高了挖掘速度。     

基于Visual FoxPro的Apriori算法实现

在Visual Foxpro数据库中,利用Apriori算法可以从大量数据中提取出潜在的、有价值的知识。该方法实现求1—3频繁项目集,扩展后具有一定的实用价值。     

基于Apriori算法的食品抽检数据的关联规则挖掘

目的 为了发现检测数据的不合格项目之间有意义的关联规则, 并对挖掘出的关联规则进行分析解读, 进一步发掘了食品抽检数据的价值, 从而对食品安全监管具有一定的指导意义。方法 本文对利用Apriori算法对2015~2019年间山东食品药品监督管理局网站公布的食品安全抽检数据的不合格项目进行了关联规则挖掘。结果 通过挖掘得出最符合要求的10条规则。结论 利用关联规则挖掘算法对食品检验数据进行挖掘, 能够挖掘出有价值、有意义的规则, 对食品安全管理具有指导意义, 从中也可以看出数据挖掘技术在食品安全数据挖掘分析中具有广阔的应用前景。     

基于Apriori算法分析米面制品营养标签使用关联规则

米面制品营养标签经常使用的关联因素挖掘对开展主食健康消费引导有重要作用。基于全国有代表性的1610个居民问卷调查样本,利用Apriori算法关联规则分析他们经常使用营养成分表、营养声称、营养成分功能声称的行为发现,正向的强关联因素是居民对配料表、食品生产许可证、生产日期和保质期、贮存条件、净含量等标签信息的关注,而与个人与家庭特征、米面制品消费情况、营养与健康认知的关联较小,即在一般情况下,我国居民购买米面制品首要关注含量、配料等标签信息,然后在此基础上阅读营养标签做出消费决策。比较来看,居民关注含量、配料等标签信息对经常使用营养成分表购买米面制品的促进作用最大,其次是营养声称、营养成分功能声称。     

关联规则算法在图书馆智能OPAC系统设计中的应用研究

当前是知识性、数字化、智能化的社会发展时代,人们对图书馆的信息服务提出了个性化、智能化的服务要求。因而,提供智能OPAC系统的图书馆服务,这是当前各大图书馆满足读者信息消费的有效改革途径。本文将重点分析关联规则算法在图书馆智能OPAC系统设计中的应用。     

数据挖掘中关联规则算法的研究

随着计算机技术的迅猛发展,使得现代信息技术也得到了发展,数据挖掘技术被广泛地应用到许多领域当中。而数据挖掘技术中最常用的算法则是关联规则算法,它能够对大量的数据和信息进行处理,在数据库中将繁琐的项集找出来,经过处理之后,将项集与项集之间的关联关系建立起来,然后从中挖掘出有用的信息。本文针对数据挖掘中的关联规则算法进行研究。     

基于矩阵的关联规则挖掘改进算法

数据挖掘的研究方向与领域较宽泛,其中关联规则挖掘是其重要的研究分支,Apriori算法是关联规则挖掘的经典算法,在此基础上,人们提出了很多种改进算法,如基于散列(Hash)、数据分割(Partition)以及采样(Sampling)的方法,本文巧用矩阵对Apriori关联规则算法进行改进。     

一种新的基于Apriori算法的加权关联规则挖掘算法

针对New-Apriori算法的不足之处,提出了一种新的挖掘加权频繁项集的算法——MWFS算法,该算法能有效挖掘出含有权重较大项目的加权频繁项集,其挖掘结果更具有价值.     

一种新的基于Apriori算法的加权关联规则挖掘算法

针对New-Apriori算法的不足之处,提出了一种新的挖掘加权频繁项集的算法--MWFS算法,该算法能有效挖掘出含有权重较大项目的加权频繁项集,其挖掘结果更具有价值.     

一种新的基于Apriori算法的加权关联规则挖掘算法

针对New-Apriori算法的不足之处,提出了一种新的挖掘加权频繁项集的算法——MWFS算法,该算法能有效挖掘出含有权重较大项目的加权频繁项集,其挖掘结果更具有价值.     

决明子在保健食品中的使用情况分析

目的 分析作为主要原料的决明子在保健食品中的使用情况。方法 构建含决明子的保健食品配方数据库,统计高频原料,并对原料性味、归经、功效进行描述,采用Apriori算法和Kulc、IR参数对高频原料进行关联规则分析。结果 纳入的保健食品共316件,其中主要包括减肥类102件,通便类81件,辅助降血脂类76件,缓解视疲劳类22件,占全部功能保健食品的89%(281/316)。在减肥类保健食品中,原料应用最多为决明子、其次为荷叶、再次为山楂,代表性原料组合为决明子-茯苓-泽泻、决明子-泽泻-荷叶等;在通便类保健食品中,原料应用最多为决明子、其次火麻仁、再次芦荟和绿茶,代表性原料组合为决明子-绿茶-番泻叶等;在辅助降血脂类保健食品中,原料应用最多为决明子、其次山楂、再次荷叶,代表性原料组合为决明子-三七-丹参、决明子-荷叶-山楂等;在缓解视疲劳类保健食品中,原料应用最多为决明子、其次枸杞子、再次菊花等,代表性原料组合为决明子-枸杞子-菊花等。结论 决明子用于保健食品主要功能为减肥、通便、辅助降血脂、缓解视疲劳4类,运用关联规则挖掘使用规律与中医理论一致。     

关联规则算法在评价指标体系中的应用研究

列举了当前许多教学质量评价系统存在的一些不足,对于评价结果主要有优秀、良好、中、及格或者差等,透过这个评价结果,教学管理人员很难找到教师的教学水平高低究竞和哪些评价指标有关,探讨运用关联规则算法来解决这些存在的问题。同样的利用关联规则挖掘方法可以计算出分数较高的教师的优点在哪些方面。从而为教学管理人员提供可靠的决策依据。本文以海南软件职业技术学院学生评教的数据为依据,详细介绍了关联规则算法的应用。     

基于FP-Growth算法的毕业生管理系统应用

将频繁项集挖掘算法中的FP-Growth算法应用到毕业生信息管理系统中,算法采用FP树对事务数据集进行压缩存储,然后再利用FP树得到所有的频繁项集.该系统可从大量的毕业生信息出发,找出就业信息与教育信息之间的关系,从而为决策者提供指导或数据支持.     

FP-Growth关联规则算法在高校排课系统设计中的应用研究

科学合理的完成高效的排课工作一种的教学管理中一项复杂而又繁琐的工作。同时,排课也是教学工作开展的第一步。科学、合理的教学排课表是提高学校教学质量的保障,也有利于维护正常的教学秩序。本文在分析FPGrowth关联规则算法的基础上研究FP-Growth关联规则算法在高校排课系统设计中的应用,通过实践设计证实教务管理系统嵌入FP-Growth关联规则算法可得出一种科学合理的排课系统。     

基于兴趣度剪枝的Apriori优化算法

鉴于关联规则挖掘中的Apriori算法在挖掘潜在有价值、低支持度模式时效率较低,因此提出一种优化的Apriori挖掘算法,即在频繁项集挖掘中引入项项正相关兴趣度量剪枝策略,有效过滤掉非正相关长模式和无效项集,从而扩大了可挖掘支持度阈值范围.实验结果表明,该算法是有效和可行的.     

多支持度关联规则的研究

关联规则是当前数据挖掘研究最重要的分支之一,目前的关联规则挖掘多采用单一的最小支持度。多支持度的关联规则挖掘算法根据事务项本身的特点分别规定其各自的最小支持度,对原有的Apriori算法进行了改进。     

双向数据挖掘的反馈预测分析

针对常规的数据挖掘预测模型只进行单一预测且未对预测的准确度进行分析等问题,提出了一种将关联模型和基于最小二乘法的回归分析模型相结合的反馈预测模型,并使用最小均方算法对预测进行误差分析.仿真结果表明该模型对中长期预测具有较高的精确度.     

一种基于BP神经网络的就业分析预测模型

随着全球经济状况的不断变化及我国经济结构的战略性调整,各地劳动力就业市场也从原来的求职难到现在的用工荒不断发生着变化。提出一种基于BP神经网络的就业预测模型,将反应劳动就业情况的一些参数通过神经网络的BP算法,主要针对苏州市吴中区企业用工状况做一个科学合理的分析和预测,也可为当地劳动部门、企业、中介、求职者提供一个切实可行的参考模型。