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,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。     

基于Apriori算法的关联规则挖掘的实现

以Windows 2000系统日志作为挖掘对象,利用Apriori算法找出其中蕴涵的关联规则,并用VB实现.     

关联规则挖掘在大学生心理健康测评系统中的应用研究

为深入了解影响大学生心理健康的主要因素以及心理症状之间的关联关系,将关联规则挖掘应用于大学生心理健康测评数据。先对原始数据进行预处理,再以Clementine 12.0为平台,建立大学生心理多维关联规则挖掘模型;以福建省某高校2011级的学生心理测试数据为基础,应用构建的模型分析了性别、独生子女、来源地、学生干部、家庭结构、家庭月收入6个属性和大学生九维心理症状间的关联关系。根据挖掘结果可以更深入地了解学生心理健康问题,为高校开展大学生心理健康教育的规划、决策提供依据。     

商务智能系统中两种改进的关联规则挖掘算法

根据日常商务数据的特点,提出了商业应用系统中进行数据挖掘的改进的Apriori算法和对点击流数据进行挖掘的改进的多支持度关联规则算法,并结合具体实例进行了分析.分析结果表明,2种改进的算法可以有效地提高系统数据挖掘的效率.     

关联规则挖掘中Apriori算法的研究与改进

对Apriori算法加以改进,提出了一种更高效的关联规则挖掘算法,在扫描数据库的同时把支持每个项目的事务都标记出来,采用一种新的方法来计算候选项目集的支持度．该算法只需对源数据库进行一次扫描,就可以找出所有的频繁集,具有很高的效率．     

一种基于Apriori的高效关联规则挖掘算法的研究

为了从海量的信息资源库中进行析取、识别和发现潜在正确和有用、前所未知的、最终可理解的知识,从数据挖掘技术的研究入手,对关联规则挖掘算法Apriori算法的关键思想以及性能进行了研究,在此基础上分析和探讨了Apriori Mend算法,并给出了该算法的实现思想和步骤,同时通过实例说明了算法的执行过程,该算法提高了原算法的效率。     

挖掘关联规则Apriori算法的一种改进

本研究在对Apriori算法分析的基础上,提出了改进的Apriori算法。改进后的算法采用矩阵表示数据库,减少了扫描事物数据库的次数;利用向量运算来实现频繁项集的计数,同时及时地去掉不必要的数据,减少了数据运算,从而提高了算法的运行效率。     

关联规则挖掘在网络课程推荐中的应用

以网络课程推荐为例探索关联规则在网络教学平台中的实现与应用。引入关联规则中的Apriori算法应用于网络课程关联分析,从而挖掘出潜在的网络课程相关规律,为学生学习、教师安排教学内容等提供科学依据。     

低支持度关联规则挖掘的一种算法

针对已有的对低支持度关联规则进行挖掘的算法中没有提出对具有多个相关项的关联规则进行挖掘的有效方法，本文提出一种能够对低支持度关联规则的多个相关项进行有效挖掘的方法。算法基于相似度来衡量各个相关项的关联程度，在已有算法的基础上增加了一次特殊的矩阵转换，从而将对项的相似度衡量方法进行了转换，转换后的矩阵可以基于Apriori性质来拓展多个相似相关项。算法在低支持度情况下具有较高的挖掘效率和良好的挖掘效果，算法还可以用来挖掘多个项之间的排斥规则。     

基于神经网络的旅游突发事件预警研究

介绍了旅游突发事件和对其进行预警的意义．基于BP神经网络．建立了旅游突发事件预警模型．并对旅游突发事件预警模型进行了测试．测试结果表明．该模型具有较好的预测效果,     

关联规则在先进技术与产品推荐系统中的应用

目的为使客户能方便快捷地在网络中浏览和购买先进适用技术与产品,有效地获取所需信息.方法采用了数据挖掘中的关联规则方法,建立先进适用技术与产品之间的关联规则,将其存入相应的先进适用技术与产品的知识库.结果开发了先进适用技术与产品关联信息的推荐系统,可以根据客户的需求在知识库中提取出相关的先进适用技术与产品.建立先进适用技术与产品推荐模型.结论基于关联规则的技术与产品推荐系统,能够从大量的数据中的找出先进适用技术产品之间的关联信息,并对客户的需求有针对性地推荐相关的先进适用技术或产品,该系统具有准确性和实时性,更好地实现了先进适用技术与产品的推广.     

一种模糊关联规则算法

针对普通关联规则不能表达挖掘对象中模糊信息的关联性，给出了一系列有关模糊关联规则的定义，并提出一种基于树形结构的模糊关联规则挖掘算法（FARMBT）。实验结果表明，FARMBT算法是有效的。     

基于Apriori改进算法的Web日志挖掘支撑工具的实现

Web日志挖掘就是运用数据挖掘的思想来对服务器日志进行分析处理,以发现相似客户群体、相关Web页面和频繁访问路径等,其目的在于从用户访问Web系统的行为中发现用户的访问模式.在对Web日志挖掘的原理和技术进行讨论的基础上,重点探讨了如何将Apriori改进算法应用于对Web日志的挖掘,提出了一种基于该算法的Web日志挖掘实现方法,实验结果表明了算法的有效性.     

基于图的Apriori改进算法

Apriori算法是关联规则挖掘中的经典算法,算法的核心思想是一种基于频繁理论的自底向上的递推方法。文中对Apriori算法进行分析,发现其中存在的问题。对Apriori算法做了改进。改进后的算法基于自顶向下的思想。利用有向图给出计算候选项集和项集支持度计数的更快的方法,同时简     

基于数据挖掘的乳腺X线图像分类研究

研究了基于灰度空域统计特征以及灰度共生矩阵的医学乳腺X线图像的特征提取方法,以及这些特征对于数据挖掘中的两种算法——基于神经网络的算法和基于关联规则挖掘的算法在乳腺肿瘤检查和分类中的作用,结果表明这些特征在两种分类方法中均表现良好,对良性与恶性肿瘤分类的准确率均超过了75%.实验证明所提出的特征提取方法对于神经网络和关联规则的挖掘在乳腺X线图像分类中是有效的.     

Apriori算法在消费市场价格分析中的研究与应用

在介绍关联规则基本原理的基础上,对Apriori算法进行了详细的分析和研究,并将Apri-0ri算法应用于消费市场价格数据中,挖掘出了各种农副产品价格之间的关联关系,即从大量的农副产品价格数据中挖掘出了大米、玉米、大麦和羊肉、牛肉价格之间的关联规律．     

一种新的Apriori改进算法

Apriori算法是挖掘布尔关联规则频繁项集的最有影响的数据挖掘算法之一,但由于数据挖掘本身决定其面临的是海量数据,因此在许多情况下会产生大量候选项集,从而严重影响挖掘的效率。本文提出一种简单有效的Apriori改进算法。     

电子商务中点击流数据仓库的应用研究

电子商务网站逐渐成为商务智能中数据量最大的地方之一．把数据仓库技术引入电子商务应用中,把用户在电子商务网站上的点击流（Click Stream）和Web日志文件作为数据源,利用高效的改进的关联规则算法,可以有效地分析出其中蕴涵的如用户行为模式这样的知识．利用这些知识,商务人员能够拓展他们的市场,改善客户关系,降低成本,使操作流水化,有效地辅助其改进商业策略．