基于兴趣度的关联规则分析在高职专业课程设置中的应用

以某高职院校电气自动化专业主干课程为研究对象,运用基于兴趣度的关联规则数据挖掘方法,从学生课程成绩入手,挖掘课程之间的关联信息,为优化人才培养方案和提高教学质量提供参考。     

兴趣度在增量的关联规则挖掘中的研究

一般的关联规则发现算法使用的都是支持度、置信度框架.但是在增量的数据挖掘过程中,该类算法却需要不断改变支持度、置信度,使得算法本身效率下降,并缺乏可说服性,比如Apriori算法.为了解决该类问题,使用兴趣度框架对增量的数据进行了关联规则挖掘,比较了基于支持度、置信度框架的算法(如Apriori,FUP算法)和基于兴趣度的算法之间的优缺点.试验结果表明:兴趣度能够有效地筛选关联规则,在进行增量的数据挖掘的情况下得到的关联规则总是小于等于支持度、置信度(Aprori)算法挖掘出的规则.     

关联规则算法在客户关系管理系统中的应用

探讨了挖掘关联规则的善本算法─Apriori算法以及空间关联规则MMS (Multiple Minimum Support)算法,并探讨了这两种算法在客户关系管理系统中的应用.     

基于兴趣度的关联规则挖掘

关联规则挖掘是数据挖掘领域中的重要研究内容之一。然而,传统的基于支持度-可信度框架的挖掘方法可能会产生大量不相关、甚至是误导的关联规则。针对现有关联规则挖掘的评价标准存在的问题,提出在评价标准中增加兴趣度,并给出了兴趣度的定义和基于兴趣度的关联规则挖掘算法。利用兴趣度将关联规则分为正关联规则和负关联规则,从而可以用算法挖掘带有负项的关联规则。实验结果分析表明,在传统挖掘方法的基础上引入兴趣度,可以有效地减少正关联规则的规模,产生有意义的负关联规则。     

基于兴趣度的关联规则挖掘算法

分析了Apriori核心算法，举例说明了其设计思想上的不足，并重新定义了关联规则形式和引进了兴趣度的概念。主要定义了合理的兴趣度，即基于可信度和支持度方差的兴趣度InterestR=[（CR-SRH）／4]^＊（CR＋SRH）,并因此而设计了基于此兴趣度定义的关联规则挖掘算法，并对算法做了适当的分析。     

基于兴趣度的关联规则挖掘

关联规则挖掘是数据挖掘领域中的重要研究内容之一。然而,传统的基于支持度-可信度框架的挖掘方法可能会产生大量不相关、甚至是误导的关联规则。针对现有关联规则挖掘的评价标准存在的问题,提出在评价标准中增加兴趣度,并给出了兴趣度的定义和基于兴趣度的关联规则挖掘算法。利用兴趣度将关联规则分为正关联规则和负关联规则,从而可以用算法挖掘带有负项的关联规则。实验结果分析表明,在传统挖掘方法的基础上引入兴趣度,可以有效地减少正关联规则的规模,产生有意义的负关联规则。     

关联规则在购物篮分析中的应用

购物篮分析是数据挖掘技术应用在零售业中的一种有效方式,其目的就是在顾客的购买交易中分析出能够同时购买一类产品或一组产品的可能性,利于商品的摆放,也利于提高促销活动的效果.以一个面向小型超市的购物篮分析应用实例为背景,利用Apriori算法找出满足最小支持度阈值和最小置信度阈值的强关联规则, 并运用此强关联规则给超市物品摆放提供建议性的意见.     

关联规则在高校学生培养中的应用

介绍关联规则的基本概念及Apriori算法．实现一种基于Apriori算法挖掘多维关联规则的算法,提出将关联规则技术应用于高校学生培养中的学生培养模型,并进行求解。实验结果可以为高校制订相应的人才培养方案提供辅助决策信息。     

数据挖掘中的关联规则分析

本文首先对关联规则中的不足进行了分析,然后提出了关联规则分析这一重要的思想,并在此基础上又提出了关联规则树、关联规则路径等概念来描述关联规则之间的关系,并且讨论了利用关联规则分析对关联规则库中冗余规则的删除,从而使关联规则库更加简洁。     

关联规则挖掘算法在超市销售分析中的应用

销售数据分析是关联规则数据挖掘算法的主要应用领域之一,文章基于关联规则的算法理论,针对应用于超市销售关联规则的特点,提出了适用于超市销售相关性分析的模型。通过商业检验,该算法可以显著提高相关商品的销售额。     

刑事案件信息数据库中的关联规则分析

利用数据挖掘中的有关方法和技术,对刑事案件信息数据进行分析研判,得出各类犯罪之间的关联规则,为公安机关对相似案件的侦破提供分析依据,并对犯罪案件的发展趋势进行预测,提前采取相关措施,减少违法案件的发生。     

深入分析关联规则Apriori算法

目前,已经提出了许多挖掘关联规则的算法,其中最著名的是Apriori算法及其变型。这些传统的算法大多存在项集生成瓶颈和难以确定合适的支持度阈值的问题,并且没有考虑数据库的被分析项的各自不同的重要性。深入分析研究关联规则Apriori算法,并给出几种改进的算法。     

关联规则在医疗数据分析中的应用

介绍了从医疗数据中发现关联规则的方法,分析了医疗数据的特点,并以心脏疾病诊断的数据集为例,阐述了把医疗数据转换成事务数据格式的方法,描述了关联规则挖掘在医疗数据分析中应用所遇到的难题,针对这些难题给出了一种改进的Apriori算法,并用数据进行测试。结果表明,此算法优于Apriori算法,它可以减少产生的规则的数量,从而能快速发现有趣的医疗关联规则。     

回归分析在关联规则挖掘中的应用研究

支持度和置信度是关联规则挖掘中的重要指标,其选取对关联规则的挖掘过程和挖掘结果都有很大影响.本文介绍了回归分析方法及其在关联规则挖掘中的应用,建立了规则条数与支持度、置信度的关系模型,并验证了该方法的正确性与有效性.     

关联规则在医疗数据分析中的应用

介绍了从医疗数据中发现关联规则的方法,分析了医疗数据的特点,并以心脏疾病诊断的数据集为例,阐述了把医疗数据转换成事务数据格式的方法,描述了关联规则挖掘在医疗数据分析中应用所遇到的难题,针对这些难题给出了一种改进的Apriori算法,并用数据进行测试.结果表明,此算法优于Apriori算法,它可以减少产生的规则的数量,从而能快速发现有趣的医疗关联规则.     

基于空间分析的空间关联规则提取

空间关联规则是空间数据挖掘的一个重要结果表现形式，从GIS中挖掘空间关联规则是一个理解和将GIS中的数据转化成知识很好的方法。GIS从本质上讲是一个空间数据库管理系统，现在的商业空间数据库管理系统中都不能存储空间分析的关系如空间拓扑关系、空间相邻关系等。文章提出了一种基于空间分析的空间关联规则的挖掘算法，并给出了实例、分析及讨论。     

关联规则与聚类分析在超市中的应用研究

数据挖掘是商务智能中经常使用的一项重要技术,企业在其整个运营过程中,积累了庞大的数据信息,决策者们所需要的信息往往就隐藏在里面,数据挖掘的目的就是如何有效地处理这些数据。在介绍数据挖掘与商务智能的基础上,讨论了关联规则的Apriori算法和聚类分析的K-means算法,结合数据挖掘软件Clementine分析了这两种算法在超市中的挖掘过程,得出一些有益的结论。     

关联规则在股票分析中的应用研究

股票交易各业务系统积累了大量数据.对这些数据进行有效的分析处理,以发现在股票交易数据间的内在相互联系,对指导投资决策具有重要的意义.文中针对股票交易建立了一种分析模型,并给出该模型的数据预处理算法.在此基础上,通过采用关联规则挖掘的思想实现该类规则的挖掘算法,实验证明该模型和算法是有效的.     

关联规则在股票分析中的应用研究

股票交易各业务系统积累了大量数据。对这些数据进行有效的分析处理，以发现在股票交易数据间的内在相互联系，对指导投资决策具有重要的意义。文中针对股票交易建立了一种分析模型，并给出该模型的数据预处理算法。在此基础上，通过采用关联规则挖掘的思想实现该类规则的挖掘算法，实验证明该模型和算法是有效的。