关联规则挖掘技术在研究生招生管理中的应用

以关联规则挖掘为例,按照数据挖掘技术的典型步骤,对某高校研究生招生信息库进行了挖掘,并设计出可行的数据挖掘实施办法,根据已计算的挖掘结果为硕士点学科遴选学生工作及招生管理部门部署宣传工作提供了有益的参考建议。     

基于Apriori算法的高校招生的关联规则分析

数据挖掘是适应信息社会从海量的数据库中提取信息的需要而产生的新学科。它是统计学、机器学习、数据库、模式识别、人工智能等学科的交叉。以往的数据挖掘技术的应用大多是在金融领域,而在其他领域里面应用不是很多,如在高校招生中的应用更是如此。数据挖掘技术对招生工作的深层研究与挖掘将会得到各高校的更多重视。以某高校招生数据作为招生信息为依据,对高校招生的关联规则进行分析。从而对关联性规则的应用作进一步的研究。     

基于关联规则挖掘的weka数据挖掘应用

关联规则挖掘作为数据挖掘的一个重要方法,在许多数据挖掘领域得到应用。本文阐述了关联规则挖掘以及其关键算法,并针对具体的实例,描述了数据挖掘工具weka挖掘关联规则的过程。     

关联规则挖掘在高校图书馆馆藏分布中的应用

探讨了关联规则挖掘在高校图书馆管理中的一个实际应用——运用Apriori算法挖掘读者的特征规则,详细阐述了数据选取过程、数据挖掘等一整套流程。这对新建图书馆在馆藏分布方面的科学决策具有一定的指导意义及现实意义。     

关联规则在招生决策中的应用分析

随着高校招生系统的广泛使用,系统中积累近年来大量的生源信息和招生信息,如何使得这些看似垃圾的数据成为对高校招生决策的重要信息,该文应用数据挖掘技术中管理规则的Apriori算法,以招生系统中的信息为研究对象,挖掘影响学生报到的内在因素,发现与报到率关联的有用信息,从而降低招生宣传的成本,为高校的招生决策者提供指导和有效的数据支持。     

关联规则在招生决策中的应用分析

随着高校招生系统的广泛使用,系统中积累近年来大量的生源信息和招生信息,如何使得这些看似垃圾的数据成为对高校招生决策的重要信息,该文应用数据挖掘技术中管理规则的Apriori算法,以招生系统中的信息为研究对象,挖掘影响学生报到的内在因素,发现与报到率关联的有用信息,从而降低招生宣传的成本,为高校的招生决策者提供指导和有效的数据支持。     

关联规则挖掘在高校招生决策中的应用研究

高校每年招生都积累大量的高招录取数据，这些数据中隐藏着宝贵的生源信息知识，采用矩阵等价类关联规则挖掘算法，对高招录取数据进行关联规则挖掘．并通过实验证明所挖掘的关联规则能够为高校投放招生计划、安排招生宣传方案等工作提供决策辅助．具有很广泛的应用价值。     

关联规则在独立学院招生决策中的应用

关联规则(Association Rule)是数据挖掘领域中一个重要的研究课题,广泛应用于各个领域,既可以检验行业内长期形成的知识模式,也能够发现隐藏的新规律。本文利用关联规则对独立学院招生信息进行分析,建立独立学院招生决策模型。首先选取考生高考志愿表中的专业信息,然后利用关联规则进行挖掘,最后对挖掘出的规则进行分析和应用。实验结果表明,利用关联规则对考生高考志愿信息进行挖掘是可行的、有效的,它为独立学院编制招生计划和制定招生宣传方案提供了一种新的参考依据,在独立学院招生领域具有较好的应用前景。     

关联规则理论研究及其在教学中应用

简要介绍了数据挖掘技术,详细分析了关联规则挖掘算法。分析和指出了现有一些关联规则算法的优缺点。对教学信息库进行数据挖掘,寻找高校教学体制中各因素间的并联关系,为高校管理决策提供了科学依据。     

关联规则理论研究及其在教学中应用

简要介绍了数据挖掘技术，详细分析了关联规则挖掘算法。分析和指出了现有一些关联规则算法的优缺点。对教学信息库进行数据挖掘．寻找高校教学体制中各因素间的并联关系．为高校管理决策提供了科学依据。     

几种典型关联规则算法的分析与比较

数据挖掘是目前比较热门的一个研究领域,而关联规则的挖掘又是数据挖掘的一个重要课题。首先介绍关联规则的基本概念和它的挖掘过程,然后就几种典型的关联规则算法进行概括并对它们进行分析和性能的比较．对关联规则挖掘应用的现状进行总结。     

几种典型关联规则算法的分析与比较

数据挖掘是目前比较热门的一个研究领域,而关联规则的挖掘又是数据挖掘的一个重要课题。首先介绍关联规则的基本概念和它的挖掘过程,然后就几种典型的关联规则算法进行概括并对它们进行分析和性能的比较,对关联规则挖掘应用的现状进行总结。     

增量更新关联规则挖掘算法研究

数据挖掘是从海量数据库中挖掘有效或重要信息的过程.普通的关联规则挖掘是数据挖掘的一种基本的方法,但随着时间的推移,挖掘数据库的规模会发生不断变化,人们对数据的需求也会有所不同,如何从扩展数据库中高效地对已经推导出的关联规则进行更新,然后再利用更新的关联规则进行数据挖掘,这就是增量式挖掘关联规则的方法.     

基于MapReduce的关联规则挖掘

关联规则挖掘是数据挖掘的一项重要技术,它主要是通过频繁项集挖掘得到关联规则。基于云计算的MapReduce模型的数据挖掘算法可以提高挖掘的效果及性能。     

广义关联规则及算法研究

挖掘广义关联规则是数据挖掘研究的一个重要方面,数据挖掘领域的研究者在挖掘广义关联规则上作了大量的工作,使之成为一个具有普遍和实用意义的数据挖掘方法。文章就挖掘广义关联规则的算法进行了深入的研究。     

Apriori算法在银行系统数据挖掘中的应用

对网上银行系统的数据进行了预处理,完成了关联规则的分析,给出了关联规则数据挖掘过程。根据设定的挖掘目标在Weka平台上采用Apriori算法对银行系统的数据进行了数据挖掘。结果表明,挖掘出的关联规则达到了预定要求,对其他相关领域的数据挖掘有一定的研究价值。     

基于FP_growth算法的课程相关性的关联规则研究

文章探讨了高校专业课程间的相关性问题,通过对数据挖掘中的关联规则挖掘进行研究,将关联规则挖掘应用于高校教务管理数据库,针对学生的成绩数据进行预处理,并利用FP_growth算法较快地挖掘出隐藏在成绩数据之后课程关联性规则,从而得到了一些合理、可靠的课程相关性规则,为高校的专业课程设置和学生选课提供决策依据。     

应用模糊本体的广义关联规则挖掘算法

模糊集与本体结合的数据挖掘方法得到了广泛的关注。为了丰富数据挖掘效果以及数据挖掘得出的规则的完整性,本文在模糊本体的挖掘算法基础上,提出了模糊本体中叶子结点的相似度定义以及不同语义层次所含项目集的数目定义多重最小支持度,提出了基于模糊本体的广义关联规则算法。对比实验证明,基于模糊本体的广义关联规则算法的挖掘具有更强的可读性,获得的语义关联规则更加丰富,促进了在广义关联规则挖掘过程中使概念泛化更加合理,提高了算法效率。     

FP-Growth算法在网上招聘系统中的应用

关联规则分析是最常用的数据挖掘方法,其目的是利用历史数据记录,从中发现属性之间的关联,有效地协助有关管理部门进行决策分析。利用关联规则中的FP-Growth算法对网上招聘系统数据库进行挖掘,从中发现属性之间的关联规则,即用人单位的录用规律,有效地协助有关部门在招生过程中指导学生选择专业,克服大家在选择专业时的盲目性,优化专业结构,从而提高就业率。     

图像数据挖掘中的关联规则

介绍了遥感图像数据的关联规则挖掘方法。对目前图像数据挖掘的研究及应用现状进行了综述。介绍了图像数据关联规则挖掘的最新进展,总结了图像数据关联规则挖掘的特点、类型及图像数据预处理的技术方法。