基于Apriori算法的数据挖掘在高校毕业生就业指导中的应用

随着高校毕业生人数的增加和管理信息系统的应用,产生了大量复杂的就业数据,利用Apriori算法的数据挖掘技术,从就业数据中挖掘出学分绩点与用人单位录用学生之间的关联规则,有助于提高就业管理部门对毕业生就业指导的实效性,实现毕业生更快更好的就业.     

Apriori算法的改进及其在电力数据挖掘中的应用

数据挖掘是近年来数据库领域的研究热点之一,在电力系统中有很好的应用前景．文章首先分析了当前Apriori算法及主要的改进算法,在此基础上提出了一种快速产生候选频繁项集的新的Apriori改进算法,并就Apriori算法在电力系统数据挖掘中的应用进行了分析．     

Health and medical big data development perspective

针对医疗行业海量数据的数据挖掘应用少、基础差,数据分析的需求迫切等问题,提出一套创新型数据采集与挖掘方案. 该方案选用Apriori算法就目前产科数据集展开关联分析,重点研究剖宫产与体征、药品之间的关联,并分析了产妇入院时间及新生儿出生时间分布与数量的关系. 另外,还对关系到数据采集与传输效率的移动医疗系统进行研究,选用便携数字终端(portable digtital assistant,PDA)进行移动式数据采集,并阐述了基于新型分布式多层系统模型和SSH2框架的设计方案. 在北京市某妇产医院的临床应用表明:该系统能够为医护人员提供精确、客观的数据支持,优化医护流程. 数据挖掘分析结果对于药房的备药、发药,手术室准备,医护人员排班等具有指导意义和参考价值,可为后续医疗数据的统计和处理提供良好的技术基础.

     

基于Apriori算法的高校人力资源数据挖掘系统

以基于数据挖掘关联规则的Apriori算法基本原理为依据,介绍了高校人力资源数据挖掘系统主要功能模块的组成,着重研究了Apriori算法的设计与实现.该数据挖掘系统为高校人力资源决策提供了科学的依据,在高校人力资源管理应用中做出了有益的尝试.     

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     

一种改进 Apriori算法在高校课程相关性分析中的应用研究

结合学生成绩数据的特点,将数据挖掘技术和关联规则算法运用到学生成绩数据分析中,挖掘隐藏在成绩数据背后的专业课程间的相互影响与关联关系,优化课程设置,为教学管理工作提供决策信息支持和参考。     

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.     

Apriori算法在馆藏推荐服务中的研究与应用

为做好馆藏推荐服务的工作,提高推荐书目的准确度,本文采用关联规则挖掘技术和改进的Apriori算法对图书馆自动化系统的流通数据进行分析,从读者的借阅史中得到图书间的关联关系,以此为相似读者推荐图书。本文还分析了影响推荐准确度的主要因素,并提出了改进对策。     

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．     

基于关联分析的数据挖掘在体检CRM中的应用

运用关联分析方法对体检中心数据进行挖掘。首先分析了关联规则的原理和方法,然后对待挖掘数据进行集成、变换等预处理,得到能进行挖掘的原始数据.采用挖掘工具WEKA,选用关联规则中的Apriori算法对处理后数据进行分析,得到了与某一病症相关的各个症状之间的关联关系,以及各个症状与健康之间的关联关系。     

基于Apriori数据挖掘算法研究

关联规则是从数据集中识别出频繁出现的属性值集,然后利用这些频繁集创建描述关联关系的规则过程.在分析经典关联规则挖掘算法的基础上,讨论了经典的Apriori算法,并提出改进的Apriori关联规则算法,对算法进行了实验数据的算法性能分析及运行时间对比.结果表明,改进的算法在运行速度和挖掘性能上都较经典的Apriori算法都有显著提高.     

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。     

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．     

Apriori算法实现基于关联规则的交通路段流量挖掘

时空数据挖掘技术是城市交通出行决策系统的一个重要的数据处理环节,其分析结果也是路网疏导和出行策略的重要决定因素.对著名的Apriori算法加以完善和应用,已成为城市交通出行决策系统中时空数据挖掘的研究热点.以某城市的路段流量为例,利用Apriori算法对路段流量间的时空关联规则进行挖掘.测试结果与实际数据对比,预测结果精度较高.