基于关联规则算法的教学评价系统的设计与实现

对于教师的课堂工作进行系统的评价,是为了调节教师的行为,提高课堂质量,进而能够对很好的进行管理。本文阐明了当前我国高职院校评价存在的问题本文讨论了基于关联规则算法的高职院校教学评价系统的设计与实现。     

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关联规则算法的推荐系统设计与实现

推荐系统是帮助用户选择合适商品,解决当前商品信息过载的有效手段。针对南宁农产品电子交易平台销售特点,详细设计推荐系统,并使用FP-growth算法实现数据挖掘,较好地实现在线推荐的功能。     

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。     

关联规则在高职院校教学监控中的应用研究

随着国家对高等职业教育的大力扶持,高职院校提高教育教学质量,增强社会服务能力,是学校持续发展的有效途径之一。科学有效的教学监控评价机制可以提升人才培养质量,该文中利用关联分析算法和数据挖掘工具（SPSS Modeler）进行教学评价。首先对学院的教学评价数据进行关联分析,之后对教学评价关联分析的数据进行优化,根据优化的数据进一步完善学院教学评价机制,提出切实能够改进教育教学质量的措施和方法,保障日常教育教学质量,提高人才培养质量。     

基于关联规则的服装销售演示系统设计

本文基于数据挖掘中的关联规则,使用相应软件开发了服装销售演示系统,分析了系统的基本结构和流程,介绍了系统的数据分析过程、数据预处理过程,最后给出了具体应用实例。     

基于关联规则的食品安全数据挖掘方法

食品安全检测得到的大量的数据中,隐含着许多潜在有用的信息。通过对这些数据的分析,人们可以获得与食品安全状况密切联系的信息。文中分析了食品安全检测数据的特点,结合这些特点将数据挖掘技术中的关联规则挖掘引入食品安全检测数据的分析中来,并对某出入境检验检疫局提供的食品安全检测数据库进行实际分析,试验结果表明:该方法较以往的数理统计分析方法更适于对食品安全检测数据中多因素的分析,可以发现其中隐含的关联规则。这些规则对食品安全监管可提供决策支持,提高监管的效率。     

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。     

SAS关联规则数据挖掘

数据挖掘是指从从大量的数据中提取人们所感兴趣的、事先不知道的、隐含在数据中的有用的信息和知识的过程。本文从数据挖掘的概念,简单分析了关联数据挖掘,通过收集的数据在SAS Enterprise Miner平台上进行关联规则数据挖掘的过程, 证明SAS是一套有效的数据挖掘平台。     

基于并行遗传算法的一种关联规则挖掘

本文根据关联规则挖掘的要求与特点,结合并行遗传算法的思想,通过定义适应度函数,讨论了并行遗传算法在数据挖掘中的应用。最后结合一个实例,提出了基于并行遗传算法的关联规则的提取算法。     

基于Apriori算法的小麦中多组分真菌毒素污染的关联规则挖掘

目的 为分析主要影响小麦中多组分真菌毒素污染指标之间的关联性,研究不同毒素之间的共污染关系特征。方法 采用关联规则Apriori算法对小麦中多组分真菌毒素的污染监测指标之间的关联性进行数据挖掘分析。根据指标检测值对数据进行风险等级划分,构造出布尔类型的事务数据库,对事务数据库进行频繁项集挖掘,设置阈值最小支持度和最小置信度,迭代重复执行连接、剪枝操作确定出频繁项集,获取强关联规则。通过置信度、支持度、提升度等进行关联规则评价,最后将数据可视化应用在关联规则中,更直观地对规则进行展示与验证。结果 挖掘得到小麦中多组分真菌毒素之间共污染的潜在强关联规则,包括9条单项集共污染毒素强关联规则以及多条组合项集强关联规则。分析验证得到脱氧雪腐镰刀菌烯醇和雪腐镰刀菌烯醇、玉米赤霉烯酮和脱氧雪腐镰刀菌烯醇毒素之间存在共污染关系,置信度分别为92.0%和80.6%。结论 通过数据挖掘得到的强关联规则对小麦毒素风险预警和防控有一定的意义,同时为多毒素联合暴露评估提供依据。     

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。     

基于关联规则的电信行业客户业务分析

针对电信行业数据量大,竞争激烈的问题,采用数据挖掘技术进行客户群业务分析,采用新型GE-Apriori算法,得出关联规则,为作出决策提高竞争力提供可靠的依据。     

决策树算法在高校教学评价中的应用研究

数据挖掘的本质是从已有信息中发现规律和模式。通过研究数据挖掘技术,运用决策树算法,对高校教学评价进行有意义的探索,研究如何从教学评价数据中提取有价值的知识,帮助教学管理人员进行科学决策,提高教学质量。     

基于分布式并行关联规则的挖掘算法

以往使用的分布式数据挖掘算法各有优缺点,提出了一种基于星型网络的分布式关联规则挖掘算法。对其基本思想、算法描述等进行了分析。     

基于加权关联规则的选课推荐系统的构建

为解决现有选课系统存在的问题,把加权关联规则技术应用到学生选课系统中,构建基于加权关联规则的选课推荐系统.在该系统中增加规则兴趣度阈值用来筛选有趣的规则,提高挖掘效率;并且根据学生选课倾向,提出了选择关注度和课程推荐度的概念,按照课程推荐度大小向学生推荐要选择的课程,使学生选课不再盲目,能选到自己感兴趣的课程,为选择决策提供依据和指导.     

加权关联规则的相关研究

为解决在挖掘关联规则过程中,因忽略项目间的重要程度不同以及项目在数据库中分布不均匀而导致的挖掘有效性低的问题,研究者提出了加权关联规则挖掘。文章对基于Apriori算法的加权关联规则挖掘的研究现状进行了分析,比较了相关方法的优缺点。     

基于关联规则的Web个性化服务研究

随着互联网信息迅猛增加,Web信息有无结构、动态、离散化的特点,用户难以快速准确找到自己所需的信息。研究Web个性化技术对信息网站的建设和发展具有重要意义。探讨了基于关联规则的Web个性化服务技术。