集群环境下企业应用系统的关联规则算法研究

大数据在各个领域的快速发展,推动着企业不断地发展新业务和创造新的发展模式,企业大数据的应用和挖掘,成为企业提高竞争力的关键因素之一。关联规则作为数据挖掘研究的主要领域,频繁模式的发现是提高关联规则挖掘效率的关键,随着数据量的不断增加,频繁模式发现过程存在I/O代价大和内存占有高等不足,本算法对数据集中事务项,采用MapReduce分布式编程模型,用两对Map和Reduce函数,实现了支持度计数和频繁项集生成,最终生成关联规则。最后,采用企业信息化调研数据,实验验证了该算法的可拓展性和可收缩性。     

基于SQL Server Analysis Service（SSAS）的土地地类关系空间数据挖掘

基于SQL Server Analysis Services（简称SSAS）提供的Microsoft关联规则挖掘算法和事务数据挖掘功能,通过利用Arc GIS软件、空间数据库引擎Arc SDE和数据库SQL Server软件,提出了一种新的土地地类关系挖掘实现方案。首先结合空间数据挖掘（Spatial Data Mining,SDM）相关技术方法,以土地利用数据库为基础,实现空间数据提取;然后通过空间关联操作将空间信息转化为事务,最后在SSAS中创建多维数据集,完成相关数据挖掘任务。基于某市实例土地利用数据库,采用该方法探测相邻地类间的隐含关系,通过建立相邻地类图斑空间关联规则挖掘模型,设置不同的参数,得到了一系列比较实用合理的关联规则,通过实践证明了这种方案的有效性。     

Apriori算法在棉花病虫害分析中的应用

为了快速准确地掌握棉花虫害发生趋势,提高虫情测报的时效性和准确性,采用Apriori算法数据挖掘关联规则,对棉花上的3种害虫棉铃虫、棉叶螨、棉蚜的发生趋势进行综合分析。通过Apriori算法寻找出了气候因素与棉花三大害虫的发生发展有密切的关系,尤其气温变化直接影响到棉花害虫的发生种类、发生期及发生量。关联规则数据挖掘技术,在处理大量农业信息数据中起着非常重要的作用,Apriori算法在棉花病虫测报工作中将是一项新的技术,具有非常广泛的应用前景。     

基于数据挖掘的教学质量评价体系研究

基于数据挖掘技术的教学质量评价体系能够客观、精准地反映出影响教学质量的关键因素。文章利用大数据关联规则技术,通过数据采集、数据预处理等过程构建关联规则数据库,形成基于数据挖掘技术的教学质量评价模型。     

数据挖掘技术在制冷空调行业的应用

基于制冷空调行业大数据介绍了数据挖掘的基本过程,重点阐述了制冷空调行业中常用的决策树、支持向量机等有监督学习算法和聚类分析、关联规则分析等无监督学习算法的原理与应用;简要介绍了数据挖掘工具R及数据挖掘技术在制冷空调行业的研究现状。认为大数据可推动制冷空调行业转型发展,利用大数据可最终实现空调产品高度智能化、企业运营数字化、用户体验极致化等。     

关联规则数据挖掘技术在儿童肺炎用药选择的应用

目的:分析儿童肺炎药物使用频次,为合理用药提供临床依据。方法:利用关联规则挖掘的经典Apriori算法对儿童肺炎用药数据中药物治疗效果进行了数据挖掘及分析研究。结果:通过数据挖掘可以发现儿童肺炎联合用药有价值的规则4条。结论:通过数据挖掘可为临床医师在儿童肺炎治疗药物选择上提供参考。     

分析数据挖掘中关联规则的提升及其应用

在现代信息技术的发展背景下,数据挖掘成为数据库中的重要知识发现,逐渐成为一个跨学科程度较深的研究领域。而对关联规则的分析是数据库挖掘中的重要课题。关联规则在有效的提升后,通过在各领域的发展中应用,为其发展提供可靠的技术保证。本文简单阐述关联规则的概念,探讨其相应分析的求解,检验其相应分析的适应性,了解相应分析适应性的具体应用。     

基于数据挖掘技术的统计工作创新研究

在经过许多年的研究与累积,目前政府在统计工作中,逐渐暴露出了"信息数据量虽然很大,但里面所包涵的信息相对贫乏"这一问题,然而将基于数据仓库的数据挖掘这一技术运用在政府统计工作中,就能够很好的解决这个问题。文章介绍了数据挖掘的功能及方法,通过分析统计数据的特点,运用数据挖掘技术进行统计数据的分析,提出对统计数据进行分类、聚类、关联分析的方法,通过运用不同的算法对统计数据进行挖掘,寻找出数据中隐含的、有价值的决策规则及有价值模式,研究结果可为提高政府管理决策水平服务。     

浅析数据挖掘技术与关联规则挖掘算法

随着人们对信息数据量的急速增长从而数据挖掘技术也随之应运而生,这使得人们对知识与信息的渴求得到了进一步满足。对于如何才能快速高效的获取知识,对于信息处理技术来说已经成为当前热门的研究课题。审视当前对于关联规则的研究现状,针对关联研究的现状,分析实际问题对于关联规则总结出一种新的研究方式,结论为关联规则算法在今后的出路和进一步的研究上指明了方向。研究过程中通过对文献的查询分析和比较分析两种方法,进一步阐述对典型关联产生影响的各种方法,其中最为重要的是把核心Apriori算法作为一个研究的基点。     

基于改进Apriori算法的大学生成绩关联分析

高校教学管理信息系统积累了大量的潜在有价值的成绩数据信息。针对数据多,知识少的问题,结合数据挖掘技术中的关联规则算法的特点,利用改进的Apriori算法对计算机学院的学生成绩进行挖掘分析,发现不同学科之间的关联关系,并给老师及管理决策者提供指导。帮助老师及时调整课程内容,对可能出现不及格的部分学生提出警告,督促他们学习,提高教学质量。实验表明,改进后的算法效率明显提高,挖掘的关联规则能够很好的为教学安排及决策管理提供理论支持。