关联规则挖掘技术在Web预取中的应用

随着WWW上信息的爆炸性的增长，在如此大量的数据中发现有用的信息变得困难。因此，采用数据挖掘技术从WWW上提取出有价值的知识，提高WWW的服务效率，是具有十分重要的现实意义和广泛的应用前景。本文提出了一种利用关联规则解决网络拥塞问题的方法，即通过对服务器上的日志进行挖掘，得到用户访问序列的关联规则．根据这些规则和用户目前访问网页，把用户后继最有可能访问的网页预先发送给用户，来提高用户浏览速度。     

关联规则挖掘在药物治疗肝硬化中的应用研究

目的：用关联分析的方法研究药物治疗肝硬化的效果,探讨其用药的相关性,为临床用药提供参考,同时也为药品审计提供依据。方法：利用某＂三甲＂医院肝硬化药物治疗的数据,按照药物效果分类,统计其使用频次,用聚类的方法找出使用频次较高药物进行汇总,选用关联规则挖掘中的Apriori算法进行分析。结果：数据分析矩阵和Apriori算法建模所得出的结果一致。结论：通过数据挖掘的方法发现药物治疗肝硬化的效果和规律,分析结果可以作为进一步调整合理用药范围的依据。     

关联规则的挖掘

数据挖掘是在数据库中对数据进行一定的处理 ,获得其中隐含的 ,事先未知的 ,却又可能极为有用的信息。介绍了数据挖掘的概念和技术 ,应用Apriori算法进行关联规则的挖掘 ,应用于实例中 ,取得了良好的结果。     

关联规则挖掘算法

关联规则挖掘是数据挖掘和知识发现中的一个重要问题．自提出以来得到了广泛的研究。目前关联规则挖掘算法可以分为广度优先算法和深度优先算法两大类，每类都有经典高效的算法提出。但是．这些算法大都是从其自身的角度来描述的，缺乏系统的分类和比较。文章从关联规则挖掘的形式化定义出发，给出频集挖掘的解空间，对两大类算法中的几种经典算法进行了概述，并分析了它们的优缺点。     

关联规则挖掘与分类规则挖掘的区别和联系

关联规则挖掘与分类规则挖掘是数据挖掘领域中的重要技术。文中首先简要介绍了关联规则挖掘和分类规则挖掘的基本知识,主要从挖掘目的、发现规则算法的方法及算法的设计思想等几个方面进行比较,最后介绍了它们之间的联系。     

关联规则挖掘在高校图书馆借阅流通中的应用

数据挖掘作为一种信息资源开发和数据处理的新技术,被广泛应用在各个领域,本文介绍了数据挖掘中的关联规则定义及其核心算法Apriori的思想,利用关联规则挖掘对高校图书馆的借阅流通数据进行了相关分析,并对高校图书馆的馆藏优化建设提出了科学的建议。     

可拓学在数据关联规则挖掘中的应用

介绍了关联规则数据挖掘概念和可拓学思想。探讨了把可拓学理论用于关系数据库上关联规则挖掘。通过对关系数据库上多值属性进行布尔数值转换，利用关联规则挖掘算法在关系数据库对关联规则进行挖掘．再用可拓学相关性和蕴含性思想，对所获得的关联规则进行拓展，获得更多更有价值的关联规则。     

浅谈关联规则挖掘

首先扼要地介绍了当前关联规则挖掘的研究情况和一些典型关联规则挖掘算法，并分析了传统关联规则挖掘算法的不足。与此同时，介绍了几种优化算法，进而指出关联规则的价值衡量方法。最后，展望了关联规则挖掘技术的未来研究方向。     

关于数据挖掘技术与关联规则挖掘算法的研究

随着计算机技术和网络通信技术的不断发展,数据信息逐渐成为当前社会各行各业发展的关键。当今社会人们对计算机应用提出了更高要求,如今人们慢慢的意识到关系数据库有很多缺点和限制,这种问题又推动了数据库在更深领域上的研究。     

一种电信告警关联规则的改进算法

本文提出了一种基于矩阵运算挖掘告警关联规则的算法。该方法解决了以往WINEPI算法中需要多次扫描数据库的问题，其思路是首先将告警数据库转化为告警关联矩阵，然后对矩阵进行运算，得到告警间的关联规则。实验证明，该方法的执行效率与WINEPI相比有明显提高。     

数据关联规则挖掘理论与数据算法的探讨

在众多不确定因素很强的数据中,如何挖掘数据是非常重要的,这时候关联规则挖掘理论就出现了.因此,在数据挖掘的领域中,关联规则有着突出的研究地位.本文从关联规则的产生背景和相关概念做出了论述.     

关联规则在超市数据分析中的应用

随着信息化建设和应用进程的加快,超市的数据库中积聚了大量的销售信息,本文介绍了数据挖掘中的关联规则在超市数据分析中的应用,帮助企业的决策者根据发展形势的变化及历史数据做出正确的决策。     

数据挖掘中的数据分类算法综述

在数据挖掘的过程中,使用到很多分类算法,可见分类算法在数据挖掘中占有非常重要的地位。数据分类算法有很多种,各有不同的优缺点,因此,通过对不同算法特性的研究,有助于后期对算法进行相应的改进,确保新的分类算法能够具备更好的实用性能。数据分类算法的性能优良,不仅可以提高数据挖掘的功能性和实用性,还可以确保使用者对算法具备更多的选择性,基于此,对数据挖掘中不同的数据分类算法进行了研究和分析。     

基于改进关联规则的Web使用挖掘方法研究

本文提出了改进关联挖掘算法的数据挖掘方式.在自然连接产生候选集以前,先进行一个修剪过程,减少参加连接的项集数量,进而减小生成的候选项集规模,减少了循环迭代次数和运行时间,同时在连接判断步骤中减少多余的判断次数,避免传统方法的弊端.仿真实验证明,这种改进算法能够大幅提高数据的查询速度,取得很好的效果.     

数据挖掘在油田生产中的应用

提出了一种在油田钻井中,通过数据挖掘方法将油田数据库里的数据进行清洗、合并整理后,再通过关联规则算法对整理后的数据进行分析,最终选出适合某种岩层的钻头的过程,为油田生产中选择钻头提供一种参考方法,从而提高油田生产效率。     

一种新的渐进式关联规则挖掘算法

针对渐进式关联规则挖掘问题提出了一个有效的处理算法，即IDM—A算法。它能根据数据库的动态变化，高效地进行关联规则的更新。通过知识数据库的维护，最多只需要扫描原始数据库一次，就能得到所需的频繁项目集，能有效地降低更新关联规则所需的时间成本。     

一种具有时序特征的告警关联规则挖掘算法

电信网络中各种频繁告警事件的发生通常具有一定的时序关系,据此提出了一种具有时序特征的告警关联挖掘算法。该方法解决了以往算法中无法发现告警序列之间时序关系的问题。其核心思想是在建立FP-tree时加入告警的时间特征,然后对FP-tree进行挖掘。实验证明,该算法能够快速、准确地从海量数据中挖掘出具有时序特征地关联规则。     

关联规则挖掘中改进型Diffsets算法

频繁项集挖掘是关联规则挖掘中至关重要的一步。对于稠密数据集的频繁项集挖掘,传统的挖掘算法往往产生大量无用的中间结果,造成内存利用率的极大浪费,尤其是在支持度较低的情况下。Diffsets算法通过引入"差集"的概念,在一定程度上解决了挖掘过程中产生的大量中间结果与内存容量之间的矛盾。改进型Diffsets算法是在原算法的基础上,在差集运算过程中根据差集中所包含的事务标识个数进行递减排序,进一步减少了挖掘过程中产生的中间结果数量。分析与实例表明,改进后的算法在执行过程中将占用更少的内存空间,加快了算法的收敛速度。