关联规则挖掘在高校教育管理中的应用

为有效利用高校教育管理工作多年来积累的大量数据,采用数据挖掘技术进行教育信息的关联规则挖掘,设计并实现了一个专门的教育管理数据挖掘系统EMARMiner。实验结果得到了有益于高等学校教育管理决策的挖掘结果。     

关联规则挖掘在旅游突发事件预测中的研究

基于数据挖掘中的关联规则挖掘及Apriori算法,研究了在旅游行业中用挖掘得到的规则对突发事件进行预测的方法.对突发事件进行了预处理,对与突发事件相关的规则进行了挖掘,提出了改进的关联规则算法,并获得了有意义的规则输出,并对这些关联规则在旅游业的应用进行了研究.     

基于关联规则挖掘的教学质量监控系统应用

关联规则挖掘是数据挖掘研究的一个重要分支,它可以挖掘出数据库中的项目或属性间的未知或被隐藏的关系。将基于关联规则技术的Apriori改进算法,应用于教学质量监控分析系统中,对教师的教学质量评价数据信息进行挖掘和分析,找出对教师的教学质量有较大影响的因素,为学校的教学管理提供决策支持,并由此探索出一种利用关联规则来对大量数据进行挖掘分析、解决实际问题的思路和方法。     

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.     

商务智能系统中两种改进的关联规则挖掘算法

根据日常商务数据的特点,提出了商业应用系统中进行数据挖掘的改进的Apriori算法和对点击流数据进行挖掘的改进的多支持度关联规则算法,并结合具体实例进行了分析.分析结果表明,2种改进的算法可以有效地提高系统数据挖掘的效率.     

关联规则在先进技术与产品推荐系统中的应用

目的为使客户能方便快捷地在网络中浏览和购买先进适用技术与产品,有效地获取所需信息.方法采用了数据挖掘中的关联规则方法,建立先进适用技术与产品之间的关联规则,将其存入相应的先进适用技术与产品的知识库.结果开发了先进适用技术与产品关联信息的推荐系统,可以根据客户的需求在知识库中提取出相关的先进适用技术与产品.建立先进适用技术与产品推荐模型.结论基于关联规则的技术与产品推荐系统,能够从大量的数据中的找出先进适用技术产品之间的关联信息,并对客户的需求有针对性地推荐相关的先进适用技术或产品,该系统具有准确性和实时性,更好地实现了先进适用技术与产品的推广.     

关联规则挖掘在网络课程推荐中的应用

以网络课程推荐为例探索关联规则在网络教学平台中的实现与应用。引入关联规则中的Apriori算法应用于网络课程关联分析,从而挖掘出潜在的网络课程相关规律,为学生学习、教师安排教学内容等提供科学依据。     

关联规则挖掘在人事系统中的应用

数据挖掘是近年来出现的一种综合了机器学习、统计学、数据库等众多领域的新技术。目前国内许多机构已开始进行这方面的研究 ,但还没有看到实际应用的案例 [1]。本文将数据挖掘中的关联规则算法应用于单位人事信息系统 ,找出了其中内在的关联规则 ,并得到了人事部门的验证。     

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．     

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。     

挖掘关联规则Apriori算法的一种改进

本研究在对Apriori算法分析的基础上,提出了改进的Apriori算法。改进后的算法采用矩阵表示数据库,减少了扫描事物数据库的次数;利用向量运算来实现频繁项集的计数,同时及时地去掉不必要的数据,减少了数据运算,从而提高了算法的运行效率。     

关联规则挖掘在道路交通事故分析中的应用

从大量的交通事故数据中找出引发交通事故的关键因素是提高道路安全水平的重要手段。基于某市全年的交通事故数据,采用改进的Apriori算法挖掘出强关联规则,通过一个新的相关性度量——相关值对关联规则进一步筛选,从中找出各因素对交通事故的影响规律。结果表明,该方法可以一定程度上提高关联规则挖掘的效率,并能够量化事故原因和事故结果之间的相关程度,从而找出有价值的规则。本文的研究方法和结果可以为相关交通管理部门提供决策支持。     

低支持度关联规则挖掘的一种算法

针对已有的对低支持度关联规则进行挖掘的算法中没有提出对具有多个相关项的关联规则进行挖掘的有效方法，本文提出一种能够对低支持度关联规则的多个相关项进行有效挖掘的方法。算法基于相似度来衡量各个相关项的关联程度，在已有算法的基础上增加了一次特殊的矩阵转换，从而将对项的相似度衡量方法进行了转换，转换后的矩阵可以基于Apriori性质来拓展多个相似相关项。算法在低支持度情况下具有较高的挖掘效率和良好的挖掘效果，算法还可以用来挖掘多个项之间的排斥规则。     

关联规则挖掘在电信市场研究中的应用

数据挖掘是近年来出现的一种综合了机器学习、统计学、数据库等众多领域的新技术。本文将数据挖掘中的布尔关联规则算法进行扩展并应用到电信市场分析中 ,找出其中内在的关联规则 ,为电信部门提供了市场决策支持信息。     

关联规则挖掘在临床诊断中的应用研究

将关联规则挖掘应用于临床疾病诊断工作,力求找出数据中各层次因素间的关联关系,挖掘疾病数据库中的关联规则。通过实例试图发现吸烟、环境污染、职业性致肺癌因素、肺部慢性疾病等因素与肺癌的发生与诊断间的关联关系,从而发现肺癌疾病与它产生的可能因素间的规则,利用规则模式指导肺癌的诊断与预防。并期望以此为例研究关联规则挖掘在疾病诊断各方面的应用。     

本体在基于电子商务的关联规则挖掘研究中的应用

关联规则挖掘(Association RuIe Mining)是数据挖掘研究的一个重要分支,目前许多关联规则挖掘系统仅在数据内容上生成规则,缺乏领域知识,产生大量无用的结论.为解决以上问题,提出在电子商务的关联规则挖掘中引入本体,对本体在关联规则挖掘中的3个主要问题进行研究.     

关联规则挖掘的Apriori算法的改进与应用

研究发现交通事故数据的模式及潜在规律,针对关联规则挖掘Apriori算法用于交通事故分析效率上的不足,提出了一种改进的Apriori算法,用来分析大量的交通事故记录,从中找到导致交通事故发生的频繁因素组合,从而为交通管理部门采取相应的措施提供决策支持.实验表明:与Apriori算法相比,改进算法具有更好的性能,更适用于交通事故记录分析,能够挖掘出大量符合真实规律的关联规则.     

关联规则挖掘在电子病历分析中的应用研究

针对甲状腺电子病历数据量大、更新速度快的特点,提出了一种挖掘有效关联规则的技术.该技术运用区间归并法与特征区间法相结合的离散化方法对病历中的数据进行预处理;在规则生成的核心算法中,提出了优化的增量更新FUP算法,算法通过对新旧数据库设定不同的支持度得到病历各属性间的关联规则.实验验证了改进算法的有效性,挖掘结果对了解疾病的诊断、治疗、发展规律有重要价值,对医学研究有重要意义.     

关联规则挖掘的Apriori算法的改进

提出一种将Apriori算法与散列技术和事务压缩技术相结合的改进算法,研究了散列函数的构造及其对算法效率的影响,分析了事务压缩技术的原理及其实现方法,用实例给出了原算法与改进算法的实现步骤,结果表明,新算法减小了存储空间,提高了算法的效率,并改进了数据挖掘技术的性能。     

关系数据库中关联规则挖掘的算法研究

随着关系数据库的广泛应用,研究在关系数据库中发现关联规则的的算法成为当前的重要问题之一.本文在Apriori算法的理论基础上,提出了一种在关系数据库中发现关联规则的算法.该算法只需扫描一次数据库即可得到频繁项集,并利用非频繁项集来减少候选项集的生成,从而提高了算法的执行效率,同时也降低了算法对内存容量的要求.