数据挖掘在火电厂运行参数优化目标值确定中的应用

提出了基于语言值关联规则挖掘的电厂运行参数优化目标值确定方法,通过挖掘某电厂300 MW机组历史运行数据,发现机组各运行参数间的关联关系,并据此确定参数最优值。首先利用FCM算法软化划分边界,将连续值转变为离散值,再用语言值关联规则挖掘算法进行挖掘,得到机组运行效率较高时对应的参数运行区间作为最优值区间以指导机组优化运行,理论分析表明挖掘结果能够正确反映机组运行规律。     

关联规则挖掘在大学生心理健康测评系统中的应用研究

为深入了解影响大学生心理健康的主要因素以及心理症状之间的关联关系,将关联规则挖掘应用于大学生心理健康测评数据。先对原始数据进行预处理,再以Clementine 12.0为平台,建立大学生心理多维关联规则挖掘模型;以福建省某高校2011级的学生心理测试数据为基础,应用构建的模型分析了性别、独生子女、来源地、学生干部、家庭结构、家庭月收入6个属性和大学生九维心理症状间的关联关系。根据挖掘结果可以更深入地了解学生心理健康问题,为高校开展大学生心理健康教育的规划、决策提供依据。     

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。     

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。     

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.     

基于后缀树的知识点间关联规则挖掘算法

在个性化的网络学习中,对知识点间的关联规则进行挖掘是一个关键的问题.该文提出了一种基于后缀树的知识点间关联规则挖掘算法,该算法通过对web日志数据构造后缀树进行序列挖掘,动态地挖掘最大频繁序列,进而发现有意义的知识点间的关联规则.     

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。     

关联规则挖掘在乒乓球比赛技战术分析中的应用

介绍关联规则挖掘技术在乒乓球比赛技战术分析中的应用.以世界排名前6位的王皓和柳承敏比赛的技战术数据为挖掘对象,采用脚本描述方法对比赛技战术数据进行采集,利用关联规则挖掘中的Apriori算法,寻找比赛中技战术之间的关联关系,从而为教练员的指导和决策提供科学依据.     

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.     

Apriori改进算法在哮喘病案数据挖掘中的应用

中医哮喘病案含有大量医家临床诊断获得的经验数据,利用数据关联分析方法可以挖掘医药方剂配伍规律及症状与用药之间的关联关系.文章主要研究了Apriori算法在挖掘医案数据时的性能与不足,并基于计算机对位串逻辑运算的快速反应,提出Apriori算法的改进算法——Apriori-BSO算法,并对比了两种算法的运行时效,结合经典Apriori算法,挖掘出频繁项集及强关联规则.实验证明,将Apriori改进算法应用于哮喘用药数据及症状-用药联合数据进行关联分析,挖掘出的医药方剂配伍规律及症状与用药之间的关联关系,在哮喘病案数据分析中效果良好,应用价值显著.     

基于快速隐私保护关联规则的挖掘算法

随着数据库规模的日益增大,关联规则挖掘需要在挖掘效率、可用性、隐私性及精确性等方面得到提升,需要对传统的关联规则挖掘算法进行更新和改进。在传统的Apriori算法基础上,提出了一种新的在关系数据库中挖掘关联规则的算法。该算法只需扫描一次数据库即可得到频繁项集,并通过非频繁项集来减少候选项集的生成,从而提高了算法的运算效率;此外,该算法将包含敏感数据事务做相关的处理,以达到隐藏包含敏感数据的关联规则。理论分析和实验结果表明,新算法不仅提高了关联规则挖掘的效率,而且还达到了隐藏包含敏感规则的目的。     

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.     

使用标准SQL实现多维关联规则的挖掘

关联规则是数据挖掘中一种重要的模式,本文讨论了利用结构化查询语言(SQL)进行多维关联规则挖掘的相关问题,并给出了一种实现算法.     

基于项目序列集操作理论的关联规则的挖掘算法

在关联规划挖掘理论研究上,首次给出了项目序列集格空间,并且探讨了在这个空间上的基本操作算子、基于项目序列集格空间及其操作,建立了关联规则挖掘模型.在关联规则挖掘算法方面,设计了基于项目序列集操作理论的关联规则挖掘算法SIS,该算法执行时间整体上优于Apriori算法,而且随着数据量的增大,该算法执行时间的增长幅度也小于Apriori算法.     

一种模糊关联规则算法

针对普通关联规则不能表达挖掘对象中模糊信息的关联性，给出了一系列有关模糊关联规则的定义，并提出一种基于树形结构的模糊关联规则挖掘算法（FARMBT）。实验结果表明，FARMBT算法是有效的。     

Mining association rule efficiently based on data warehouse

1　INTRODUCTIONDatamining (DM )istheprocessofextractingvaluableknowledgehiddeninlargevolumesofrawda ta[1 15] .Aneffectivedataminingmethodshoulden abletheuserstoexplorethedatawarehouse ,selectallkindsofrelativedata ,conductanalysisatdifferentlevelsandfinally publishknowledgeinvariousfor mats.However ,theabundanceofthedatainthedatawarehouse(DW )canalsoaffecttheefficiencyofDM ,thereasonofwhichliesinthefollowingaspects[2 4 ] :1)agreatnumberofdataoftenresultinmultiplescanintheDWandtherefor…     

一种基于FP-Growth的改进算法

关联规则挖掘由于表达形式简洁、易于解释和理解已成为数据挖掘中的研究热点,对关联规则的研究具有重要的理论价值和现实意义。文章分析频繁项集挖掘算法FP—growth算法,针对算法中存在的效率瓶颈问题,提出了一个改进的挖掘算法。改进后的算法通过投影统计的方法直接得到频繁1-项集的条件模式基,从而减少了FP-growth算法中构造FP—tree和搜索的开销。通过分析,说明改进的算法具有良好的性能。     

Apriori算法分析与改进综述

数据挖掘中的关联规则挖掘能够发现大量数据中项集之间有趣的关联或相关联系,特别是随着大量数据不停地收集和存储,从数据库中挖掘关联规则就越来越有其必要性.通过对关联规则挖掘技术及其相关算法Apriori进行分析,发现该技术存在的问题.本文介绍了能优化该技术的各种算法,分析了这些算法各自的优缺点,并针对这些问题提出了未来的研究方向.     

基于关联规则的数据挖掘技术在CRM中的应用研究

阐述了数据挖掘技术在客户关系管理中的应用,说明了关联规则分析是数据挖掘技术中一项非常重要的功能,利用Apriori算法对客户挖掘信息数据库进行关联关系分析,通过分析进一步明确数据挖掘在CRM系统中的重要性。     

一个改进的分类关联规则挖掘算法

关联规则挖掘是数据挖掘的重要领域之一,目前多数监督学习算法对满足最小支持度和最小置信度的关联规则进行深入分析的较少。剖析了分类关联规则挖掘算法CAR-Apriori算法,并提出了一种基于多最小支持度和支持度差别限制的分类关联规则挖掘算法MSCAR-Apriori算法。实验结果表明,改进算法不仅可以挖掘出满足给定条件的分类关联规则,同时还可以保留稀有但用户感兴趣且可能蕴涵巨大利润的规则项。