基于SAS／EM的图书借阅数据关联规则数据挖掘

以SAS数据挖掘系统EM模块中的Association节点为关联规则数据挖掘平台,对经过数据预处理的读者借阅数据进行关联规则数据挖掘,揭示数据间的关联关系,用来指导图书馆图书借阅工作和采购工作。     

基于数据挖掘的图书馆采购策略研究

图书馆流通数据中隐藏着大量有用的信息,文章利用SPSS Clementine软件提供的Apriori模型对流通数据进行挖掘,发现读者借阅图书间的关联,将这些关联规则应用到图书采购中去,辅助图书馆制定采购策略。     

基于Apriori算法的图书信息管理系统

文章首先讨论了本课题研究的背景以及关联规则的相关理论基础,然后根据图书馆借阅数据的特点进行数据预处理,包括数据的导入和提取,最终实现了事务数据库的建立,在此之后是基于Apriori算法的图书借阅数据关联规则的实现,并针对结果分析此课题的意义。文章最后是总结与展望。     

利用数据挖掘技术提升图书采购效率

在收集图书流通数据并对这些数据进行预处理的基础上,利用数据挖掘中的决策树算法,采用SPSS Clementine发现图书借阅率与利用率高的子类,以提高图书采购效率.     

基于关联挖掘的借阅数据分析

图书馆积累了大量的历史数据,从这些数据中挖掘出潜在的知识对图书馆工作有很强的指导作用。通过结合具体实例说明了关联规则在数据分析中的应用,为数据挖掘在图书馆的应用提供了一些思路。     

关联挖掘在图书借阅数据库中的应用研究

介绍了关联挖掘的基本概念和挖掘过程,并给出了Apriori算法,进一步讨论了关联规则在图书馆读者文献借阅数据库中的应用。通过实例分析说明使用Aprior关联挖掘方法能有效挖掘隐藏在数据背后的有价值信息,为图书馆服务工作提供决策支持并且有利于图书馆开展个性化信息服务。     

数据挖掘在图书管理方面的应用

随着高校图书馆图书的大量购买和招生人数的增多,图书管理运行系统产生了大量数据,利用传统的方法无法对这些海量数据进行研究分析。而数据挖掘正是解决此类问题的先进技术,对数据挖掘从定义、功能、应用方面进行了比较详细的阐述,尤其是在应用方面重点介绍了Apriori算法和K-means算法,讲述了其基本思想和工作过程。结合图书馆的数据,进行聚类分析和关联规则分析,得出最优的馆藏布局,为读者提供更好的主动的、人性化的服务。同时对数据挖掘在图书管理中的前景作了瞻望。     

基于数据挖掘的几种关键技术探究

随着时代的进步,各领域信息化进程的推进,数据数量以指数级疯狂增长,如何在信息海洋中找到自己所需,是目前亟待解决的问题,而数据挖掘技术的出现使得这一问题得以解决。本文首先简单介绍数据挖掘的相关知识,然后就目前存在的主要数据挖掘技术进行分析研究,例如:集合论、决策树、聚类以及关联规则、人工神经网络、遗传算法等。     

基于数量型数据挖掘的模糊概念关联规则

讨论了数据库中含有数量和类别属性的数据的关联规则挖掘方法。利用模糊集的理论与方法求解数量相关问题,给出了模糊概念关联规则挖掘算法Apriori_concept。     

基于云计算的智能电网信息异常数据挖掘方法

为提高智能电网信息异常数据挖掘性能,提出基于云计算的智能电网信息异常数据挖掘方法。根据智能电网信息流的特点,将异常数据的输入空间映射到特征空间内,构造了异常数据的线性判定函数。通过对偶问题的分布式求解,监测了智能电网的异常状态;利用智能电网信息异常数据分类的目标函数,提取出智能电网信息异常数据的特征,预处理了智能电网信息中的异常数据;利用异常数据波动系数,计算出智能电网信息异常数据的权值;利用云计算技术,挖掘出智能电网信息异常数据。实验结果表明,文中方法在挖掘智能电网信息异常数据时,可以提高异常数据挖掘的精度和质量。     

关联挖掘在图书借阅数据库中的应用

对图书馆中的图书借阅数据库进行挖掘能给图书管管理人员提供许多有用信息。本文介绍了数据挖掘中的关联规则的基本概念,关联规则的挖掘过程,并给出了Apriori算法。以德州学院图书馆为例,分析了关联挖掘在图书馆中的应用。     

基于数据挖掘的复杂装备维修辅助决策研究

文章通过某装备维修信息框架分析,维修数据预处理,然后以维修记录为例,挖掘出了维修件之间关联规则,并采用决策树分类方法对维修件进行了分类,这些规则和分类结果可以为维修计划制定、器材采购、视情维修等方面提供决策依据。     

基于网格的数据挖掘算法

为了克服传统数据挖掘算法与分布式数据挖掘算法的不足．提出了一种基于网格平台的数据挖掘算法,并改进了原有的Apriori算法,使其应用于网格平台。基于网格的数据挖掘算法具有合并计算力,安全,高效,节约硬件成本等优势已越来越受到学术界的重视。     

基于关联规则的网络漏洞信息数据挖掘方法

为提高对网络漏洞信息数据的挖掘效率,提出关联规则下网络漏洞信息数据的挖掘方法。通过粒子群空间聚类算法生成关联规则,构建决策树挖掘漏洞,建立适应度函数来评价漏洞信息数据的挖掘效率,完成对网络漏洞信息数据的有效挖掘。实验结果表明,运用该方法挖掘网络漏洞信息数据时,构建决策树所消耗的时间较短,挖掘方法效率较高,能够有效处理大量的数据集。     

智能查询化解IT采购风险

一般IT采购者往往会庆幸商业数据提供商为他们带来丰富的市场信息。由用户模式商业数据库和智能化查询系统两个核心部分组成的智能化数据平台,使采购者能够轻易获取采购决策中所需的最有价值参考数据,从而最大限度地化解采购风险     

基于粒计算的Apriori算法及其在图书管理系统中的应用

粒计算作为一种新的信息和知识处理的方法近来已经被许多研究者所重视,以及在许多领域中的得到应用。本质上,粒计算能够表示存储在系统中的数据的语义信息,因此粒计算能作为用于探索数据性质的一种方法,如挖掘数据库中的关联规则。本文在分析经典Apriori算法的基础上,从信息粒的角度出发,提出基于粒计算生成k-频繁项目集算法。分析了对给定问题,当用粒计算模型求解时需要解决的几个基本问题。最后通过实例说明如何通过信息粒的二进制表示,并基于粒计算k-频繁项目集生成算法来获取隐藏在图书借还记录中的有关关联规则。可以看出该算法具有实际应用价值。     

基于移动Agent的数据挖掘研究

本文提出了一个基于移动Agent的数据挖掘模型，并在Crasshopper平台上实现了该模型关于关关联规则分析算法的挖掘过程。由于Agent的移动特性，基于移动Agent的数据挖掘模型具有较高的挖掘性能和数据安全性。     

数据挖掘的并行策略研究

文章对数据挖掘算法的并行策略进行了分类,分类技术主要集中在分割训练数据以及在每一个阶段的最后从处理器中抽取属性。这种方法在关联规则和决策树中得到了广泛的研究。在策略应用中,以DD算法为例进行了说明。在文章的最后,展望了并行数据挖掘的发展方向。     

基于关联规则的教学质量评价数据挖掘

课堂教学质量评价是教学质量评估的重要内容,是提高教学质量的重要途径和手段.讨论利用数据挖掘方法中的Apriori算法对教学质量评价数据进行关联规则挖掘,挖掘教学质量与考核对象,考核指标之间的内在关系,为教学管理提供决策支持.     

一种改进的增量数据挖掘算法

针对现行增量挖掘算法都不能解决最小支持度和最小置信度发生变化的同时数据库也发生变化的增量更新问题,分析现有算法的不足,提出一种改进算法。该算法充分利用以前挖掘的结果,将链表插入、删除以及hash定位高效率的特性结合起来,摆脱了传统算法多次迭代的不足,可实现最小支持度与最小置信度发生变化的同时,数据库也相应的发生变化的增量更新。并通过实验对该算法进行验证,同时将测试结果与Aprior算法的测试结果进行比较,证明其高效性。