关联规则挖掘在电子商务中的应用

随着网络技术的飞速发展,电子商务已经作为新型商务模式,在给我们带来便捷体验的同时也带来了信息过量的问题。用户在大量产品信息中需要花费更多的时间来寻找所需的商品或服务。此时,数据挖掘就能够解决这方面问题,利用关联规则的挖掘技术,找到销售商品之间存在的联系,可以帮助商家进行商品推荐和进销存管理等。     

关联规则在学员信息管理中的应用

随着部队信息化建设的不断深入开展,对军事院校学员素质的综合发展提出了更高要求。传统方法对学员综合素质测评比较单一[1],管理者常以测评分值来衡量学生的素质,而未对影响因子进行深入研究。在某军校学员成绩基础上,利用Apriori算法对学员各方面成绩数据进行关联规则挖掘,预设一定的支持度的条件下,由数据库找出具有一定内在联系和不同可信度的训练成绩和课程成绩作为关联规则,为军队院校的军事训练工作统筹安排和科学管理提供信息分析方法和决策依据。     

遗传算法在关联规则挖掘中的应用

数据挖掘是关联规则中一个重要的研究方向。该文对关联规则的数据挖掘和遗传算法进行了概述,提出了一种改进型遗传算法的关联规则提取算法。最后结合实例给出了用遗传算法进行关联规则的挖掘方法。     

关联规则发现在素质教育中的应用

目前许多学校都为学生建立了信息数据库，针对如何从海量的学生信息数据库中提取出具有规律性的信息，文中利用数据挖掘中的关联规则发现技术设计并实现了一个学生素质关联规则发现系统。通过对实验结果进行分析，可以得出以下结论：该系统能够根据用户的参数设置自动发现学生各群体各种素质之间的相关性和规律，并界面友好地显示给用户从而能够帮助教育决策者发现当前教育管理中的问题，改进教育方法和策略，以达到深化贯彻素质教育的目的。     

关联规则发现在素质教育中的应用

目前许多学校都为学生建立了信息数据库,针对如何从海量的学生信息数据库中提取出具有规律性的信息,文中利用数据挖掘中的关联规则发现技术设计并实现了一个学生素质关联规则发现系统。通过对实验结果进行分析,可以得出以下结论:该系统能够根据用户的参数设置自动发现学生各群体各种素质之间的相关性和规律,并界面友好地显示给用户从而能够帮助教育决策者发现当前教育管理中的问题,改进教育方法和策略,以达到深化贯彻素质教育的目的。     

关联规则挖掘算法在分类中的应用研究

提出了一个基于关联规则挖掘算法的医疗数据分类方法。介绍了关联规则的理论基础、关联规则挖掘算法及其在医疗数据挖掘中的应用方法,并利用介绍的算法对乳腺癌数据进行挖掘。获得了分类的实验结果,该模型系统达到了较高的分类准确率,证明了数据挖掘在辅助医疗诊断中有着广泛的应用前景。     

遗传算法在关联规则挖掘中的研究与应用

首先对关联规则的数据挖掘和遗传算法进行了介绍,根据关联规则的要求和特点,结合遗传算法的思想。提出了一种基于遗传算法的关联规则挖掘算法,并给出一简单实例,说明本文方法的有效性。     

遗传算法在关联规则挖掘中的应用

该文尝试和遗传算法挖掘关联规则，并结合图书馆智能型读者测评系统，给出了一个基于遗传算法进行了关联规则挖掘的实例。     

数据挖掘中的关联规则算法研究

随着计算机技术和信息技术的飞速发展,数据挖掘已经成为当今各行各业重点关注的对象。关联规则挖掘是数据挖掘中的一个非常重要的内容,通过关联规则挖掘能够从海量数据中分析出数据与数据之间存在的关系,进而为用户提供更具有参考价值的信息。现阶段关联规则挖掘已经广泛应用于保险、股市、网络数据等多个对市场信息高度依靠的行业。本文从关联规则挖掘相关概念出发,对其主要操作步骤进行了简单分析,并研究了数据分割下的挖掘问题及算法。     

关联规则挖掘在经济林害虫预测中的应用研究

将关联规则理论引入兰州市主要经济林重点害虫数据分析中,利用提出的一种Apriori算法的变形算法MARBDT在害虫数据构建的信息表上提取决策关联规则,建立了经济林害虫发生规律的预测模型,为本地的害虫防治提供辅助决策.     

关联规则挖掘在检验信息系统中的应用研究

随着医疗检验手段的飞速发展,检验信息系统（LIS）由此被开发和运用。为了能在该系统中充分利用医学数据和医生诊断经验,发现隐藏在这些数据背后的新的有学术价值的医学信息,介绍了关联规则挖掘方法在当前检验信息系统中的应用模式。其中详细说明了数据挖掘步骤和在对检验数据进行挖掘时关联规则挖掘算法的选用。     

关联规则挖掘在高校教学评价中的应用

将数据挖掘中关联规则应用到高校教学评价中,寻找教学评价数据背后隐含的有价值的信息.利用改进的Apriori算法挖掘评教数据,从大量的评教数据中发现数据间的关联.通过实例分析,结果发现了评价等级与教师的学历、职称、教龄、科研能力之间的关联.分析并利用这些关联规则,既可以提高授课教师的教学水平,又可以为教学管理部门的提供决策参考,从而提高教育教学质量.     

关联规则算法在教育信息数据挖掘中的应用

简要介绍数据挖掘中的关联规则算法,并将之运用到学生成绩的数据挖掘中,挖掘高数成绩与高考成绩之间的潜在关系。提出学生大学期间的高数成绩和高考成绩并没有直接的关系,大学生活是一个全新的里程碑,不要因为自己的高考成绩而妄自菲薄。     

量化关联规则在高校就业信息数据中的应用

针对就业信息数据中存在着大量的量化属性和分类属性等现象,提出了一种基于k-means的量化关联规则挖掘方法。该方法利用聚类算法k-means对量化属性进行合理分区,将量化属性转化为布尔型;利用改进的布尔关联规则方法对此进行关联规则挖掘,找出学生的受教育属性和就业属性之间的关联性;对挖掘出的规则进行分析和运用。就业信息数据实验证明,文中所提方法对就业信息进行挖掘是有效的、可行的。     

基于属性互信息熵的量化关联规则挖掘

在量化关联规则挖掘中存在量化属性及其取值区间的组合爆炸问题,影响算法效率。提出算法BMIQAR,通过考察量化属性间互信息熵,找到具有强信息关系的属性集,从中得到频繁项集以产生规则。实验表明,由于在属性层进行了剪枝,因此缩减了搜索空间,提高了算法的性能,且能得到绝大多数置信度较高的规则。     

原关联规则及其应用

在大型数据库项目之间发现关联规则是一个重要的数据挖掘问题,而挖掘出的关联规则数目常常是巨大的。文中介绍了简单关联规则和原关联规则的概念,而传统算法挖掘出的关联规则集中的任何规则,均可以由原关联规则导出,并且原关联规则的数目远远小于传统算法挖掘出的关联规则数目。对简单关联规则和原关联规则进行了分析比较,给出了挖掘原关联规则算法,并举例说明算法的执行过程。     

关联规则挖掘与分类规则挖掘的比较研究

关联规则挖掘与分类规则挖掘都是数据挖掘,领域中很重要的技术。本文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、算法的设计思想等几个方面对它们进行了比较,最后介绍了它们之间的联系。     

一种有效的关联规则的挖掘方法

提出简单关联规则的定义,并证明传统算法挖出的规则集中的任何规则均可以由简单关联规则生成,而简单关联规则的数量远远小于传统算法挖掘出的规则数量,从理论上证明了简单关联规则算法的优越性。     

一种新的关联规则挖掘算法

对关联规则算法进行了研究和分析,基于候选集的Apriori-like算法需要反复扫描数据库,并产生大量的候选集,在挖掘低支持度、长模式的规则时效率低下。针对算法的缺陷,该文提出了一种PS算法,优化了关联规则的挖掘。实验结果证明了该算法的有效性。