共查询到19条相似文献,搜索用时 78 毫秒
1.
2.
3.
针对具体超市销售行业CRM进行分析,将聚类技术运用到关联规则发现领域,利用聚类技术压缩交易数据库,从而减少挖掘算法需要处理的数据量以提高挖掘效率.在企业现有数据的基础上进行实现,得到更好的挖掘效果。 相似文献
4.
针对现代电子数据迅速膨胀,传统的审计方式已经无法应对海量的业务数据,试图将数据挖掘中的聚类和关联规则算法引入审计领域.在研究聚类与关联规则算法的含义及相关算法—K-Means和Apriori算法的基础上,提出了一种基于聚类与关联规则的审计模型,并以某市城镇医疗保险的审计为例,首先利用聚类分析进行数据筛选,然后利用关联规则挖掘海量数据之间潜在的关系,为审计提供线索.文章通过案例分析为数据挖掘在信息舞弊识别领域的应用提供参考. 相似文献
5.
6.
量化关联规则挖掘及算法 总被引:2,自引:0,他引:2
提出了一种新的量化关联规则挖掘算法QAR及其增量式更新算法IUQAR.算法以模糊集理论为基础,利用模糊概念表示量化属性属性间的关联关系,克服了传统的离散分区方法的不足,使得规则的表示自然、简明,有利于专家理解。同时,给出的算法IUQAR,有效地解决了规则的维护问题。 相似文献
7.
一种改进的量化关联规则算法在零售业中的应用 总被引:1,自引:0,他引:1
以超市的量化属性为研究对象,提出一种基于模糊聚类和减类聚类的量化关联规则算法.该算法基本思想是把模糊聚类技术融入到离散化过程中,使数据离散到合理的区间,再利用经典的布尔关联规则挖掘算法Apriori进行挖掘.实验证明,这种方法能够有效挖掘量化关联规则,提高交叉销售的可能性. 相似文献
8.
9.
模糊聚类在数量型关联规则提取中的应用 总被引:1,自引:0,他引:1
关系数据库中数量属性的关联规则挖掘问题是经常要遇到的问题。该文利用改进的FCM进行模糊聚类,主要是解决FCM算法的局部极小问题。利用聚类的结果可以使数量型属性关联规则向类别型属性转换,类别型属性再转化为布尔型属性,这样,便可以从许多关联规则的挖掘方法中找出有意义的规则。 相似文献
10.
关联规则的挖掘是一个重要的数据挖掘问题,目前的算法主要是研究基于支持-信任框架理论的关联规则挖掘,但是基于支持-信任框架理论的关联规则只适用于交易类型的数据库,然而现实的数据库中有许多连续数据,经典的关联规则就不适用了。该文介绍一种对连续数据集进行预处理过程,即对数据库中的数据项进行距离划分,并给出基于聚类方法的算法设计思想。 相似文献
11.
12.
13.
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。 相似文献
14.
数量关联规则发现中的聚类方法研究 总被引:19,自引:0,他引:19
应用聚类方法研究了数量关联规则提取过程中的连续属性离散化问题,由于现存的方法倾向于将支持度较高的区域划分为多个区间,对高偏数据效果不理想,针对这一问题,提出聚类算法PKCCA,与传统快速聚类不同,PKCCA在迭代过程中动态调整中心个数,避免造成小支持度问题,并继承了传统快速聚类适合大样本的优点。 相似文献
15.
16.
17.
鲁传杰 《计算机与数字工程》2010,38(1):24-27,176
为了提高教学管理预知性,提高人才培养质量,以收集整理的学生基本信息、历史成绩数据及各项素质测评成绩为数据源,运用经典的关联规则挖掘技术进行挖掘,分析对学生成绩产生影响的因素等。通过分析算法和系统的实现结果表明,采用关联规则挖掘技术分析学生成绩的影响因素,可靠且可行。 相似文献
18.
近些年来,计算机技术迅猛发展带动信息技术的兴起,数据挖掘技术被广泛地应用到各个领域当中。这个新兴的领域为数据挖掘技术提供了最为活跃的算法,即关联规则算法,其能够对于大量的数据和信息进行处理,通过将繁琐的项集从数据库中找出来,经过整理之后,将项集之间的关联关系建立起来,从中挖掘出有价值的数据信息,以在一定程度上满足不同领域的需要。本文针对数据挖掘中关联规则算法进行研究。 相似文献
19.
关联规则的发现是整个数据挖掘课题中的重要组成部分。在归纳现有关联规则研究的基础上提出了事务间数值型关联规则的数据挖掘问题,并对该问题进行了定义。应用模糊理论和相关的数据挖掘技术,提出了解决该问题的E—QA算法,并以实例对算法可行性进行验证,指出了算法存在的一些问题以及今后解决这些问题的思路。 相似文献