关联规则在冲击矿压灾害分析中的应用研究

冲击矿压是深部开采不可回避的主要矿井灾害之一。由于冲击矿压影响因素多、数据量大、随机性强的特性,利用FP-Growth算法对冲击矿压影响因素进行关联规则挖掘。挖掘结果表明,硬厚顶板是影响冲击矿压的第一要素,厚顶板、大采深是引发冲击矿压的主要原因,而煤层厚度与冲击矿压并不直接相关,厚度增大可能缓和冲击危险。     

关联规则在计算机取证中的应用研究

首先分析了类FP关联规则挖掘算法,然后重点介绍了如何对计算机取证收集的大量日志数据进行预处理,并基于类FP挖掘算法对其进行分析,发现新模式,为计算机犯罪案件的侦破、优化网站建设提供有价值数据。     

关联规则中FP—tree算法的应用

本文并着重介绍了关联规则及其主要算法。通过介绍关联规则模型和关联规则中提供了求频繁项集的FP—tree算法,并以图书馆读者借阅实例简述实现了该算法的基本功能。     

关联规则在公安情报分析中的应用研究

首先分析了数据挖掘中的类FP关联规则算法,然后以群体性事件为例,介绍了如何将类FP关联规则算法应用到公安情报分析领域,得出有效的分析结论,为公安机关执法提供依据.     

关联规则技术在教学评价中的应用

主要研究了基于知识发现的教学评价系统的开发过程,介绍了系统开发工具及关联规则挖掘等主要功能子模块的设计和实现.论文应用关联规则Apriori算法,对教学评价数据样本进行数据分析,使用数据库中用户交互数据记录,利用最小支持度和最小置信度,挖掘出频繁项集,从分析的结果中发现有价值的数据模式,寻找其中存在的关系和规则,为教育教学活动发挥指导作用,为教学管理提供合理、科学的决策支持,并且提出了对系统进一步的改进建议.     

关联规则在Web日志挖掘中的应用研究

首先分析了类FP关联规则挖掘算法,然后重点介绍了如何对Web服务产生的大量日志数据进行收集、预处理,并基于类FP挖掘算法对Web日志进行分析,发现新模式,为优化网站建设提供有价值数据。     

关联规则在高校智能排课系统中的应用

在我们设计的高校排课系统中，采用了关联规则FP－growth算法的思想来处理排课冲突的问题。实践证明这一方法显著地提高了课表生成的效率。文中介绍了运用改进的FP－growth算法处理排课冲突问题的过程。     

关联规则Apriori算法在教学评价中的应用

通过应用数据挖掘中关联规则的Apriori算法,对教学评价数据样本进行数据分析,使用数据库中用户交互数据记录,利用最小支持度和最小置信度,挖掘出频繁项集,从分析的结果中发现有价值的数据模式,寻找其中存在的关系和规则,为教育教学活动发挥指导作用,为教学管理提供合理、科学的决策支持,并且提出了对系统进一步的改进建议。     

关联规则的多支持度挖掘在销售数据中的应用

介绍了一种关联规则的多支持度挖掘算法，并将该算法改进后用于超市销售数据的智能挖掘系统中，取得了成功的应用。     

多支持度关联规则在网络使用挖掘中的应用

关联规则方法是网络挖掘中一种备受人们关注的技术,但大多数方法在整体上采用统一的最少支持度,使得其在实际应用中受到限制。论文从这一问题出发,拟定了一个事务集,论述多支持度的关联规则方法。并把该方法应用到网络使用挖掘中,根据页面的出现频率确定其最少支持度阀值,发现并论证了不平衡数据项之间的有效规则。从执行时间和搜索空间上验证了算法的有效性。     

数据挖掘中关联规则的研究与应用

数据挖掘被称为数据库中的知识发现,是一个跨学科的研究领域。关联规则分析是数据挖掘中一个重要的课题,用于发现存在于数据库中的项或属性间的关联联系,这些联系是事先未知且隐藏的。关联规则的研究主要集中在生成频繁项集的挖掘算法,通过对几种主要关联规则的算法分析,利用Apriori算法研究再生资源系统中关联规则的确定,从而实现物资的二次销售。     

关联规则在教学评价数据分析中的应用

教学评价在教育教学的各个环节作用重要，不断提高教学评价数据的客观性、可靠性是提高教学评价质量的重要途径和手段。本文在教学评价数据分析中引入关联规则数据挖掘技术，通过发现和运用关联规则来提高教学评价数据的客观性和可靠性，实践证明这是一种比较科学有效的方法。     

一种关联规则挖掘方法在客户分析中的应用

数据挖掘(DataMining)是数据库系统和数据库应用的一个繁荣的学科前沿.Apriori算法作为数据挖掘中关联规则挖掘的算法之一,是一种最有影响的挖掘布尔关联规则频繁项集的算法.本文主要探讨Apriori算法的实现细节及其结合在电信业中的实现过程,并通过对实际数据的分析提出提高电信业务量的建议.     

关于关联规则算法中规则遗失问题的研究

针对Apriori算法及ML-T2算法在应用时会造成规则遗失的问题，文章对关联规则进行了研究，并提供了可行的解决方案。其一为不改变原算法从顶到底的思想，充分利用预先设置的minSup值，通过在高层上预存可能会在底层上构成候选大项集的项集来保证有用规则的完全提取；其二则采用从底到顶的思想，运用不产生候选大项集方法，并把它扩展到由底层到顶层的各层建立各自的FP树，这样也不会造成有用规则的丢失。     

关联规则挖掘研究

介绍了关联规则挖掘的基本概念。提出了关联规则的分类方法．对一些典型算法进行了分析和评价。     

关联规则在教务管理中的应用

运用数据挖掘技术中的关联规则,对历届学生成绩数据进行分析,找出各课程之间的隐藏关系,对数据进行了标准化、离散化处理,并采用经典Apriori算法进行数据挖掘,得到了一些合理、可靠的课程关联规则.这些规则应用到教学管理中,可以为学生选课提供有效的指导以及合理设置课程.     

时态关联规则的研究

由于时间是数据本身固有的因素,因此在挖掘关联规则时附加上某种时态约束会使规则能更好地描述客观现实情况,因而也会更有价值。该文从概化的角度给出一个挖掘时态关联规则的算法,并用商品的生命周期作为时间特征为例,介绍了具体挖掘过程。     

基于蕴涵度的模糊多层关联规则挖掘改进算法

针对模糊多层关联规则挖掘算法的不足,引入了蕴涵度的方法,实现了基于蕴涵度的模糊多层关联规则挖掘算法.推导出了蕴涵度可以用支持度来表示,这样有效地缩短了程序的执行时间.实验结果证明了采用蕴涵度代替置信度的方法提高了模糊多层关联规则挖掘算法的效率.     

基于FP-Growth的战略绩效关联分析算法研究

在处理战略绩效KPI关联规则挖掘的问题时,由于FP-Growth不能根据业务的需要简化计算过程,从而产生了许多冗余计算,影响了算法的效率。因此,提出了一种基于FP-Growth的战略绩效关联分析算法。通过采用基于规则的约束方法对FP-Growth算法进行改进。一方面,在挖掘的过程中添加剪枝操作,提高频繁项集的挖掘效率;另一方面,在关联规则产生过程中,添加规则约束,生成符合业务要求的关联规则,从而减少了冗余计算,提高了算法的效率。最后,以"某高校科研服务质量指标"为例,验证了该算法的可行性。