基于关联规则的数据挖掘技术的快速算法

提出了一种改进的Apriori算法的数据挖掘模式，探讨了对其中的生成候选频繁项目集、生成强关联规则等几个关健步骤运用标准SQL语言的算法实现。     

基于VC 的Apriori规则算法的优化实现

关联规则算法是数据挖掘的核心。本文首先介绍了关联规则的定义,接着在现有Apriori算法的基础上分析了存在的不足,并提出了一个关联规则算法的改进模式,从而提高Apriori算法的效率。     

基于矩阵的Apriori算法改进

对基于矩阵的Apriori算法进行了改进,同时改进了发现关联规则算法,将Apriori算法的剪枝与矩阵联系起来,可以大大减少扫描数据库的次数,从而提高算法的效率,在生成关联规则中,利用了概率论的基本性质也大大减少了计算量。并通过实例说明它是一种有效的关联规则挖掘方法。     

基于Aprior & FP-growth算法的研究

关联规则挖掘在数据挖掘中占有极其重要的地位,Apriori算法和FP-growth算法是当前关联规则中两大主要频繁项集发现算法.研究了这两种算法的基本思想,指出了算法各自的优缺点并通过具体的实例说明发现频繁项集的方法,最后通过实验对算法进行了性能上的比较.     

一种基于BIT存贮运算的Apriori改进算法

探讨了Apriori算法的改进问题,提出了一种基于BIT存贮运算的关联规则挖掘算法。该算法可把相当大的数据集读入内存,并在内存中使用高效的BIT运算快速进行计数,同时简化了Apriori算法中候选项集的计算,由直接判断生成频繁项集,大大地减少了ee间变量及其存贮的时间和空间,提高了关联规则挖掘的速度和效率。     

基于VC＋＋的Apriori规则算法的优化实现

关联规则算法是数据挖掘的核心。本文首先介绍了关联规则的定义,接着在现有Apfiori算法的基础上分析了存在的不足,并提出了一个关联规则算法的改进模式,从而提高Apriori算法的效率。     

用VB对基于Apriori算法的数据挖掘的实现

Apriori算法是一种最有影响的挖掘关联规则频繁项集的算法。文章以100期彩票的开奖结果作为挖掘对象，利用该算法从中找出相对频繁出现的数字组合，并用VB进行了程序实现。     

关联规则Apriori算法

阐述了关联规则的基本概念、Apriori算法及其实验结果分析,并描述了Apriori算法的性能瓶颈与改进策略。     

基于C++向量运算的Apriori算法程序设计与实现

用C++向量表示集合、候选集、频繁项目集,结合C++向量的操作特点,设计和实现了基于Apriori算法的关联规则产生程序,该程序用于物资管理系统中易耗物品关联信息的挖掘,运行结果证明了正确性.     

基于“新颖度”的关联挖掘算法

关联挖掘的目的是从大量数据中发现对用户有用、新颖、重要的关联规则。传统的关联挖掘算法会产生大量对用户而言显而易见的平凡规则，使那些真正对用户有用的新颖规则被淹没，而一些针对新颖性的改进算法往往又存在先验知识表达复杂且工作量极大的问题。在本文中，我们运用简单的分类树，引入“新颖度”的概念，对Apriori算法进行改进，得到了基于“新颖度”的关联挖掘算法，此算法既充分考虑了挖掘过程中得新颖性问题，又克服了先验知识表达过于复杂的困难。     

基于数据挖掘关联规则Apriori算法的优化对策分析

随着时代的进步和科学技术的发展,数据资源越来越多,但是信息贫乏的困境却依然无法摆脱,于是如今开始大力对新的数据分析方法和工具进行查找,从海量数据中将有用知识给提取出来。针对如今Apriori算法效率的瓶颈,就需要提出策略来改进本算法。本文简要分析了基于数据挖掘关联规则Apriori算法的优化对策,希望可以提供一些有价值的参考意见。     

基于关联规则挖掘领域的Apriori算法的优化研究

挖掘关联规则是数据挖掘领域的一个重要研究课题,在挖掘数据间的关联性时具有非常重要的意义。本文在分析关联规则挖掘及Apriori算法的基础上,从压缩扫描数据集及提高剪枝效率等方面对算法进行了优化改进,从而达到了降低消耗、提高算法效率的目的。最后,通过实例对优化的Apriori算法作了详细介绍。     

基于关联规则数据挖掘Apriori算法的研究与应用

目前在我国,对数据挖掘技术的研究与应用并不是很广泛.大多数数据库只能实现数据的录入、查询、统计等较低层次的功能,无法发现数据中存在的各种有用的信息.基于关联规则的数据挖掘主要用于发现数据集中项目之间的联系.以超市购物为例,目的在于找出顾客所购买商品之间的内在关联.利用Apriori算法的先验原理,减少Apriori算法在搜索频繁项目集时对候选式的搜索次数,并在对顾客购买的商品模型进行抽象的基础上,利用vc++与access数据库实现的算法系统,对所购买的商品之间的内在关联进行模拟分析.根据得到的数据分析出置信度较高的几种商品,通过对这些商品集中摆放,可以提高收益,从而证明改进的Apriori的实用性.     

一种基于Apriori的关联规则挖掘算法的研究

该文通过对Apriori算法的基本思想和性能的研究剖析,认为Apriori算法存在一些不足;并且根据这些不足提出了相应的改进UDApriori算法对经典算法进行优化,从而得到一种改进的Apriori算法,与原算法相比运算效率大大提高.     

挖掘关联规则中的一种优化的Apriori算法

对文献[1]中给出的算法以及Apriori算法的思想和性能进行了分析，提出一种优化的Apriori算法。该算法较文献[1]的算法更优.     

基于Apriori算法在学生信息管理系统中的应用与研究

随着全球网络化,网络环境已被应用到各个领域,而学生信息的不断增加使得普通数据库已无法满足学生管理需求。为了促进学生信息管理工作更好的开展,利用数据挖掘技术从大量历史数据中挖掘其中隐含的信息就变得尤为重要,而挖掘的信息也可以作为指导学生信息管理工作开展的依据。本文以学生信息管理系统为研究对象,针对学生信息管理工作冗长复杂且管理困难等问题提出Apriori算法,Apriori算法在系统中的运用使得学生信息管理效率有了大幅度的提升。     

基于多维关联规则的算法研究及系统实现

针对目前很少有一整套的能同时处理量化属性和分类属性字段的多维关联规则的解决方法,提出了一整套的从原数据出发一直到关联规则的可视化的解决方法,论文首先采用了等深分箱的方法将量化属性按引进的最大支持度进行离算化处理。在得到频繁集的时候通过对传统的单维．Apriori算法的改进,从而实现了其在多维关联规则中的应用,最后对关联规则的可视化采用了柱状图的方式。     

基于粗糙集和Apriori算法的中医病证关联研究

本文提出一种基于粗糙集理论和Apriori算法的关联规则挖掘方法并将其应用于中医病证关联分析。该方法通过属性约简抽取特征症状,然后在约简后的决策表上应用改进的Apriori算法进行关联规则挖掘,提高了中医病证关联规则挖掘的效率。     

基于矩阵的关联规则挖掘算法

文章通过对Apriori算法的思想和性能的分析,提出一种基于矩阵的关联规则挖掘算法。新算法直接通过对布尔矩阵的列向量进行对位“与”运算产生频繁项集,有效地解决了Apriori算法迭代产生频繁项集的瓶颈问题。试验结果表明,新算法比Apriori算法具有更高的效率和性能。