关联规则挖掘综述

介绍了当前关联规则挖掘的研究情况,分析了传统关联规则挖掘算法的不足．与此同时,介绍了几种优化算法．最后,展望了关联规则挖掘的未来研究方向．     

数量型关联规则挖掘问题的研究分析

关联规则挖掘是数据挖掘的一个重要研究课题,而数量型关联规则与传统的布尔型关联规则挖掘有不同。介绍了数量型关联规则挖掘的基本概念;分析了几种具有代表性的数量型关联规则挖掘算法;对数量型关联规则挖掘进行了展望。     

关联规则数据挖掘技术探讨

从关联规则挖掘基本概念出发,阐述了关联规则的挖掘步骤和应注意的问题,分析、比较、总结了关联规则的主要研究方向和典型算法。     

数据挖掘中的关联规则方法

介绍了关联规则的基本概念,总结了关联规则的分类及各种挖掘算法,并对一些典型算法进行了介绍,最后,展望了关联规则挖掘的下一步研究方向。     

数据挖掘中的关联规则方法

介绍了关联规则的基本概念,总结了关联规则的分类及各种挖掘算法,并对一些典型算法进行了介绍,最后展望了关联规则挖掘的下一步研究方向。     

分布式环境下关联规则挖掘技术实例分析

分布式数据库系统中存储了海量数据,在这些数据的背后,蕴涵着大量有价值的知识。这些知识的挖掘已成为继数据库本身研究之后十分重要的方向之一．该文根据分布式数据库的特点,提出了一种在其上的关联规则挖掘系统．该系统利用矩阵工具挖掘局部关联规则,并采用了不确定性推理方法来融合各局部关联规则．从而提高了局部关联规则挖掘效率和和全局关联规则的准确率．     

分布式环境下关联规则挖掘技术实例分析

分布式数据库系统中存储了海量数据,在这些数据的背后,蕴涵着大量有价值的知识,这些知识的挖掘已成为继数据库本身研究之后十分重要的方向之一.该文根据分布式数据库的特点,提出了一种在其上的关联规则挖掘系统.该系统利用矩阵工具挖掘局部关联规则,并采用了不确定性推理方法来融合各局部关联规则,从而提高了局部关联规则挖掘效率和和全局关联规则的准确率.     

关联规则挖掘算法研究综述

基于关联规则挖掘算法的研究现状,对几种经典的关联规则挖掘算法进行了重点介绍,如Apriori、FP-Growth、QDT等。通过对几种典型算法的步骤及主要思想进行详细阐述,提出了这几种算法的优缺点及目前研究面临的主要问题,为关联规则挖掘算法的优化研究提供了借鉴。     

基于项目约束的关联规则挖掘方法的研究

关联规则挖掘的核心问题是算法的效率和伸缩性,这就产生了基于约束的关联规则挖掘方法。关联规则挖掘中除了支持度和信任度外的约束外,最基本的是项目约束。本文总结和归纳了含有项目约束的关联规则挖掘的分类,并在算法Apriori的基础上,介绍了基于项目约束的关联规则的挖掘算法D irect。     

模糊关联规则的挖掘算法

关联规则的挖掘是数据挖掘中的重要内容之一,关联规则包含了一组对象之间的特定关系.目前对关联规则的研究,仅限于用确定和精确的概念表示的确定关联规则.而现实生活中,数据之间的关系通常表现为模糊关系,用确定的关联规则不能表示数据之间的这种关系.为了拓广关联规则的表示和应用范围,本文讨论了模糊关联规则的概念,并提出了一种基于集合枚举树的模糊关联规则的挖掘算法FAAR.     

论关联规则挖掘在时间序列中的应用

经过20年的发展,数据挖掘的研究内容已十分丰富,其中关联规则挖掘是数据挖掘研究的重要方向之一,它是数据挖掘从技术角度划分的一种形式。本文先对传统和现在的时间序列挖掘作一个简单的介绍,然后详细分析了时间序列的关联规则,最后重点说明了时间序列关联规则挖掘的相关内容。     

基于粗集的关联规则挖掘模型在网络课程评价中的应用

关联规则的挖掘是数据挖掘中的一个重要问题,在最近几年里被广泛研究.本文将目前广受关注的粗糙集理论及方法引入网络课程评价中,构建了基于粗集的关联规则挖掘模型,并实例探讨了网络课程评价中的关联规则挖掘方法.希望为我们开展网络课程评价的实践提供新的思路与方法.     

加权关联规则挖掘算法

将项目权值引入传统关联规则挖掘中是在项目属性上的扩展。本文分析项目权值对加权关联规则挖掘的影响,并对加权关联规则现有的算法进行总结,同时比较各算法的优缺点。最后对加权关联规则的未来研究发展方向进行探讨。     

基于矩阵行向量运算的关联规则挖掘算法研究

本文主要研究了数据挖掘中关联规则挖掘算法的改进方法,通过分析经典的Apriori算法,找出算法的不足．提出了一种基于矩阵行向量运算的频繁集挖掘的关联规则挖掘算法思想,并对Apriori算法进行了改进。     

一种改进的关联规则增量式更新算法

增量式更新算法能充分利用已挖掘出的知识来提高挖掘效率,是数据挖掘高效算法研究中一个主要方向.本文首先分析了经典的关联规则增量式更新算法FUP(Fast Updating algorithm)算法的不足,提出了一种改进的关联规则增量式更新算法IIUA(Improved Incremental Updating Algorithm),极大地降低了存储空间和挖掘时间需求,从而提高了整个关联规则挖掘的效率.     

Web日志挖掘在电子商务推荐中的应用

介绍电子商务和Web数据挖掘的概念,并介绍Web使用挖掘中应用最多的技术——Web日志挖掘.重点阐述了日志挖掘算法——关联规则的有关知识,以及改进的频繁项目集生成算法Apriori和强关联规则生成算法,并结合实例进行了分析研究.     

基于时间聚类的加权关联规则及其在企业中的应用

针对煤炭企业采用的基于关联规则的数据挖掘技术存在的不足,文章提出了一种基于时间聚类的加权关联规则挖掘算法,分析了关联规则的基本概念,简要介绍了传统Apriori算法原理,详细介绍了基于时间聚类的加权关联规则挖掘算法原理及实现．实际应用范例表明,与Apriori算法相比,基于时间聚类的加权关联规则挖掘算法具有较高的准确性．     

浅谈关联规则挖掘技术的研究与应用

数据挖掘技术是日前广泛研究的数据库技术,关联规则是表示数据库中一组对象之间某种关联关系的规则。本文简要介绍了关联规则挖掘的相关理论和概念、Apriori算法,最后介绍了关联规则数据挖掘的应用情况。     

数据挖掘技术在生源质量分析中的应用

通过对各届毕业生生源等特征资料、高考的成绩数据、以及大学各门课的成绩挖掘,提供了一个在教育领域进行合理挖掘的模式。研究了如何把关系数据库的关联规则问题转化为单维、布尔关联规则问题,把关联规则挖掘中的经典算法Apriori算法在实例中进行了具体应用。     

数据挖掘关联规则Apriori算法的优化

关联规则挖掘研究是数据挖掘研究的一项重要的内容.Apriori算法是挖掘关联规则的经典算法,但存在一些不足之处.本文在Apriori算法基础上,提出了基于链表数据结构的关联规则改进算法.由于该算法只需对交易数据库进行一次检索,故能大量减少所需的I/O次数,提高了系统的性能.