Apriori算法在高职院校贫困生认定工作中的应用

工作通过这些年的工作实践后,发现传统的贫困生认定存在很多的不足之处,迫切需要一套科学规范、易于操作的方法来完善贫困生认定工作,使贫困生认定工作能够高效、有序、合理地进行。运用Apriori算法对全体贫困生数据进行挖掘,寻求隐藏在这些数据背后的有价值的信息和潜在的联系及规则,从而为更好的完成贫困生认定工作提供帮助。     

基于FP-growth算法在学生成绩中的关联规则分析

介绍数据挖掘中关联规则概念及发现频繁模式基FP-growth算法,及通过对模型的灵活运用,完成了对学生成绩关联规则分析。     

基于并行FP-growth算法挖掘网上关联交易规则

发现关联规则是数据挖掘技术的重要任务之一。之前提出的绝大多数算法需要多次遍历数据库才能产生频繁项集,造成巨大的CPU和内存开销。根据网上交易数据海量的特点,提出了一种基于频繁模式增长(FP-growth)的并行算法。该算法可以在不产生候选集的基础上并行的挖掘海量数据。试验证明该算法可以缓解了项目数量巨大而内存不足的矛盾,减少了算法的执行时间。利用该算法对网上交易进行关联规则挖掘,发现了有价值的决策支持信息。     

数据挖掘技术在高职院校教学管理中的应用

职业教育是我国教育改革与发展的重点之一,教学管理是提升高职院校教学质量的关键环节。为了提高高职院校教学质量和教学水平,应用大数据挖掘技术对教学数据进行分析。首先采用Apriori算法对学生成绩表、课堂考勤表进行数据处理,然后挖掘隐藏在学习成绩和考勤数据中的规律,分析各学期不及格科目、出勤情况与毕业状态之间的关联规则。通过结果分析与评估,为任课教师和教学管理部门提供指导,帮助科学规划各学期教学管理重点,进一步改进教学管理水平,提高教学质量。     

关联规则技术在高职院校学生培养中的应用研究

本文通过对数据挖掘中关联规则技术的深入研究,在教务管理数据的基础上,将关联规则技术应用于学生培养中,构建了基于学生发展的学生培养模型,得到了一些基本的规则,为高职院校的招生工作、学生的发展提供了科学的参考依据,对教学管理起到了指导和加强作用。     

数据挖掘算法及其在教学管理中的应用

文章利用关联规则的Apriofi数据挖掘算法,以一定范围的学生成绩为数据源,分析了课程问的影响关系,得到一些合理的课程关联规则。将这些规则运用到教学管理中,可以合理地设置课程及指导学生选课。     

关联规则在高校贫困生认定中的应用

贫困生的认定是各高校繁重的一项工作,利用关联规则挖掘中的FP—growth算法,运用SQI—Server 2005中Analysis Services工具对影响贫困生认定的数据因素进行挖掘,发现了学习成绩、贷款、消费水平以及家庭情况等之间的关系。为贫困生认定提供了理论支持和科学依据,提高了工作效率,对实际工作有一定的指导意义。     

数据挖掘技术在高职院校图书管理中的应用

数据挖掘技术可以发现大量借阅数据背后隐藏的有价值的信息,了解读者的借阅需求及图书之间的关联性.从而可以主动为读者推荐其可能感兴趣的图书,优化馆藏布局,提高图书资源的利用率.文章以亳州职业技术学院图书馆为例,研究聚类分析算法和关联规则算法在图书馆管理中的应用.通过对读者借阅数据和图书借阅数据的分析,挖掘数据背后隐藏的一些规律,为图书管理者改善服务质量,做出新的决策提供参考依据.     

数据挖掘算法及其在电子商务中的应用

利用关联规则的Apriori数据挖掘算法及其改进算法,对电子商务中的数据进行分析挖掘。基于某电子商务网站实际数据的实验结果表明,该算法是有效的。     

决策树算法在高职院校成绩分析中的应用研究

高职院校在多年的管理以及教学工作中,相关数据库拥有相当多的学生数据,从中可以提取出高职院校所需要的一些数据,由此,决策树算法在高职院校中得到了广泛的运用。另外,学生的学习成绩可以在一定情况下体现学生的具体学习情况,还可以对教师的教学质量进行侧面的反映。通过对决策树算法的深入了解和探究,对其在学生学习成绩分析中的具体运用进行了探讨。     

Apriori算法在网上考试系统中的应用

在远程教育系统的网上考试系统模块中,数据库和数据仓库中的用户交互数据记录了用户对系统的访问行为信息,利用最小支持度和最小置信度,挖掘出频繁项集,对这些信息的分析有利于远程教育教学管理人员和教师掌握学生对知识的掌握情况,从而可以对教学内容加以改进,对教学平台进行优化.     

数据挖掘中关联规则算法及其应用

介绍了关联规则经典算法,提出了对其进行改进的一些技术及其应用领域.     

关联规则在“基于网络的课程考核改革试点”工作中的应用

介绍了数据挖掘和关联规则,并运用关联规则的Apriori算法对参加“基于网络的课程考核改革试点”学生的成绩数据进行挖掘,得出了形成性考核成绩和期末考试成绩有明显的相关关系的结论。     

Apriori关联算法在学生成绩中的应用

介绍了数据挖掘中关联规则的概念及经典的Apriori算法,以及Apriori算法在学生成绩中的应用.     

Apriori算法的改进及其在试卷分析系统中的应用

Apriori算法是一种挖掘布尔型关联规则的典型算法。该算法在生成频繁项集时会有频繁的数据库扫描操作,并且在由低维频繁项集连接生成高维候选项集时,如果频繁项集维数过大,笛卡尔积后就会产生大量的候选项集,从而影响算法的效率。针对上述2个方面对Apriori算法进行改进,并将改进后的算法应用在试卷分析系统中。经过系统测试,改进后的算法具有较高的效率和较强的稳定性。     

基于Apriori算法的图书馆多维数据挖掘算法研究

本文在研究了多维关联规则数据挖掘的理论及方法的基础上,深入分析以往算法的优缺点并结合图书馆行业管理信息系统的特点,选择对Apriori算法结合数据立方体技术进行改进和优化,形成了适合利用多维关联规则对图书馆数据进行挖掘的新算法。     

数据挖掘算法在入侵检测中的应用研究

本文对入侵检测的现状进行了分析,在此基础上重点研究了数据挖掘算法在异常检测和误用检测中的具体应用。对于异常检测,主要研究了分类算法;对于误用检测,主要研究了模式比较和聚类算法;在模式比较中又以关联规则和序列规则为重点研究对象。本文最后对目前数据挖掘算法在入侵检测中应用所面临的难点进行了分析,并指明了今后的研究方向。     

关联规则算法在招生中的应用研究

简要介绍了数据挖掘技术的概念、挖掘过程及关联规则,并对学生的高考成绩和学业成绩进行关联规则挖掘分析,找出它们之间的内在联系为招生决策提供依据。     

基于SQL Server的关联规则算法在高校招生中的应用

该文介绍了数据挖掘、关联规则、Apriori算法的基本概念,同时基于Microsoft数据库平台 SQL Server 2005,结合BI Development Studio的分析服务功能SSAS,利用Microsoft关联规则数据挖掘算法对招生系统中数据进行数据处理和数据挖掘,从而找出强关联规则,为高校的招生提供参考依据。     

改进的关联规则挖掘算法及其在课程设置中的应用

通过对Apriori算法的分析与研究,指出其在实用中存在的主要问题,提出改进算法.最后将算法应用到教育信息挖掘中,发现一些有价值的规则,为学校的教育决策和教学管理提供有指导意义的信息.