面向敏感模式的关联规则挖掘

介绍了关联规则隐私保护方法的研究概况,提出了利用基于敏感模式隐私保护算法,并通过实验验证该算法在模式丢失以及数据集中的差异上等性能有明显改善。最后,对未来关联规则挖掘领域中涉及的信息隐藏研究进行了展望。     

基于遗传算法的关联规则挖掘

设计了一种基于遗传算法的关联规则算法,该算法将遗传算法和关联规则相结合.对遗传算法的编码方法、适应度函数的构造、交叉算子和变异算子进行了分析,给出了所设计方法的具体步骤,并进行了试验.试验表明,改进后的算法的执行效率高于Apriori算法.     

关联规则隐藏算法综述

近年来,数据挖掘备受青睐,它可以从大量数据集合中提取隐藏的知识。如何实现既找到数据中隐藏的知识,又不透露其中的敏感信息尤为关键。隐私保护数据挖掘（PPDM）能够实现对敏感信息的保护,关联规则隐藏是PPDM技术中的一种,用来保护敏感性的关联规则。总结了关于隐私保护的数据挖掘方法并指出了其优缺点,同时重点对关联规则隐藏算法进行了分析。     

关联规则挖掘研究

介绍了关联规则的基本概念和分类方法,分析了典型的Apriori算法,并描述了Apriori算法的性能瓶颈与改进策略.最后展望了关联规则挖掘的进一步研究方向.     

基于遗传算法的关联规则挖掘方法

基于对数据挖掘,特别是关联规则挖掘的研究,提出了一种改进型遗传算法的关联规则提取算法,并从编码方法、适应度函数的构造和遗传算子的设计方面进行讨论分析。通过对早熟问题的分析并改进自适应算子,提高了算法的效率,使算法在相对稳定的动态种群规模中寻找优质解。     

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．     

基于Web日志挖掘的关联规则算法研究

Web日志挖掘是对用户与Web服务器在交互时产生的数据,采用数据挖掘技术发现隐含的规律性知识。首先对Web日志挖掘进行了概述,重点研究了关联规则算法中的Apriori算法,并对Apriori算法进行了改进,最后给出具体实例。     

基于空间数据的关联规则挖掘算法及实现

空间数据挖掘就是从空间数据库中抽取隐含的知识，空间关系或是空间数据库中存储的其它的隐含的模式的过程。空间关联规则是空间数据挖掘的一个重要表现形式，利用空间关联规则把空间数据库中的数据转化为知识是一个很好的方法。本文给出了一种基于空间数据的关联规则挖倔算法，并给出了实例。     

基于聚类的关联规则挖掘算法

关联规则是数据挖掘中一个非常重要的任务,有许多针对于关联规则的挖掘算法,然而需要提高算法的有效性来处理现实世界中的数据集。基于聚类的关联规则挖掘算法法通过扫描数据库创建聚类表,将收集的事务记录放入聚类表中,通过局部聚类表的约束来产生频繁项集,不仅可以剪枝候选项集,降低数据扫描的时间,而且确保挖掘结果集的正确性。实验结果表明,基于聚类的关联规则挖掘算法比Apfiori算法有更高的执行效率。     

基于Apriori的加权关联规则挖掘

关联规则挖掘可以发现大量数据中项集之间有趣的关联或相关联系,并已在许多领域得到了广泛的应用.Apriori算法是挖掘关联规则最基本,最核心的算法之一.但Apriori算法只考虑交易中项出现的频率,没有考虑事务集不同项及记录具有不同的重要性,挖掘出来的规则具有一定的局限性.针对这点不足本文提出一种记录加权关联规则挖掘,结合Apriori算法并加以改进,给出相应的New-Aproiri算法.     

基于数据挖掘的隐私保护平台开发设计

随着数据信息的不断发展,信息量也越来越大,数据挖掘技术得到飞速的发展,应用范围不断扩大,在挖掘过程中私有信息如何得到保护,并且还能获取比较准确的挖掘效果,已经成为数据隐私保护平台开发设计的重要研究方向。本文结合作者多年的工作经验针对数据挖掘过程中的隐私保护平台的设计展开探讨,最后提出了未来研究方向。     

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。     

基于Apriori应用的XML数据关联关系的挖掘

XML作为基于web的描述数据、交换数据标准，正日益流行和普及，因此从web的大量数据中挖掘XML数据变得日益重要。本从Apriorl算法出发，提出了基于Apriorl应用的XML关联关系的挖掘算法。     

一种改进的并行关联规则挖掘算法

在FDM算法的基础上,提出了一种改进的并行关联规则挖掘算法FDM_DT,此算法利用DHP算法中的Hash表技术改进了2阶侯选项集的生成过程,并采用Apriori Tid算法中的Tid表技术对事务数据库中的事务数进行有效消减。因此,此算法在处理大规模数据时有较高的综合效率。     

关联挖掘研究综述

数据挖掘是一种重要的数据分析方法,旨在发现庞大的数据中隐藏着的、先前未知的并潜在有用的模式和信息,以帮助人们正确理解和认识数据,进行科学决策。关联挖掘是数据挖掘中研究最早也是最活跃的领域,其中,频繁模式挖掘是关联挖掘的核心和基础。对关联挖掘算法的研究和发展进行综述,分析挖掘算法面临的主要挑战,概括最新研究进展。     

关联规则挖掘在高校奖学金评定中的应用

将关联规则挖掘用于奖学金评测信息分析中,借助数据挖掘技术对奖学金信息进行深度挖掘,寻找与各个奖项相关联的因素.算法上,直接采用Apriori算法进行频繁项目集的发现.     

ICAI系统中数据挖掘研究

学生在学习过程中未达到学习目标,说明存在知识缺陷,如何智能性重构学习路径弥补知识缺陷是ICAI的关键技术I。CAI有其本身的规律及特点,利用数据挖掘算法,能较好提高ICAI的因材施教的能力。本文通过分析研究挖掘算法,提出在目标测评ICAI系统中挖掘算法的合理实现方法。     

基于简单双矩阵的关联规则算法研究

针对关联规则挖掘中传统Apriori算法需要通过多次扫描数据库来发现频繁项集的问题,提出一种基于简单双矩阵的方法来实现频繁项集的发现．该方法仅需要扫描数据库一次,并充分利用项集的出现次数和是否出现逻辑值来获取频繁项集．实验表明,该方法比Apriori算法更高效．     

论网络隐私权的法律保护

计算机信息网络技术的发展使得网络空间的个人隐私权受到前所未有的严峻挑战,我国要把保护网络隐私权提到立法日程上来,借鉴国外先进经验并结合我国现状,构建法律保护机制。本文对网络时代隐私权法律保护的前景作了一些粗浅的探讨。     

基于树与链表的关联规则增量更新的实现

针对两次挖掘的增量更新算法具体实现时所采用的数据结构作了重点讨论分析,提出了一种高效存储处理频繁项目集集合的数据结构--树与链表,并介绍了在树与链表上的操作.最后在模拟数据的基础上,验证了树与链表数据结构对算法的效率影响,实验结果表明树与链表适用于两次挖掘关联规则增量更新时数据存储.