基于关联规则算法的改进研究

目前，已经提出了许多挖掘关联规则的算法及其变型，其中最著名的是Apriori算法，但传统的算法效率太低，为了解决这些问题，提出了一种快速更新的关联挖掘算法。     

基于现有数据挖掘结果的关联规则更新算法

Apriori算法是整个关联规则算法的基础.它必须对数据库进行重复性扫描.效率低,耗时巨大.针对关联规则的维护问题,提出利用已生成关联规则的挖掘结果进行更新的算法,仅需对数据库进行两次扫描,提高了关联规则的更新效率.     

关联规则算法综述

介绍了关联规则的概念及挖掘的过程,以Apriori算法为例,阐明了算法思想及其优化方法,描述了关联规则在社会生活领域的应用。     

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.     

关联规则算法的实现与优化

对基于关联规则的数据挖掘算法进行了研究,对经典的频繁项集计数算法进行了改进,提高了关联规则数据挖掘的效率。优化结果证明了关联规则算法在医学科研实验室数据挖掘中的重要作用。     

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。     

优化关联规则算法的方法研究

Apriori算法是关联规则挖掘技术中的一个经典算法。笔者通过对该算法的思想和性能分析,认为它存在两方面的不足。本文提出了一种提高频繁项集挖掘算法效率的优化方法。实验表明,该优化算法对提高频繁项集挖掘算法的效率是有效的。     

基于关联规则的零售企业营销策略优化研究

大数据时代,如何透过海量的数据洞察消费者需求,掌握其购买规律,采取恰当的营销策略,已成为以超市为代表的传统零售企业亟待解决的问题.本文基于一家大型连锁超市的日常交易数据,运用R语言进行了关联规则分析,并将结果可视化.根据商品间的强关联规则发现了顾客购买习惯的内在共性和实体零售企业在营销策略方面存在的问题,并提出了相关建议及改进措施.     

数据挖掘中关联规则Aprioir算法的改进

数据挖掘应用极大地推动了人们掌握、处理信息的能力,本文主要介绍了数据挖掘中的关联规则,关联规则中的经典算法Apriori算法,以及Apriori算法存在的不足,提出了Apfiori算法的改进研究,     

一种改进的关联规则Apriori挖掘算法

针对Apriori算法多次扫描事务数据库且产生庞大的候选集性能瓶颈,本文提出了Apriori算法的优化算法。该算法利用频繁项集产生时需要自身连接的特征,在连接前对频繁项集依据支持度由小到大进行排序,从而优化连接策略,并将其运用到描述事务数据库的布尔矩阵中。经实验证明,该算法随着事务数据库规模的扩大,较Apriori算法有明显的优越性。     

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.     

农民旅游客源市场分析及营销策略

近几年,在中央惠农政策的作用下,农民的经济条件和生活水平都有了明显提高,许多农民都具备了旅游的基本条件,农民旅游市场潜力巨大,但是市场开发几近空白。正确地认识这个市场,制定科学的营销策略,是赢得这个市场的关键。     

基于SDS-TWR算法的TOF精确定位系统

分析了SDS-TWR测距算法的定位原理,提出了基于TOF(time of flight,TOF)技术、采用SDSTWR(symmetrical double-sided two way ranging,SDSTWR)测距算法的煤矿巷道精确定位系统方案。测试结果表明,该系统的定位精度95%,达到6m以内信号有效覆盖范围半径为500m,功耗满足矿用设计要求,验证了方案的可行性。     

一种改进的关联规则挖掘算法及其应用

详细了分析传统关联规则Apriori算法的不足,提出了一种改进的关联规则快速挖掘算法。针对当前高校招生录取后大量考生流失问题,使用该算法对某地区考生信息进行数理分析和仿真实验,挖掘了隐含的有用信息,为高校招生录取提供决策性的作用。     

项目加权关联规则挖掘模型研究

项目加权关联规则挖掘中,权值反映了数据的重要程度,权值对项目支持度有加强或减弱作用.通过比较M INWAL（O）、M INWAL（W）等加权关联规则挖掘模型,分析了权值对加权关联规则挖掘产生的影响,并针对M INWAL（W）模型在加权候选频繁项目集剪枝方面存在的不足,利用支持度下界对剪枝策略进行了改进,从而有效地减少挖掘过程的计算量.     

一种基于概念层次架构的挖掘关联规则及其实证应用

在概念层次里进行关联规则的挖掘,并考虑到用户感知与主观判断所产生的认知不确定性;结合模糊分割法与FP-Growth方法,应用于概念层次架构中找出关联规则方法,主要分为两个阶段:层级架构的顺序将数据项做抽象化,找出高频模糊格;由高频模糊格来产生多层次模糊关规则。最后通过比较验证所提方法可提高算法的执行效率、缩短计算时间。     

基于分辨矩阵和Apriori算法的关联规则挖掘研究与应用

为进一步提高关联规则挖掘的运行效率,在传统Apriori算法的基础上,提出了一种基于分辨矩阵和Apriori算法的关联规则挖掘算法。在数据预处理阶段,采用分辨矩阵对原始数据集进行属性约简,达到降维的目的;在关联规则挖掘阶段,采用位图来表示原始数据集,并在每一步运算过程中通过置信度阈值对特征集进行约简。应用实例和仿真实验表明,该方法在时间复杂度和空间复杂度都有了极大的改善,具有一定的应用价值。     

我国汽车广告与营销

本文分别从品牌、策略、媒体、卖点四个方面来阐述了我国汽车广告与营销的关系和内在联系。     

基于位置关联相似性的匿名算法

在基于位置的查询服务中,历史查询数据所包含的位置与兴趣点之间存在一定的关联差异,攻击者可以利用这种差异,通过使用匹配关联的方式,获取用户的位置隐私信息。针对这一问题,通过使用二分图刻画该服务中实体之间的匹配关系,分析了这种攻击方法的基本特点,并基于k-匿名思想提出了cor-k匿名算法。该算法有效地模糊了查询位置间的历史匹配关系,阻止了潜在的历史数据匹配关联。实验证明该算法能够在较短时间内完成处理过程,适合在实际环境下部署以保护用户的位置隐私。