关联规则挖掘在DM研究热点演化分析中的应用

数据挖掘是基于数据库、统计学、机器学习、人工智能等多学科交叉的新兴学科领域.为系统分析和评价该学科过去和现在的研究热点及其内在结构,以Web of Science数据库收录的主题为"data mining"的期刊论文为数据源,对关键词进行规范和统计选出热点高频词,然后将期刊论文视为事务,高频词视为项集,采用关联规则分析方法挖掘隐含在1997～2004年、2005～2008年两个时期文献集中的关联词汇,定量描述知识主题之间的逻辑关联和相关影响程度,并借助可视化工具对知识主题关联网络进行直观展示.     

最优关联规则的形式和挖掘思想研究

数据挖掘中人们更多地关注关联规则，因为它有着丰富的内涵，对应它的复杂内容，本文给出了关联规则的挖掘原则，从大量的数据库中挖掘关联规则一定要有合理有效的指导思想，挖掘出的规则应能准确地反映现实。为减少不必要的规则以免混淆决策，分析了最优规则的思想，还有很多问题期待进一步研究。     

关联规则挖掘技术研究

以关联规则挖掘技术的发展为主线,将目前的研究方法归纳为五类:项无加权关联规则挖掘、项加权关联规则挖掘、项完全加权关联规则挖掘、负关联规则挖掘和增量挖掘,对这五类挖掘技术进行整体性阐述和比较性研究,指出了一些挖掘技术的局限性,最后展望关联规则挖掘技术在信息检索查询扩展领域中的应用前景.     

关联规则快速挖掘在CRM中的应用

交叉销售分析是CRM中的主要分析内容之一.提出了一种前件固定、后件受约束的关联规则快速挖掘算法,该算法的挖掘结果可以帮助企业利用销售情况好的产品促进其他产品的销售;同时提出了一种后件固定、前件受约束的关联规则快速挖掘算法,该算法的挖掘结果可以有效地帮助企业利用交叉销售方法为新产品开拓市场.仿真结果表明,这两种算法能够帮助企业快速准确地得到所需的信息.     

关联规则在大学生就业信息库中的应用研究

本文以高校学生就业信息库为研究对象,采用数据挖掘技术挖掘学生就业信息库中的有用知识。本文围绕挖掘优秀毕业生特点这一主题,运用Apriori关联规则算法对学生就业信息库进行挖掘,得出相应的规则和知识．为学校课程建设、教学改革及就业指导提供决策支持。     

关联规则挖掘在超市商品管理中的应用

本文利用超市商品流通数据,采用SPSS Clementine软件中的CARMA关联规则模型,对销售商品进行挖掘分析,找出商品之间的关系,为超市商品管理提供决策依据。     

关联规则挖掘在网络信息检索中的应用

针对目前网络信息检索效率不高的问题,提出了一种基于关联库的查询扩展方法。此方法通过将文档用向量空间模型表示,然后,抽取文档中的特征语词/概念,再利用关联规则挖掘技术揭示文档中语词/概念之间的相关性和层次关系,从而构建关联库。通过关联库对用户的查询需求进行扩展以达到提高查全率和查准率的目的。     

关联规则挖掘研究

本文对关联规则挖掘的定义及相关概念作了简单的介绍,对基于关联规则挖掘的hpriori算法基本思想进行了深入剖析,提出了该算法的瓶颈问题,并就此问题分析讨论了hpriori算法优化技术。     

关联规则挖掘研究

本文对关联规则挖掘的定义及相关概念作了简单的介绍,对基于关联规则挖掘的hpriori算法基本思想进行了深入剖析,提出了该算法的瓶颈问题,并就此问题分析讨论了hpriori算法优化技术。     

关联规则挖掘技术在图书借阅服务中的应用研究

在概述关联规则挖掘技术的基础上,深入分析关联挖掘技术在图书馆借阅服务中的应用,通过关联规则挖掘技术统计与分析图书馆借阅服务信息,统筹借阅服务与采访服务,实现图书推荐服务等个性化信息服务方式,为提高图书馆信息服务层次与水平提出了一些建议与对策。     

关联规则挖掘方法在研究生教育评估中的应用

在研究生教育评估中,采用数学模型拟合和语言文字表述两种方式,来分析自变量与因变量之间存在着的相互关系,有着不同程度的局限性。鉴此,提出了应用关联规则挖掘方法来分析它们之间关系的思路,同时给出了算法Tid-option,最后以全国优秀博士学位论文评选为案例进行了实证研究。     

关联规则挖掘在图书馆信息服务中的应用

介绍了数据挖掘中的关联规则技术,使用关联规则对图书馆中的流通数据进行了分析,并且给出了实例,对在使用中的有关问题进行了讨论并提出了解决方法.     

关联规则挖掘综述

本文介绍了关联规则的研究情况，提出了关联规则的分类及各种挖掘算法。通过对典型挖掘算法进行分析，给出了对挖掘算法进行优化的思想，最后展望了关联规则挖掘的未来方向。     

基于关联规则的Apriori挖掘算法改进

关联规则挖掘是-种主要的也是用途最广的数掘挖掘方法.本文首先对关联规则挖掘及其经典Apriori算法作了介绍,然后针对Apriori算法的缺陷,提出了一种改进的关联规则挖掘算法,充分地证明了改进算法的性能优势.     

关联规则增量挖掘的研究与设计

关联规则挖掘是数据挖掘领域中的一项重要研究内容,由于数据库规模的不断动态扩展,迫切需要针对增量式关联规则挖掘的研究。在分析现有算法的基础上,分别从两个可改进的角度出发对算法进行优化：先在关联规则挖掘中,提出一个高效的搜索频繁项集算法,该算法只需扫描一次数据库即可完成所有频繁项集的搜索,然后利用此方法设计出一个新的增量式挖掘算法,在不影响准确率的情况下大大地提高了挖掘效率。     

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。     

基于增量数据库关联规则挖掘算法研究

近年来数据生成和收集技术的发展使得面向科研、管理等领域的数据集十分庞大,从而对海量数据集进行的信息提取变得更加迫切。文章对数据挖掘的概念及所要达到的目标进行剖析,对增量数据库关联规则挖掘算法进行研究,通过举例对数据库关联规则挖掘算法的实际应用进行了分析。     

动态因果挖掘在决策支持系统中的应用研究

指出了传统的因果分析应用于决策支持系统中的统计相关性分析的不足,介绍了动态因果挖掘技术的研究现状、动态因果关系、动态因果规则及其分类,并对动态因果挖掘在决策支持系统中的应用进行探讨。     

关联规则挖掘中的Apriori算法浅析

关联规则研究目的是从大型数据集中发现隐藏的、属性间存在的有趣的关联或相关关系。当挖掘的数据不断更新时,如何高效即时的获得所需的结果,设计高效的算法来更新、维护和管理已挖掘出来的关联规则。该文提出了一种高效的增量更新算法,算法通过实例进行分析比较,证明了该算法有效的提高了挖掘的效率。     

基于约束的关联挖掘在教学信息中的应用研究

进行关联规则挖掘时会得到大量的规则,而真正关注的规则住往淹没其中。本文通过对基于约束的关联规则挖掘方法的分析和研究,结合实际学生选课信息,提出了适合的约束条件来剪除无兴趣规则,并挖掘出部分课程间的有趣规则,为今后的教学课程设置提供了参考。