关联规则发现方法研究

在分析关联规则挖掘所存在问题的基础上,采用一种来自统计学的残差分析和互信息方法来度量项与项之间是否相关联,并在算法中使用遗传算法对得到的规则进行优化,以提高规则的质量。实验表明,所采用的算法优于类Apriori算法。     

数据挖掘中关联规则算法在教学评价系统中的研究

关联规则技术是数据挖掘的最重要的组成部分之一,它用于发现大量数据中项集之间的有意义的关联和相关联系。本文旨在研究如何将数据挖掘技术与教学评价相结合,从大量数据中提取出隐藏在数据之中的有用的信息。     

基于多维关联规则的决策树分类法

文章对将多维关联规则结合进决策树进行数据过滤的方法进行了阐述,给出了应用该方法完成知识获取的过程及算法。     

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。     

基于关系数据库的教学评价数据的关联规则挖掘

频繁项集的挖掘是数据挖掘中的一个十分重要的组成部分。本文结合关系数据库的特殊性,利用标准SQL语言,提出适合于关系型数据库频繁项关联规则挖掘的算法,应用于教学评价数据的挖掘,得出一些潜在的关联信息,为教学管理提供决策。     

关联规则算法优化研究

关联规则是数据挖掘中一个重要的研究内容。典型的关联规则发现算法是由R.Agrawal等提出的Apriori算法。本文研究了数据挖掘技术中的关联规则算法。对经典的Apriori算法作了全面的分析,指出了挖掘中的关键步骤,提出算法的不足,并给出了算法可以改进的方向。     

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.     

关联规则数据挖掘在评价系统中的实践创新研究

本文首先介绍了数据挖掘在高校教学评价系统中使用的意义,明确了挖掘模块的功能定义及挖掘具体的实现方案,然后详细介绍了关联规则挖掘在高校评教系统中的使用。全文以哈尔滨华德学院为实例,综合了教务处、人力资源部、教学质量监督中心等部门的数据记录形成教学评价初始数据,经过一系列数据预处理操作,形成挖掘对象,通过使用关联规则的Apriori算法对教师属性与评教等级进行了挖掘分析,最终得出了有参考价值的挖掘结果。     

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。     

基于粗糙集的高校教师绩效考评的规则挖掘

对粗糙集处理的基本步骤及算法进行详细的描述,应用粗糙集理论和区分矩阵来挖掘各因素规则的方法对一个高校教师绩效考评的例子进行分析和处理,挖掘出评价规则,得出了各主要考评因素的客观权重。     

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。     

关联规则的增量更新算法研究

关联规则是数据挖掘领域的一个重要分支。随着数据库的不断变化,关联规则的增量更新变得尤为重要。为了更好地对关联规则进行有效的更新,对已经提出的经典的关联规则更新算法FUP和IUA算法进行分析,指出其优缺点;提出了一个改进的关联规则算法PFUP。该算法减少了候选项集数目,从而减少扫描数据库D的次数,提高了效率。     

关联规则在股票预测中的应用研究

使用经典Apriori算法,对股票数据进行一维和二维规则的挖掘。针对股票交易的特殊性,提出了使用换手率代替成交量作为数据预处理的对象,引入了平均支持度作为最小支持度进行股票数据的挖掘。实例验证证实了挖掘结果的正确性、有效性。     

基于关联规则的学生成绩分析

数据挖掘技术是目前信息技术研究的热门问题,被广泛的应用于各个行业,但在教育领域的应用相对较少。本文对数据挖掘技术中的关联规则进行了介绍,实现了Apriori算法,并应用该算法对学生成绩进行分析,挖掘学生成绩数据中的隐藏信息,找出了各个成绩为优秀的学科之间的关联性,得出了语文、数学、英语及各文理科课程的相互影响程度,为教育管理部门提供决策支持。     

基于组织多层次进化的关联规则挖掘算法

针对Apriori算法、FP-Growth算法、RAGA算法，不同程度地出现运算速度慢、正确关联规则的提取率低，本文提出了基于组织多层次进化的关联规则挖掘算法。本文算法有较好的计算时间性能，本文算法对处理大规模数据也有着很好的性能。     

数据挖掘中关联规则算法的研究

Apriori算法是关联规则挖掘中的经典算法。通过对Apriori算法的基本思想和性能的研究分析,提出了一种基于垂直事务列表的树形结构的挖掘算法,减少了候选频繁项集的数量,提高了挖掘算法的效率。实验结果表明新算法具有良好的性能。     

一种对数据库进行压缩的关联规则挖掘算法

关联规则挖掘算法为了发现事先未知的关联规则,需要用高效的方法计算出数据库中的大项目集。影响数据挖掘效率的两个因素,一个是数据库大小,另一个是算法的效率。本文算法通过将数据库进行高度压缩,使数据库中的数据量大大减少,同时算法采用逻辑运算方法计算项集的支持数,计算效率较高。     

企业孵化器评价研究综述

针对企业孵化器内涵、功能、运行机制和管理模式的研究现状,从企业孵化器评价角度对相关文献进行了综述,以期为后续企业孵化器评价研究奠定理论基础和提供实践指导。具体内容包括:企业孵化器的服务和功能、评价对象的类别、评价指标体系结构、评价技术设计等方面。在此基础上,提出了企业孵化器评价的未来发展方向。     

自适应遗传模拟退火的Web日志关联挖掘

提出一种基于自适应遗传模拟退火策略的Web日志关联规则挖掘算法。该算法在遗传模拟退火策略基础上,引入自适应的交叉概率和变异概率,使其具有较强的全局搜索能力,有效地避免了早熟的现象。实验结果证明,该算法能有效地解决Web日志关联规则挖掘问题。