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.     

关联规则挖掘在就业指导中的应用

关联规则是数据挖掘的核心内容之一,通过关联规则的挖掘可以找到繁杂的数据中隐藏的有用信息。通过对已经成功就业的学生具备的知识和能力进行关联规则挖掘,可以挖掘出各个行业成功就业需要具备的知识和能力,从而有针对性地指导学生就业和择业。     

基于关联规则的聚类挖掘在远程教育中的应用

阐述了在远程教育的研究和应用中,利用基于关联规则的多层次、超图分割聚类方法,对Web网页和用户进行有效聚类。该方法借助网站层次图,可以根据实际需要,在各个层次上进行聚类分析,仅将高度相关的网页和用户聚在同一类,而将关联性较小的网页排除在聚类外。     

关联规则挖掘在毕业生就业分析中的应用研究

介绍了关联规则挖掘的相关概念和算法,对就业事务数据进行了采集和预处理,使用Visual FoxPro开发了一个就业事务关系挖掘工具,并对学生就业各项事务进行了关联挖掘分析,找出它们之间客观存在的关系,为学校就业指导工作服务。     

基于语义相关性的关联规则挖掘研究

为了解决传统关联规则挖掘中候选集数量过多,计算时间复杂度过高的问题,提出了基于语义相关性的关联规则挖掘方法.该方法采用本体概念之间的语义相关性描述领域中的复杂关系,通过语义相关度过滤掉领域中相关性较小的候选集,以减少关联规则挖掘中候选集的数量.计算语义相关性时,将本体层次关系看作有向无环图而不是层次树,不仅考虑直接层次关系,还考虑非直接层次关系和其他典型语义关系.实验结果表明,该方法能有效减少候选集数量,提高关联规则挖掘的效率.     

基于多维频繁项集的在线关联规则挖掘的设计与实现

对多维关联规则挖掘的理论及实现进行了详细的介绍,尤其对基于多维频繁项集的挖掘算法结合实例进行了详尽的阐述和实现。通过选用先进行立方体计算、后进行数据挖掘的OLAM模式,确定了数据挖掘的范围,然后再进行多维关联规则的挖掘。将交互式挖掘嵌入到联机分析系统中来。     

基于关键属性约束的关联规则挖掘在日志分析中的应用

日志是计算机取证、入侵检测分析的重要数据来源,运用关联规则挖掘算法对日志进行分析是获取日志中所蕴含有用信息的重要方法,针对基于置信度-支持度框架的常用关联规则挖掘算法在日志分析中存在的不足,引入日志关键属性的概念,提出了基于关键属性约束的关联规则挖掘算法。实验结果表明,该算法能有效阻止无趣规则的产生,提高挖掘结果的有效性。     

基于弱点数据库的多维关联规则算法研究

文章在研究多维关联规则挖掘算法的基础上,提出了一种适合关系型弱点数据库的高效的多维关联规则挖掘算法AprioriTidList ＋.该算法以Apriori算法思想为核心,通过对单维的层次算法AprioriTidList进行改造得到.通过与多种算法的比较、分析,对AprioriTidList＋算法的优点进行了介绍.     

改进的关联规则增量式更新算法

发现频繁项集是数据挖掘应用中的关键问题,发现过程的高花费要求对增量数据挖掘算法进行深入研究.考虑保持最小支持度不变,一个事务数据集d动态的添加到事务数据库D中时,利用基于矩阵的MFUP(Matrix_Fast_Update)算法生成事务数据库D U d中的频繁项集.     

关联规则在计算机基础教学中的应用

本文以职业学校计算机基础教学中的办公自动化等级考试为背景,针对其网络考核系统中学生出现的错误操作信息进行数据挖掘,从中发现有用的关联规则,并以此为根据查找教学漏洞,提出改进方法,进而提高教学效果。通过实验分析证明该方法行之有效,对今后的计算机基础教学有一定的指导意义。     

一种改进的关联规则快速算法

数据采集手段的丰富，使获取、保存大量数据变得容易，从海量数据中提取有用的知识和信息是数据挖掘的主要任务，关联规则是数据挖掘领域的一个重要分支。本文介绍了一种改进关联规则快速算法，并加入相关性分析以过滤掉无意义强关联规则以得到更为准确的信息。     

关联规则在教学评价中的应用

数据挖掘就是从大量数据中,抽取隐含的,但又是潜在有用的关联信息和知识发现过程,其中关联规则（AssociationRules）的挖掘是一个重要的问题,是大量数据中项集之间有趣的关联或相关联系。本文介绍了关联规则的概念,并将数据挖掘中的关联规则挖掘应用到教学评价中,从而得到一些对提高教学质量或水平的有用知识。     

基于形式概念的Web使用挖掘关联规则研究及应用

将形式概念分析技术应用于Web使用日志文件的挖掘,提出基于多值属性形式上下文,利用频繁闭项集挖掘Web使用日志生成关联规则的增量挖掘算法。与经典挖掘方法比较,减少了对Web使用日志的扫描次数,提高了挖掘效率,同时还可以进行增量挖掘,满足了实时页面推荐的需要。     

关联规则挖掘模型在大学生评价中的应用

本文在对数据挖掘相关技术、关联规则挖掘算法进行深入研究的基础上,归纳总结了基于粗糙集理论的关联规则挖掘模型和属性约简算法,并将其成功应用于大学生评价中,为社会选拔人才提供有价值的参考。     

关联规则评价体系的改进

指出了原有的"支持度-可信度"评价体系存在的局限性,并在统计相关性理论的支持下对这个评价体系进行了扩展,提出了更能真实反映用户需求和兴趣的"支持度-可信度-相关度"三维评价体系;同时给出了一种用相关性理论对强关联规则进行进一步过滤的算法.     

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。     

改进的关联规则算法及其应用

根据数据挖掘中关联规则的性质以及高校成绩管理数据库的自身特点,在经典关联规则算法Apriori算法的基础上提出了一种改进的算法A 算法,并利用该算法对学生成绩管理数据库进行了关联规则挖掘,得到了隐含在数据库中的有用信息。     

改进的Fp-Growth数据关联挖掘算法研究

改进后的Fp-Growth挖掘算法适用于对大型数据库的数据关联规则的挖掘,基于一种新的数据库分隔方法来分隔数据库,并对分隔得到的各数据库子集用算法进行约束频繁项集挖掘。改进的数据库划分策略克服了占用内存大的缺陷,提高了挖掘速度,实时性更强。     

关联规则在CRM中的应用

数据挖掘是近几年发展起来的一种对信息资源进行开发和数据处理的新技术，而关联规则是数据挖掘的核心技术。以超市为例．通过分析顾客的购买行为，来实现将数据挖掘中的关联规则算法应用于客户关系管理（CRM）中，从而为商业提供决策支持。     

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。