基于关联规则挖掘的高职院校计算机专业课程设置

关联规则挖掘是挖掘研究领域的一项重要技术,高职院校教学管理系统产生海量数据,这些数据中隐藏着大量有价值的信息.文章采用改进的Apriori算法对高职院校计算机专业学生成绩进行关联规则分析,挖掘出课程之间的相关性,为高职院校更科学的制定教学计划提供有力的决策支持,进而提高教育教学质量.     

基于Apriori算法的高职院校图书精准推荐系统

由于读者的阅读习惯从传统的纸质图书阅读逐渐转移到电子图书阅读,且高职院校学生的借阅习惯、阅读能力与本科高校学生存在一定差异,需要根据高职院校学生的图书借阅特点对图书推荐系统进行优化。通过关联纸质图书推荐系统与电子图书系统扩大学生图书借阅记录范围,关联教务系统获取学生专业成绩,对学生借阅记录进行过滤筛选得到具有参考性的数据集,使用Apriori算法对新的数据集进行关联规则分析,得到关联规则表,进而实现高职院校学生图书精准推荐。     

数据挖掘技术在高职院校教学管理中的应用

职业教育是我国教育改革与发展的重点之一,教学管理是提升高职院校教学质量的关键环节。为了提高高职院校教学质量和教学水平,应用大数据挖掘技术对教学数据进行分析。首先采用Apriori算法对学生成绩表、课堂考勤表进行数据处理,然后挖掘隐藏在学习成绩和考勤数据中的规律,分析各学期不及格科目、出勤情况与毕业状态之间的关联规则。通过结果分析与评估,为任课教师和教学管理部门提供指导,帮助科学规划各学期教学管理重点,进一步改进教学管理水平,提高教学质量。     

分布式环境下关联规则挖掘技术实例分析

分布式数据库系统中存储了海量数据,在这些数据的背后,蕴涵着大量有价值的知识。这些知识的挖掘已成为继数据库本身研究之后十分重要的方向之一．该文根据分布式数据库的特点,提出了一种在其上的关联规则挖掘系统．该系统利用矩阵工具挖掘局部关联规则,并采用了不确定性推理方法来融合各局部关联规则．从而提高了局部关联规则挖掘效率和和全局关联规则的准确率．     

基于粗集理论的教学评估关联规则挖掘研究

通过关联规则挖掘找出影响教学质量的因素及教学过程中存在的问题,可以有的放矢,以提高教学质量。以某校教学管理系统中的教学数据为案例,基于粗集理论通过数据预处理、属性约简、关联规则挖掘,进行教学评估关联规则挖掘,并对挖掘出的真正有趣的关联规则进行了分析,收到了良好的效果。     

分布式环境下关联规则挖掘技术实例分析

分布式数据库系统中存储了海量数据,在这些数据的背后,蕴涵着大量有价值的知识,这些知识的挖掘已成为继数据库本身研究之后十分重要的方向之一.该文根据分布式数据库的特点,提出了一种在其上的关联规则挖掘系统.该系统利用矩阵工具挖掘局部关联规则,并采用了不确定性推理方法来融合各局部关联规则,从而提高了局部关联规则挖掘效率和和全局关联规则的准确率.     

高职平台的关联性探索

高等职业院校人才培养工作状态数据采集与管理平台至今已运行7年,在学校内涵建设中开始发挥作用.掌握平台字段的关联性,可以检验数据的唯一性.按不同分类标准,有不同的关联类型.从高职院校管理现状来看,平台的关联主要在于指标之间的关联.提出关联性目的是减少或避免因误填、误采而导致的错误数据.高职院校对平台的关联性建立自我检测机制应提到议事日程上来,从易到难,逐步扩展自检范围,不断提高平台所采集的数据的质量,为数据分析、挖掘打下扎实的基础.     

多媒体图像挖掘的关联规则挖掘

数据挖掘从大量的数据中提取隐含在其中的有用信息和知识,采用关联规则挖掘方法,对多媒体图像进行关联规则挖掘,得出多媒体图像的关联规则。     

关联规则技术在高职院校学生培养中的应用研究

本文通过对数据挖掘中关联规则技术的深入研究,在教务管理数据的基础上,将关联规则技术应用于学生培养中,构建了基于学生发展的学生培养模型,得到了一些基本的规则,为高职院校的招生工作、学生的发展提供了科学的参考依据,对教学管理起到了指导和加强作用。     

改进的Fp—Growth算法在高校教务选课系统中的应用

对数据关联规则挖掘中最为消耗系统资源的步骤——搜寻频繁项集作了深入的描述,在对已有数据关联规则挖掘算法的分析基础上,提出了基于Fp—Growth算法的数据关联规则挖掘改进的Fp—Growth算法,开发了无锡交通高等职业技术学校的教务管理系统,并通过实验验证了改进的挖掘算法的有效性和优越性。     

网络入侵分析关联规则挖掘系统设计

关联规则广泛应用于网络入侵检测,以Access2003数据库为基础,实现了关联规则挖掘apriori算法,成功挖掘出网络数据特征项与入侵类型之间的关联规则,能有效地对网络入侵数据进行关联规则分析。     

基于关联分析的计算机软件数据挖掘技术

计算机软件蕴含大量工作信息,有效挖掘软件数据信息之间的内在关联是信息时代对软件应用的潜在要求。针对经典Apriori算法挖掘数据效率低、复杂度高的问题,提出一种改进Apriori算法用于挖掘计算机软件数据的关联规则。为计算机软件算法设置双重支持度阈值,即频繁项集与非频繁项集支持度阈值,快速获得强关联的频繁项集;在此基础上基于映射规则重构事务数据库,压缩数据库规模,减少算法的剪枝操作,降低计算机软件数据关联规则挖掘复杂度。以人力资源类计算机软件数据为例展开关联分析测试,结果显示,该算法挖掘的关联信息与人力资源实际管理情况一致,相比经典Apriori算法其效率有所提升。     

模糊关联规则的挖掘算法

关联规则的挖掘是数据挖掘中的重要内容之一,关联规则包含了一组对象之间的特定关系.目前对关联规则的研究,仅限于用确定和精确的概念表示的确定关联规则.而现实生活中,数据之间的关系通常表现为模糊关系,用确定的关联规则不能表示数据之间的这种关系.为了拓广关联规则的表示和应用范围,本文讨论了模糊关联规则的概念,并提出了一种基于集合枚举树的模糊关联规则的挖掘算法FAAR.     

高等教育院校冷门学科教学质量评估模型构建

为了提高高等教育院校冷门学科教学效率,进行高等教育院校冷门学科教学质量评估,提出基于关联信息挖掘和统计特征分析的高等教育院校冷门学科教学质量评估模型,并结合统计数据进行实证分析。构建高等教育院校冷门学科教学质量统计信息模型,根据教学质量的调查评估信息,对高等教育院校冷门学科教学质量评估数据进行语义关联规则重构,提取教学质量调查评估信息的关联维特征量,分析高等教育院校冷门学科教学质量测评互相关信息融合的规则性特征量,以此为约束条件进行高等教育院校冷门学科教学质量评估的关联信息挖掘评判,采用统计特征分析方法进行高等教育院校冷门学科教学质量的统计分析和稳健性检验。实证分析结果表明,采用该模型进行高等教育院校冷门学科教学质量评估的准确性较好,置信度较高,提高了高等教育院校冷门学科教学的质量。     

关联规则算法在临床医疗诊断中的应用

为了从临床数据中挖掘出疾病之间的相关性,为疾病临床诊断提供一种辅助方法,使用SPSS Statistics进行数据预处理,将数据转化为布尔数据,最后应用SPSS Modeler搭建基于Apriori算法的关联规则挖掘数据流,采用云南某医院2013年住院病案首页数据（共54 841条）建立疾病间的关联规则模型。从227种疾病中挖掘出信度大于20%的关联规则共40条,涉及20种疾病。关联规则挖掘可以从大量临床数据中发现疾病间潜在关联,为相关疾病的临床诊断提供辅助。     

基于遗传模拟退火算法的药品零售大数据关联规则挖掘

针对药品零售大数据信息,提出一种基于遗传模拟退火算法的关联规则挖掘改进算法。首先以遗传算法为主体,模拟退火算法作为其辅助,在遗传算法选择操作、交叉运算和变异运算中融入模拟退火算法,实现对算法的设计;然后运用Python语言实现了算法,并通过对药品零售大数据关联规则挖掘,发现药品零售大数据之间的关联,有效地量化了药品之间的相关程度;最后对改进算法进行有效性和可行性测试。仿真实验表明,相比遗传算法,该算法的挖掘速快,挖掘质量高,有效地提高品零售大数据关联规则挖掘的性能。     

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。     

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。     

分布式动态数据库增量关联规则挖掘研究

为了解决分布式动态数据库关联规则挖掘效率低的问题,利用MPI与OpenMP的优点,提出了实现增量关联规则挖掘的混合模式。在次频繁项概念基础上,给出该混合模式总体架构,设计了基于MPI与OpenMP的分布式动态数据库增量关联规则挖掘混合模式工作流程,并给出了伪代码描述,该模式只处理变化的数据。实验结果表明,该模式比现有的串行与分布式关联规则挖掘方法效率更高、性能更优。     

关联规则挖掘在超市销售系统中的应用及实现

超市购物篮分析是关联规则挖掘的典型应用领域,分析了关联规则在超市销售系统中的应用,然后提出了一种基于二维数组的关联规则挖掘实现算法,并根据算法开发实现了挖掘系统。通过模拟的超市销售数据进行试验表明,算法及所实现的系统是可行的、高效的。