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。     

关联规则挖掘在学分制教学管理中的应用

利用数据挖掘技术的关联规则挖掘,可以从大量数据中发现有价值的规则。本文将Apri-ori算法应用于高校教学管理系统,探讨了高等学校专业课程间的相关性问题,并对学生成绩数据进行分析,得出了部分合理、可靠的课程相关性规则,为学分制体系下学生选课提供指导。     

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。     

关联规则挖掘研究

介绍了关联规则的基本概念和分类方法,分析了典型的Apriori算法,并描述了Apriori算法的性能瓶颈与改进策略.最后展望了关联规则挖掘的进一步研究方向.     

关联规则挖掘技术在学生选课系统中的应用

文章运用数据挖掘的关联分析理论,对学生成绩数据库进行了挖掘,得到了一些合理、可靠的课程关联规则．从而为学分制体系下的学生选课提供指导以及为今后的教学课程设置提供参考。     

关联规则挖掘的一种改进算法

关联规则的提取是数据挖掘中的重要研究课题,文章对关联规则提取中的Apriori算法进行了深入研究,指出了该算法的某些不足,提出了一种改进算法.     

关联规则挖掘在B2C网站中的应用

本文首先介绍了关联规则挖掘的含义和功能,然后重点分析了它在某购物网站中的应用,得出对卖家有用的建议,起到了支撑作用。     

改进的关联规则挖掘算法及其在课程设置中的应用

通过对Apriori算法的分析与研究,指出其在实用中存在的主要问题,提出改进算法.最后将算法应用到教育信息挖掘中,发现一些有价值的规则,为学校的教育决策和教学管理提供有指导意义的信息.     

关联规则挖掘技术在学生选课系统中的应用

文章运用数据挖掘的关联分析理论,对学生成绩数据库进行了挖掘,得到了一些合理、可靠的课程关联规则,从而为学分制体系下的学生选课提供指导以及为今后的教学课程设置提供参考。     

基于分布式系统的关联规则挖掘算法

分布式算法具有高度的适应性、可伸缩性、低性能损耗和容易连接等特性,可以作为挖掘关联规则的理想平台。分布式系统环境下实现高效分布式算法的方法。数据挖掘同关系数据库的关系,实现算法对数据库结构的要求,明确在实现中需要解决的几个核心问题。     

Apriori关联挖掘的研究与应用

关联规则是数据挖掘领域的一个重要分支。随着大量数据的收集和存储,人们对于从数据库中挖掘关联规则越来越感兴趣,Apriori算法就是经典的关联挖掘算法。文章分析了Apriori的算法思想、算法描述及实际应用。     

基于SQL Server的关联规则算法在高校招生中的应用

该文介绍了数据挖掘、关联规则、Apriori算法的基本概念,同时基于Microsoft数据库平台 SQL Server 2005,结合BI Development Studio的分析服务功能SSAS,利用Microsoft关联规则数据挖掘算法对招生系统中数据进行数据处理和数据挖掘,从而找出强关联规则,为高校的招生提供参考依据。     

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。     

关联规则在“基于网络的课程考核改革试点”工作中的应用

介绍了数据挖掘和关联规则,并运用关联规则的Apriori算法对参加“基于网络的课程考核改革试点”学生的成绩数据进行挖掘,得出了形成性考核成绩和期末考试成绩有明显的相关关系的结论。     

遗传算法在关联规则挖掘上的应用

结合遗传算法全局优化的特点,本文提出了采用遗传算法与Apriori方法结合的改进算法,并将其应用于关联规则挖掘过程。改进算法具备较好的全局优化的特性,特别是在深度挖掘和小关联度挖掘的方面,较传统算法的效率有所提高。     

关联规则的并行挖掘算法

关联规则是数据挖掘的重要研究内容之一,而传统的串行算法已不能满足数据库空前发展的需求.本文提出了关联规则的并行挖掘算法,探讨了相关的数据结构,并对算法进行了定性分析.     

Apriori算法在网上考试系统中的应用

在远程教育系统的网上考试系统模块中,数据库和数据仓库中的用户交互数据记录了用户对系统的访问行为信息,利用最小支持度和最小置信度,挖掘出频繁项集,对这些信息的分析有利于远程教育教学管理人员和教师掌握学生对知识的掌握情况,从而可以对教学内容加以改进,对教学平台进行优化.     

基于Apriori算法的数据挖掘算法研究

关联规则挖掘是一种最有影响的数据挖掘技术。它在交易数据库或其他数据仓库项目集之中提取有意义的关联,频繁模式和关联。大多数现有的算法发现频繁模式都需要多次遍历数据库,导致大量的磁盘读取,造成了巨大的I/O负载。为了减少重复读盘,本文提出了一种新的自上而下的方法,即Apriori算法的改进版本,此算法大大降低了数据库的扫描次数,避免生成不必要的模式而减少了数据库的扫描,节省了大量的时间和空间。