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.     

基于改进FP-Growth算法的中药方剂配伍规律挖掘研究

中药方剂即中药复方,是中国中医药实践经验和智慧的结晶,几千年来已积累中药方剂达十余万首,而如何利用这一巨大的方剂库,开发研制新的安全有效的方剂,是一亟待解决的问题.数据挖掘技术的出现及利用这一技术对中药方剂配伍规律进行发掘,既能大力推动中国中医信息化建设,又可快速发现隐含在方剂库中的重要的知识,也能为中医学走向世界提供强有力的技术支持,因此对中药方剂进行数据挖掘不仅是有必要的,更具有实际意义.     

基于FP-Growth算法的高校图书馆数据分析与对策研究——以山东科技大学图书馆为例

高校图书馆数据日益增加,为了更好地利用海量图书馆数据,加强图书馆自身建设、满足读者需求,基于山东科技大学图书馆数据,利用FP-Growth算法进行学科间关联分析、借阅图书分布分析、借阅量分析及图书流通量分析,并提出相应对策。结果表明,基于FP-Growth算法对图书馆数据进行关联分析,可以及时发现隐藏的规则和信息,为图书馆建设提供决策支持,提高图书利用率,更好地满足读者需求。     

高校人才网上招聘系统的设计与实现

未来几年高校在激烈的竞争中能否求得生存和发展的关键因素之一便是能否为创造优秀的教学和科研环境提供优秀的人才保证,,高校的人才招聘工作尤为重要。高校人才网上招聘系统实现了人才招聘的科学化、规范化,节约了资源,提高了工作效率。     

FP-Growth算法在网络教学平台个性化课程推荐中的应用研究

随着信息技术的发展和国家教育部对高职院校的不断重视,很多高校纷纷建立起自己的网络教学平台并且顺利运行。本文主要介绍了对网络教学平台多年累积的数据采用FP-Growth算法进行关联规则数据挖掘这一方法。这一方法能够发现隐含在平台背后的潜在规律,找出课程之间的关联性,为学生学习提供便利的同时,也能够为教师指导平台课程的设计与安排。     

基于Map-Reduce的FP-Growth算法研究

针对FP-Growth算法在处理海量数据时需要耗费大量系统资源无法实现快速的挖掘出关联规则,提出基于Map-Reduce框架的FP-Growth算法.通过使用Map-Reduce计算框架实现FP-Growth算法对数据的并行处理,提高算法的执行效率.最后通过实验证明所提出的算法在处理海量数据方面具有较好的性能.     

一个基于兴趣度的FP-Growth算法改进

人们已经提出了许多用于高效地发现大规模数据库中关联规则的算法,但它们大多会产生大量的关联规则,这些规则中包含很多用户不感兴趣的垃圾规则,且只能发现正项的关联规则。因此,引入兴趣度的概念,对FP-Growth算法进行改造,发现一些用户真正感兴趣的有用关联规则,这些规则允许包含负项规则。     

蚁群算法在网上书店推荐系统中的应用研究

提出利用蚁群算法,对用户网上书店的访问纪录进行计算统计,预测出用户最感兴趣的书籍,当此用户访问时把其关注的相关信息显示在网页上。论述了蚁群算法在书店推荐系统中的应用。     

基于改进FP_Growth算法在中药提取信息中研究

中药提取在中药生产中占有十分重要地位,企业在生产中药过程中,生产过程数据和质量数据存在一定的问题。数据挖掘技术的出现及利用k-means聚类算法和改进的FP_Growth算法对中药生产过程数据进行分析,既能为企业提高生产效率,降低成本,又保证产品的质量。因此对中药提取信息数据挖掘不仅是有必要的,更具有实际意义。     

关联规则算法在电子商务推荐系统中的应用探讨

通过数据挖掘在电子商务推荐系统中的运用,在使用关联算法的基础上为客户构建虚拟导购。同时,可分析某一热销产品捆绑另一产品可被一同购买的几率为多少。通过对客户偏好的商品类别分析和捆绑销售模式为顾客提供量身定制的服务,同时将电子商务平台所得利益最大化。本文简要介绍了电子商务推荐系统,在积累了前人构建挖掘模型的基础上建立了基于Apriori算法的电子商务推荐系统。研究关联规则算法在电子商务推荐系统中的应用,目前,Apriori算法已被广泛的运用到多个领域,准确度高、简单化等优点十分利于机器记忆与学习。     

清华大学网上招聘系统的设计和实现方法

在数字化校园的建设过程中，清华大学设计和实现了网上招聘系统，该系统依托网络资源。规范了学校的招聘流程，为应聘人员提供了方便、快捷、高效的服务，为参加招聘工作的各单位提供了有效的数据共享。本文就系统的架构、功能设计和技术特点等方面进行了介绍。     

基于时间权重的FP-Growth算法改进

本文在FP-Growth算法的基础上,提出了一种基于时间权重的FP-Growth改进算法。该改进算法把不同时间段的记录赋予不同的权重,使不同的时间段内的记录有不同的重要性,在获得频繁一项集和生成FP-Tree的过程中,不同时间段的记录具有不同的权重,可以使某些项更有可能包含在频繁一项集中,从而增加了该项生成FP-Tree的可能性。并以实例对改进算法的优越性进行了验证,进一步说明了改进算法比经典算法更符合实际情况。     

清华大学网上招聘系统的设计和实现方法

在数字化校园的建设过程中,清华大学设计和实现了网上招聘系统,该系统依托网络资源,规范了学校的招聘流程,为应聘人员提供了方便、快捷、高效的服务,为参加招聘工作的各单位提供了有效的数据共享。本文就系统的架构、功能设计和技术特点等方面进行了介绍。     

基于改进FP_Growth算法的中药方剂配伍规律挖掘研究

中药方剂即中药复方,在中医药科学中占有举足轻重的地位,我国已积累中药方剂达十余万首,而如何利用这一巨大的方剂库,开发研制新的安全有效地方剂,是一亟待解决的问题．数据挖掘技术的出现及利用这一技术对中药方剂配伍规律进行发掘,既能大力推动了我国中医信息化建设,又可快速发现隐含在方剂库中的重要的知识,也能为中医学走向世界提供强有力的技术支持,因此对中药方剂进行数据挖掘不仅是有必要的,更具有实际意义．     

网上招聘火起来

一家电脑咨询公司技术部的项目经理，总是习惯于在网络上寻找招聘信息。问他为什么不到人才招聘市场去，他很惊奇：“我找的是和网络、电脑有关的工作，不在网上找到哪里去找？”他说至少当他收到一份电子简历的时候，他已经得到了最基本的信息———这个人是熟悉网络的，而这正是进入他公司的基本要求。其实不只是他一个人，现实中已经有越来越多的人开始认同到专业的人才招聘网站去搜罗招聘信息，也同样有越来越多的公司将他们大部分的空缺职位放在线上吸引人才。据统计，目前国内有４０％的上市公司已经使用过网上招聘的方式招聘雇员，而…     

基于FP-Growth的电力系统故障预测方法

为了提高电力系统中故障预测效率及便捷性,提出一种基于FP-Growth算法的电力系统故障预测方法,无需先验知识及人工标注,便可从海量历史日志数据中快速提取出故障信息模式,并基于实时日志数据对未来可能发送的系统故障进行预测。该方法首先根据电力系统不同类型的日志特征对原始数据进行预处理,然后基于FP-Growth算法挖掘日志中与故障事件相关的关联规则,并使用关联规则进行故障匹配,从而达到预测效果。算法经过真实电力系统日志数据集测试,结果表明该故障预测方法平均准确率为89.5%,平均召回率为79.8%,且执行效率较高,节省了业务人员50%以上的时间。     

XML在网上报销系统中的应用研究

简要介绍了XML在实现Web系统的技术应用,结合网上报销系统讨论了系统基于XML的J2EE实现技术,并探讨了XML在网上报销系统中与数据库通信时的性能问题,对于XML在Web的应用给出了一些探索性的结论.     

网上选课系统中的算法及其应用

我国高校招生规模扩大以来,越来越广泛地要求学生进行自主选课。一种对于选课学生来说相对公开、公平、公正合理的选课算法至关重要。为此,本文在对现有的主要选课算法进行了分析和研究,并阐述了它们的优越性和局限性。     

数据挖掘算法及其在教学管理中的应用

文章利用关联规则的Apriofi数据挖掘算法,以一定范围的学生成绩为数据源,分析了课程问的影响关系,得到一些合理的课程关联规则。将这些规则运用到教学管理中,可以合理地设置课程及指导学生选课。     

Apriori算法的改进及其在试卷分析系统中的应用

Apriori算法是一种挖掘布尔型关联规则的典型算法。该算法在生成频繁项集时会有频繁的数据库扫描操作,并且在由低维频繁项集连接生成高维候选项集时,如果频繁项集维数过大,笛卡尔积后就会产生大量的候选项集,从而影响算法的效率。针对上述2个方面对Apriori算法进行改进,并将改进后的算法应用在试卷分析系统中。经过系统测试,改进后的算法具有较高的效率和较强的稳定性。