基于时间聚类的加权关联规则及其在企业中的应用

针对煤炭企业采用的基于关联规则的数据挖掘技术存在的不足,文章提出了一种基于时间聚类的加权关联规则挖掘算法,分析了关联规则的基本概念,简要介绍了传统Apriori算法原理,详细介绍了基于时间聚类的加权关联规则挖掘算法原理及实现．实际应用范例表明,与Apriori算法相比,基于时间聚类的加权关联规则挖掘算法具有较高的准确性．     

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。     

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。     

关联规则挖掘算法研究综述

基于关联规则挖掘算法的研究现状,对几种经典的关联规则挖掘算法进行了重点介绍,如Apriori、FP-Growth、QDT等。通过对几种典型算法的步骤及主要思想进行详细阐述,提出了这几种算法的优缺点及目前研究面临的主要问题,为关联规则挖掘算法的优化研究提供了借鉴。     

关联规则挖掘概述

主要介绍了关联规则挖掘的研究情况,对一些典型算法进行了分析和评价,指出传统关联规则衡量标准的不足,并归纳出关联规则的价值衡量方法,最后,展望了关联规则挖掘的未来研究方向。     

基于矩阵行向量运算的关联规则挖掘算法研究

本文主要研究了数据挖掘中关联规则挖掘算法的改进方法,通过分析经典的Apriori算法,找出算法的不足．提出了一种基于矩阵行向量运算的频繁集挖掘的关联规则挖掘算法思想,并对Apriori算法进行了改进。     

Web日志挖掘在电子商务推荐中的应用

介绍电子商务和Web数据挖掘的概念,并介绍Web使用挖掘中应用最多的技术——Web日志挖掘.重点阐述了日志挖掘算法——关联规则的有关知识,以及改进的频繁项目集生成算法Apriori和强关联规则生成算法,并结合实例进行了分析研究.     

数量型关联规则挖掘问题的研究分析

关联规则挖掘是数据挖掘的一个重要研究课题,而数量型关联规则与传统的布尔型关联规则挖掘有不同。介绍了数量型关联规则挖掘的基本概念;分析了几种具有代表性的数量型关联规则挖掘算法;对数量型关联规则挖掘进行了展望。     

基于项目约束的关联规则挖掘方法的研究

关联规则挖掘的核心问题是算法的效率和伸缩性,这就产生了基于约束的关联规则挖掘方法。关联规则挖掘中除了支持度和信任度外的约束外,最基本的是项目约束。本文总结和归纳了含有项目约束的关联规则挖掘的分类,并在算法Apriori的基础上,介绍了基于项目约束的关联规则的挖掘算法D irect。     

一种改进的关联规则增量式更新算法

增量式更新算法能充分利用已挖掘出的知识来提高挖掘效率，是数据挖掘高效算法研究中一个主要方向．本文首先分析了经典的关联规则增量式更新算法FUP（Fast Updating algorithm）算法的不足，提出了一种改进的关联规则增量式更新算法IIUA（Improved Incremental Updating Algorithm），极大地降低了存储空间和挖掘时间需求，从而提高了整个关联规则挖掘的效率．     

加权关联规则挖掘算法

将项目权值引入传统关联规则挖掘中是在项目属性上的扩展。本文分析项目权值对加权关联规则挖掘的影响,并对加权关联规则现有的算法进行总结,同时比较各算法的优缺点。最后对加权关联规则的未来研究发展方向进行探讨。     

数据挖掘技术综述

在对数据仓库与数据挖掘的概念及数据挖掘的功用与分类进行介绍的基础上,阐述了串行关联规则算法和并行关联算法的目标与内容,详细分析了Apriori算法、神经网络、遗传算法等数据挖掘算法。     

基于遗传算法的数据挖掘技术及应用

本文主要分析了数据挖掘的相关概念及其过程,介绍了关联规则的提取方法、遗传算法的基本要素、操作技术、基本步骤等。最后结合相关实例提出了在遗传算法当中进行关联规则的数据挖掘方法。     

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。     

融合Apriori优化算法与Relim算法的抑郁症用药规律挖掘

为明确中医治疗抑郁症用药规律,融合Apriori优化算法与Relim算法,采用数据挖掘技术进行分析。针对传统Apriori算法频繁扫描数据库从而生成大量候选项集的缺点,改变其原有剪枝方式以减少扫描次数。将改进后的Apriori算法与无需产生候选项集的Relim算法就中医治疗抑郁症的方剂数据进行关联规则分析,并绘制两个算法时间效率图。结果发现,两种算法在挖掘药物频繁项集与关联规则的结果基本相同,通过分析发现,中医常以疏肝、理气、补肾、滋阴等药物为主治疗抑郁症。改进后的Apriori算法可降低数据库扫描次数,较传统Apriori算法运行效率有所提高,Relim算法在空间利用率和时间执行率上均略优于改进后的Apriori算法。两种算法挖掘结果体现出中医治疗抑郁症注重疏肝理气、补肾滋阴、调理气血等特点。基于关联规则的方法可作为中医用药规律分析的重要工具。     

基于二进制和有向图的关联规则算法BGL研究

分析目前挖掘关联规则算法的现状，给出一种基于二进制和有向图的高效改进算法，详细介绍该算法的主要思想，算法实现方案，并比较各种算法的性能，证明新算法提高挖掘规则的效率。     

基于二进制和有向图的关联规则算法BGL研究

分析目前挖掘关联规则算法的现状,给出一种基于二进制和有向图的高效改进算法,详细介绍该算法的主要思想,算法实现方案,并比较各种算法的性能,证明新算法提高挖掘规则的效率。     

基于FP-Growth算法的毕业生管理系统的研究与应用

关联规则是数据挖掘的重要内容之一.Apriori算法是关联规则挖掘的经典算法,本文对Apriori算法和改进后的FP-Growth算法进行了深入的研究,并以实际的案例进行了算法解析,通过对两种算法的比较与分析,选择FP-Growth算法应用到毕业生信息管理系统中,从大量的毕业生信息出发,找出就业信息与教育信息之间的关系,从而为决策者提供指导或数据支持,指导目前的专业建设、课程改革,促进学校的教学改革,提高人才培养质量.     

基于主-子表的挖掘模式存储方法研究

数据挖掘是从大量的数据中提取知识。数据挖掘的主要功能有关联、分类、预测、聚类和时序分析等。文章对关联规则和分类规则这两种挖掘模式的存储方法进行研究,提出在关系数据库系统中使用主-子表来存储关联规则和分类规则的方法,继而将这种存储方法应用在其它类型的模式上,形成一种统一的数据挖掘模式的存储方法。     

基于并行FP-growth算法挖掘网上关联交易规则

发现关联规则是数据挖掘技术的重要任务之一。之前提出的绝大多数算法需要多次遍历数据库才能产生频繁项集,造成巨大的CPU和内存开销。根据网上交易数据海量的特点,提出了一种基于频繁模式增长(FP-growth)的并行算法。该算法可以在不产生候选集的基础上并行的挖掘海量数据。试验证明该算法可以缓解了项目数量巨大而内存不足的矛盾,减少了算法的执行时间。利用该算法对网上交易进行关联规则挖掘,发现了有价值的决策支持信息。