图书流通数据的关联挖掘量化分析方法

本文探讨了图书流通数据的一种量化分析方法——关联规则的挖掘。通过对某一读者群在一定时期内所借阅图书的流通数据应用关联规则的挖掘分析方法，可以发现读者在进行专业学习时隐含的各学科知识之间的关联。这对图书馆调整资源建设的学科结构、提升读者服务工作水平具有重要的指导意义。     

基于元分析的在线学习用户使用行为研究

[目的/意义] 为发现不同研究背景中在线学习用户使用行为的普遍规律,消除研究时间、调查样本等带来的影响,归纳和梳理该领域的研究结论。[方法/过程] 采用元分析方法对国内外在线学习用户使用行为研究的64篇文献,21 227个独立样本进行综合分析。[结果/结论] 研究结论发现共有25个因素与在线学习用户使用行为显著相关,其中强度相关因素主要集中在用户、系统两方面,中度相关有社会影响方面,弱相关因素并未出现。具体而言,影响最大的是使用态度、感知便利性和感知娱乐性,影响较弱的是个人创新、计算机焦虑和信息质量,感知自主性和服务质量没有显著影响。同时,针对研究结果,结合在线学习平台的现状,从用户、系统和社会方面提出了优化在线学习服务的建议。     

关联规则挖掘技术研究

以关联规则挖掘技术的发展为主线,将目前的研究方法归纳为五类:项无加权关联规则挖掘、项加权关联规则挖掘、项完全加权关联规则挖掘、负关联规则挖掘和增量挖掘,对这五类挖掘技术进行整体性阐述和比较性研究,指出了一些挖掘技术的局限性,最后展望关联规则挖掘技术在信息检索查询扩展领域中的应用前景.     

基于关联规则的中药方剂配伍规律挖掘研究

通过对方剂配伍研究意义的分析,阐明了对方剂配伍进行研究的必要性。在此基础上,以中医古方剂中活血化瘀方为研究样本,采用关联规则挖掘技术对其用药规律进行了有益探索。     

基于关联规则的股票走势关联挖掘研究

知识发现(KDD)与数据挖掘技术是计算机科学一个非常活跃的领域。由于现实世界是随时间不断演变进化的,时间是反映现实世界信息的基本属性。各种营销记录、股票交易记录等等都可以用作关联规则挖掘的对象;应用关联规则挖掘股价涨幅间的关联性,进而进行股票走势趋势预测。     

基于加权正负关联规则挖掘的信息检索系统研究

介绍了基于关联规则挖掘的信息检索模型的研究现状,提出一种基于加权正负关联规则挖掘的信息检索系统模型,阐述了该模型的设计思路、各模块的功能及其检索算法,为信息检索研究提供一些新的思路。     

基于关联规则的Apriori挖掘算法改进

关联规则挖掘是-种主要的也是用途最广的数掘挖掘方法.本文首先对关联规则挖掘及其经典Apriori算法作了介绍,然后针对Apriori算法的缺陷,提出了一种改进的关联规则挖掘算法,充分地证明了改进算法的性能优势.     

基于遗传算法的关联规则挖掘方法

基于对数据挖掘,特别是关联规则挖掘的研究,提出了一种改进型遗传算法的关联规则提取算法,并从编码方法、适应度函数的构造和遗传算子的设计方面进行讨论分析。通过对早熟问题的分析并改进自适应算子,提高了算法的效率,使算法在相对稳定的动态种群规模中寻找优质解。     

基于数据挖掘技术的在线学习行为和预测在网络教学中的运用

本文描述了如何利用数据挖掘（DM）技术,分析了各种模式的在线学习行为,并对学习成果进行了预测。本课题组利用统计模型和机器学习DM技术对17,934个服务器日志进行了分析,调查了南昌高校的98位本科生在网上学习的行为过程,从学生的行为模式和喜好等方面科学地区分了主动学习者和被动学习者,并发现了性能预测的重要参数,得出＂数据挖掘技术辅以在线导师的指导,可以提高网上教学和学习的效率＂的结论,给教学设计和课件开发提供了参考建议。     

关联规则挖掘研究

本文对关联规则挖掘的定义及相关概念作了简单的介绍,对基于关联规则挖掘的hpriori算法基本思想进行了深入剖析,提出了该算法的瓶颈问题,并就此问题分析讨论了hpriori算法优化技术。     

关联规则挖掘研究

本文对关联规则挖掘的定义及相关概念作了简单的介绍,对基于关联规则挖掘的hpriori算法基本思想进行了深入剖析,提出了该算法的瓶颈问题,并就此问题分析讨论了hpriori算法优化技术。     

基于增量数据库关联规则挖掘算法研究

近年来数据生成和收集技术的发展使得面向科研、管理等领域的数据集十分庞大,从而对海量数据集进行的信息提取变得更加迫切。文章对数据挖掘的概念及所要达到的目标进行剖析,对增量数据库关联规则挖掘算法进行研究,通过举例对数据库关联规则挖掘算法的实际应用进行了分析。     

基于约束的关联挖掘在教学信息中的应用研究

进行关联规则挖掘时会得到大量的规则,而真正关注的规则住往淹没其中。本文通过对基于约束的关联规则挖掘方法的分析和研究,结合实际学生选课信息,提出了适合的约束条件来剪除无兴趣规则,并挖掘出部分课程间的有趣规则,为今后的教学课程设置提供了参考。     

基于关联规则的ADR预警系统及实证研究

针对目前我国药品不良反应(ADR)预警的不足,基于数据立方的多维关联规则挖掘方法引入药品不良反应预警领域,提出基于关联规则的ADR预警系统框架,并结合药品不良反应自发呈报系统(SRSs)实际数据进行实证分析。根据支持度和置信度,从药品和用药患者两个维度实现预警,为ADR预测预警问题提供一种新方法,为医生用药提供决策支持。     

基于学习空间的在线学习研究

随着互联网及计算机等智能设备技术的发展,在线学习由于其学习内容的自主性、学习空间的分布性及个性化,越来越被人们所接受。学习空间是学习行为发生的场所,对学习行为具有一定的影响,学习空间的选择设置直接影响着学习者的学习成效。可个性化设置的在线学习空间有助于学习者思维活动的展开,促进学习者融入学习过程,进行创新式学习。     

基于组织多层次进化的关联规则挖掘算法

针对Apriori算法、FP-Growth算法、RAGA算法，不同程度地出现运算速度慢、正确关联规则的提取率低，本文提出了基于组织多层次进化的关联规则挖掘算法。本文算法有较好的计算时间性能，本文算法对处理大规模数据也有着很好的性能。     

基于归并技术的时态关联规则挖掘方法研究

首先介绍了时间区间的延展和归并技术,对事务数据库中时态关联规则的挖掘方法进行了研究,针对其一些不足进行改进,提出基于归并技术的时态关联规则挖掘方法,并对改进后的优点进行了分析。     

基于哈希表的关联规则挖掘算法研究

经过分析关联规则中Apriori算法存在的不足,为减少对事务数据库的扫描次数,缩减产生频繁项集的时间,列出两种基于哈希表的计算项集支持计数的方法以及利用哈希表来进行项集的地址定位的方法,使得生成频繁项集的效率有所提高。     

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。     

关联规则增量挖掘的研究与设计

关联规则挖掘是数据挖掘领域中的一项重要研究内容,由于数据库规模的不断动态扩展,迫切需要针对增量式关联规则挖掘的研究。在分析现有算法的基础上,分别从两个可改进的角度出发对算法进行优化：先在关联规则挖掘中,提出一个高效的搜索频繁项集算法,该算法只需扫描一次数据库即可完成所有频繁项集的搜索,然后利用此方法设计出一个新的增量式挖掘算法,在不影响准确率的情况下大大地提高了挖掘效率。