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。     

最优关联规则的形式和挖掘思想研究

数据挖掘中人们更多地关注关联规则，因为它有着丰富的内涵，对应它的复杂内容，本文给出了关联规则的挖掘原则，从大量的数据库中挖掘关联规则一定要有合理有效的指导思想，挖掘出的规则应能准确地反映现实。为减少不必要的规则以免混淆决策，分析了最优规则的思想，还有很多问题期待进一步研究。     

基于关联规则的电子商务系统

研究了基于关联规则的Apriori算法、FP-Growth算法,分析了两类算法的缺点.提出利用遗传算法改进关联规则挖掘算法,给出了属性种群和规则种群的适应度函数,并且给出了具体的算法流程.利用某企业服务网站WEB服务器的使用日志,来测试3种算法的性能.实验结果表明,改进算法的运行时间最短,提高了数据挖掘效率,完全可以应用于电子商务系统中.     

关联规则在图书馆中的应用

介绍了关联规则的相关概念及理论知识,然后针对关联规则的经典算法Apriori算法提出了改进,即Apriori-high算法,以及改进算法的好处,最后介绍了关联规则在图书馆中的应用,可以提高读者的效率,更好的为读者服务。     

基于关联规则挖掘的研发团队识别方法研究

针对当前单个人才引进不能很好地满足企业、行业和区域日益升级的人才需求问题,探寻一种新的方法来识别某一机构的核心研发团队,从而为企业、行业和区域批量引进人才提供决策支持.由于传统共现分析方法存在缺陷,研究引入并优化关联规则挖掘中的FP-Growth算法来实现核心研发团队的识别,并以中国科学院长春光学精密机械与物理研究所为对象验证方法的有效性,最后以中国科学院为研究对象进行实证研究.实证研究挖掘得到中科院7支核心研发团队,包括中科院海洋研究所的海洋生物制品课题组等.     

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。     

关联规则算法研究及其应用

本文介绍了数据挖掘技术在零售业的发展趋势,给出了一个关联规则的改进算法,并分析了关联规则在零售业中的应用,最后分析了改进后的关联规则算法对数据挖掘系统的优化作用。     

基于项集比重的关联规则算法

本文主要提出了一种精确的基于项集比重的关联规则算法,该算法以带系数的项集作为数据集,通过计算每个项占事务中所有相同项的比重,得出比经典关联规则算法更精确的关联关系,最后以城市区域性建筑作为应用实例。     

基于关联规则的学生成绩分析

数据挖掘技术是目前信息技术研究的热门问题,被广泛的应用于各个行业,但在教育领域的应用相对较少。本文对数据挖掘技术中的关联规则进行了介绍,实现了Apriori算法,并应用该算法对学生成绩进行分析,挖掘学生成绩数据中的隐藏信息,找出了各个成绩为优秀的学科之间的关联性,得出了语文、数学、英语及各文理科课程的相互影响程度,为教育管理部门提供决策支持。     

关联规则挖掘方法在研究生教育评估中的应用

在研究生教育评估中,采用数学模型拟合和语言文字表述两种方式,来分析自变量与因变量之间存在着的相互关系,有着不同程度的局限性。鉴此,提出了应用关联规则挖掘方法来分析它们之间关系的思路,同时给出了算法Tid-option,最后以全国优秀博士学位论文评选为案例进行了实证研究。     

关联规则算法综述

介绍了关联规则的概念及挖掘的过程,以Apriori算法为例,阐明了算法思想及其优化方法,描述了关联规则在社会生活领域的应用。     

基于COM的关联规则挖掘算法的设计与实现

本文首先从理论角度分析了关联规则挖掘算法与聚类挖掘算法原理及其应用领域,然后介绍了Aprior算法的实现及封装,并设计了可视化界面,对算法进行了测试。     

贝叶斯网在数据挖掘中的应用

贝叶斯网用图形的模式表示变量集合的联合分布,应用于数据挖掘能够将变量之间的潜在依赖关系反映出来。介绍了贝叶斯网,概括了构造贝叶斯网的方法,给出了建网的伪代码,通过一个实例说明了贝叶斯网在数据挖掘中的应用。     

关联规则改进算法及应用

本文在Apriori算法基础上,提出了基于树型数据结构的关联规则改进算法。该算法只需对数据库进行一次检索,故能大量减少所需的I/O次数,提高系统运行效率。结合人力资源管理的实践,给出了改进算法在员工绩效评价中的应用实例。     

基于两次剪枝的完全加权关联规则挖掘算法

完全加权关联规则挖掘在信息检索查询扩展领域中有着很高的应用价值.在深入研究现有算法的基础上,提出基于两次剪枝的完全加权关联规则的挖掘算法,给出与其相关的定理,进行相应的实验.该算法采用两次剪枝策略,候选项集数量和挖掘时间明显减少,挖掘效率得到提高.实验结果表明了该算法的有效性,与现有算法比较,挖掘效率确实得到改善.     

基于贝叶斯网的分类器及在CRM中的应用

基于贝叶斯网的分类器因其对不确定性问题有较强的处理能力,因此在CRM客户建模中有其独特的优势。在对朴素贝叶斯分类器通用贝叶斯分类器优缺点分析的基础上,引入增强型BN分类器和贝叶斯多网分类器,详细介绍了后者的算法,并将其应用到实际电信CRM客户建模中,取得较好的效果。     

关联规则挖掘在DM研究热点演化分析中的应用

数据挖掘是基于数据库、统计学、机器学习、人工智能等多学科交叉的新兴学科领域.为系统分析和评价该学科过去和现在的研究热点及其内在结构,以Web of Science数据库收录的主题为"data mining"的期刊论文为数据源,对关键词进行规范和统计选出热点高频词,然后将期刊论文视为事务,高频词视为项集,采用关联规则分析方法挖掘隐含在1997～2004年、2005～2008年两个时期文献集中的关联词汇,定量描述知识主题之间的逻辑关联和相关影响程度,并借助可视化工具对知识主题关联网络进行直观展示.     

基于关联规则挖掘的多学科知识融合研究——以新冠肺炎研究领域为例

[目的/意义]挖掘高强度关联学科,揭示多学科知识融合规律,有助于更好地把握和推动多学科知识融合。[方法/过程]从Web of Science核心集获取新冠肺炎主题论文,采用Apriori算法挖掘参考文献所属学科的频繁项集和强关联规则,揭示知识融合特征。以一项强关联规则为例,结合关键词聚类分析,识别该学科组合在知识融合后形成的热门主题。[结果/结论]新冠肺炎研究的知识来源非常广泛,跨学科知识融合十分普遍,关联规则挖掘提供了一种识别和预测强关联学科组合及其知识融合趋势的新方案。     

数据立方体上的约束关联规则挖掘

数据挖掘作为一项从海量数据中提取知识的信息技术引起了国内外学术界和产业界的广泛关注,基于数据仓库的联机分析挖掘系统的应用已成为数据挖掘技术的发展趋势,本文结合联机分析挖掘的思想和基于目标属性关联规则挖掘算法,提出并构建了数据立方体上的基于约束的关联规则挖掘算法。最后的算例证明了该算法的有效性。