基于遗传退火算法的关联规则挖掘

把模拟退火算法具有全局平衡的特性引入到遗传算法中来,避免了遗传算法收敛性慢以及容易陷入早熟的特点,提出了一种基于遗传退火策略的关联规则挖掘模型。实验结果表明,与遗传算法相比,改进的算法更能有效挖掘大型数据集中的关联规则。     

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。     

关联规则挖掘算法的研究

本文介绍了数据挖掘中的关联规则经典Apriori算法.针对Apriori算法在执行速度和效率上的缺点,提出了一种改进的Apriori算法.     

基于Apriori算法的加权关联规则挖掘

本文研究了论文“基于Apriori算法的水平加权关联规则挖掘”中的New-A-Apriori算法，指出了该算法的不足及错误之处，提出了一种挖掘加权频繁项集的算法MWFS。并通过具体实例说明了采用MWFS算法的挖掘过程。     

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。     

一种高效的关联规则挖掘算法

在AprioriTid算法的基础上提出了两点改进:一是利用压缩的候选项目集代替数据库D,减少了数据量;二是根据优化的频繁k-1项目集L’k-1来生成候选项目集Ck,避免了不必要的组合.实验证明,改进算法在缩小数据库规模方面是行之有效的.     

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.     

Hadoop平台的关联挖掘算法研究

通过结合云平台的存储能力和并行处理能力,对数据挖掘的Apriori算法进行研究,把传统Apriori算法改进移植于Hadoop平台.改进后的算法在扫描一次数据库后用矩阵的形式表示事务,在生成频繁K项集的过程中只需要把满足条件的事务进行连接并统计支持度,从而减少大数据挖掘中大量无用数据的运算,提高了挖掘效率.     

一个基于散列技术的关联规则挖掘算法

提出了基于散列技术的关联规则挖掘算法的基本思想，只需扫描数据库一次．不产生候选项目集．也不使用逐层迭代的方法，利用散列文件组织的特性来提高挖掘效率．     

基于加权关联规则算法的学生成绩数据挖掘研究

对学生成绩数据挖掘的研究、开发、应用,可以进一步探讨数据挖掘的过程、功能;并且用于指导帮助学生发现、认识学习的一些基本规律;同时也可以为教师、教学部门提供相应的决策依据。文章通过对加权关联规则算法的研究,进一步提高了算法的运行效率,以及数据挖掘结果的有效性、可用性。     

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。     

基于模拟退火算法的油井工况数据挖掘的应用研究

主要研究如何对传感器采集上来的异常数据（缺失、冗余等）进行预处理,为后期数据挖掘提供可靠的数据支持.采用模拟退火算法,提高优化的时间性能,避免出现“早熟”的收敛现象,使算法的优化性能得以提高.本文针对油田工况数据挖掘的算法模型可以方便地移植到其它领域,随之带来的经济和社会效益都是很可观的.     

多种群自适应模拟退火遗传算法求解TSP问题

TSP问题是一个具有广泛应用背景和重要理论价值的组合优化NP难题。遗传算法是求解NP完全问题的一种方法。针对传统遗传算法求解TSP问题的不足,提出了一种多种群自适应模拟退火遗传算法,并给出了多种群分级、混合变异算子的设计。最后,对CHN31、ATT48和EIL51的TSP问题进行求解．仿真结果表明该改进遗传算法具有更好的收敛性,可以得到更好的最优解。     

关联规则在学生成绩中的数据挖掘

数据挖掘中的关联规则挖掘能够发现大量数据中项集之间有趣的关联或相关联系。采用关联规则的Apriori算法和改进后的Apriori算法对三门峡职业技术学院学生各门课程成绩进行分析,从而发现课程之间的联系和基础课程对专业课程的影响,为教务管理部门安排课程提供参考。