基于粒计算高效挖掘决策型关系数据库中关联规则

文章提出了一种基于粒计算从决策型关系数据集中快速提取关联规则方法,按照属性利用等价类对实体进行分类,利用分类后的属性值来构建粒,提出了基于粒计算提取决策型关系数据库的关联规则算法,来提取关系数据集的关联规则,通过实例来验证该方法的有效性,最后给出了性能分析,并指出基于关系数据集上的粒计算在提取关联规则方面的不足。     

最小支持度挖掘算法在高校学生成绩关联规则的应用

以漳州科技职业学院市场营销专业152名学生47门课程的成绩信息作为研究数据,根据课程成绩分布规律,利用标准差划分等级进行成绩离散化处理,针对传统关联规则Apriori算法单一的最小支持度的局限性,提出了一种自适应多最小支持度关联规则算法,采用统计拟合方法实现最小支持度和最小置信度的自适应取值,并将置信度和提升度相结合的模式筛选出有价值的规则,从而得到市场营销专业不同课程的关联性,为创新人才培养改革提供参考。     

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。     

关联规则挖掘在民族高校学生成绩分析中的应用研究

使用数据关联数据挖掘技术对民族高校长期积累的学生成绩数据进行深层次分析,寻找真正影响学生成绩的因素,找出其中的关联规则,得到一些深层次、有意义的分析结论,对民族高校决策者确定未来教学管理方向有较大的参考作用。     

关联规则在学分制成绩管理中的应用

现在大部分高校都实行学分制制度,学生根据选课系统选择必修和选修的课程,针对学分制选课系统的利弊,利用数据挖掘技术的关联规则算法中Apriori的基本原理对历届学生的成绩进行分析,使用SQL 2005 DMX创建挖掘模型,对模型进行训练,利用关联规则查看器对各门课程成绩进行分析预测。为教师排课及学生选课提供一定的指导与参考。     

基于关联规则的高校课程关联性分析

高校教务管理系统将产生海量数据,这些数据中可能隐藏着一些我们以前不知道的大量有用信息。文章采用Apriori算法,对高校学生成绩数据进行关联规则分析,通过学生成绩是否优秀来找到各对应课程之间的相关性,从而科学地安排教学和辅助教学管理决策。     

基于遗传算法的关联规则挖掘

设计了一种基于遗传算法的关联规则算法,该算法将遗传算法和关联规则相结合.对遗传算法的编码方法、适应度函数的构造、交叉算子和变异算子进行了分析,给出了所设计方法的具体步骤,并进行了试验.试验表明,改进后的算法的执行效率高于Apriori算法.     

关联规则挖掘研究

介绍了关联规则的基本概念和分类方法,分析了典型的Apriori算法,并描述了Apriori算法的性能瓶颈与改进策略.最后展望了关联规则挖掘的进一步研究方向.     

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。     

关联规则挖掘综述

介绍了当前关联规则挖掘的研究情况,分析了传统关联规则挖掘算法的不足．与此同时,介绍了几种优化算法．最后,展望了关联规则挖掘的未来研究方向．     

基于Web日志挖掘的关联规则算法研究

Web日志挖掘是对用户与Web服务器在交互时产生的数据,采用数据挖掘技术发现隐含的规律性知识。首先对Web日志挖掘进行了概述,重点研究了关联规则算法中的Apriori算法,并对Apriori算法进行了改进,最后给出具体实例。     

基于空间数据的关联规则挖掘算法及实现

空间数据挖掘就是从空间数据库中抽取隐含的知识，空间关系或是空间数据库中存储的其它的隐含的模式的过程。空间关联规则是空间数据挖掘的一个重要表现形式，利用空间关联规则把空间数据库中的数据转化为知识是一个很好的方法。本文给出了一种基于空间数据的关联规则挖倔算法，并给出了实例。     

基于聚类的关联规则挖掘算法

关联规则是数据挖掘中一个非常重要的任务,有许多针对于关联规则的挖掘算法,然而需要提高算法的有效性来处理现实世界中的数据集。基于聚类的关联规则挖掘算法法通过扫描数据库创建聚类表,将收集的事务记录放入聚类表中,通过局部聚类表的约束来产生频繁项集,不仅可以剪枝候选项集,降低数据扫描的时间,而且确保挖掘结果集的正确性。实验结果表明,基于聚类的关联规则挖掘算法比Apfiori算法有更高的执行效率。     

基于Apriori的加权关联规则挖掘

关联规则挖掘可以发现大量数据中项集之间有趣的关联或相关联系,并已在许多领域得到了广泛的应用.Apriori算法是挖掘关联规则最基本,最核心的算法之一.但Apriori算法只考虑交易中项出现的频率,没有考虑事务集不同项及记录具有不同的重要性,挖掘出来的规则具有一定的局限性.针对这点不足本文提出一种记录加权关联规则挖掘,结合Apriori算法并加以改进,给出相应的New-Aproiri算法.     

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。     

在关系数据库中提取关联规则的实现方法

利用粗糙集知识,提出了一个从关系数据库中提取关联规则的方法,并给出了完整的实现过程。在如何提高规则的有效性上,对冗余属性约简和规则兴趣度等方面进行了有益的研究和探讨。     

基于传统分析方法的成绩关联规则分析

基于传统分析的方法对考试成绩进行关联规则分析,由于使用本算法在关联规则分析前期进行了数据的合理性分析,使得该算法降低了关联分析计算复杂度.在关联规则分析过程中剔除不合理分析结果,进一步提高了计算效率,并且使得结果更具有可靠性和实用性.     

多媒体图像挖掘的关联规则挖掘

数据挖掘从大量的数据中提取隐含在其中的有用信息和知识,采用关联规则挖掘方法,对多媒体图像进行关联规则挖掘,得出多媒体图像的关联规则。     

电子商务之基于分布式数据库的关联规则挖掘

数据挖掘可有助于识别顾客购买行为,发现顾客购买模式和趋势,改进服务质量,取得更好的顾客保持力和满意程度,提高货品销量比率,设计更好的货品运输与分销策略,减少商业成本.本文重点介绍了电子商务中基于分布式数据库的关联规则挖掘.     

关联规则的并行挖掘算法

关联规则是数据挖掘的重要研究内容之一,而传统的串行算法已不能满足数据库空前发展的需求.本文提出了关联规则的并行挖掘算法,探讨了相关的数据结构,并对算法进行了定性分析.