一种改进的Apriori算法在web日志挖掘中的应用

在对web日志挖掘的处理流程以及难点深入分析的基础上,为了达到更快挖掘频繁访问页面组的目标,提出一种改进的Apriori算法,主要通过减少候选项集和对事务数据库的压缩来实现性能的提高.候选项集的减少是通过对频繁项集的缩减间接来实现,事务数据库的压缩则通过一系列预先定义的规则来实现.实验数据表明,无论对于短事务集,还是长事务集,算法的性能都得到了提升,更好地满足了实际应用的需要.     

一种基于XML的Web数据挖掘模式

互联网的广泛应用使Web数据挖掘成为当前数据挖掘研究的热点，而Web数据的结构却使对其所进行的数据控制十分复杂，XML的出现为Web数据挖掘技术提供了一个很好的入口。本文分析了XML文档的数据结构，提出一种经由HTML文档转换成XHTML并最终由XSL所决定的XML文档的Web数据挖掘模式。     

UML关联关系到XML文档的映射

XML是扩展性标记语言，它定义了描述数据、交换数据的标准。UML是一种得到广泛应用的标准建模语言，是构建XML文档词汇表的关键和基础。本文首先简要介绍了利用UML关联关系的建模方法，然后通过样例详细阐述了UML关联关系到XML文档的映射。     

基于XML的web挖掘技术及在特色数据库建设中的应用

web挖掘技术是指从大量的web数据中提取隐含的、先前未知的、有潜在应用价值的模式、规则和知识，它是在数字图书馆中应用广泛的新技术。以XML为基础的新一代Web环境是直接面对Web数据的，不仅可以4良好地兼容原有的Web的应用，而又可以更好地实现Web中的信息共享与交换。本文介绍了基于XML的web挖掘技术的特点、方法及在数字图书馆中的应用。     

XML在基于Web数据挖掘中的应用

XML是基于Internet上一种新的数据管理手段，以其为基础的新一代WWW环境直接面对Web数据。XML在基于Web的数据挖掘中扮演着重要的角色，本文探讨了XML在Web的数据挖掘研究中进行数据抽取与转换所起作用。     

Apriori关联挖掘的研究与应用

关联规则是数据挖掘领域的一个重要分支。随着大量数据的收集和存储,人们对于从数据库中挖掘关联规则越来越感兴趣,Apriori算法就是经典的关联挖掘算法。文章分析了Apriori的算法思想、算法描述及实际应用。     

基于XML的Web挖掘

Web挖掘是数据挖掘技术与数据库技术、Web相结合的产物;介绍了Web挖掘的概念、分类、内容挖掘、Web挖掘的不足,论述XML在Web中的应用;利用XML存储数据的模型,在Web挖掘中提出了基于Web内容挖掘的系统模型.     

基于XML的Web挖掘

Web挖掘是数据挖掘技术与数据库技术、Web相结合的产物;介绍了Web挖掘的概念、分类、内容挖掘、Web挖掘的不足,论述XML在Web中的应用;利用XML存储数据的模型,在Web挖掘中提出了基于Web内容挖掘的系统模型。     

基于XML的数据建模应用

XML已经成为表示结构化和半结构化数据的标准格式,XML中采用DTD和XML Schema模式来描述数据结构.结合XML Schema与面向对象的思想,提出了一种基于XML Schema建模的方法,并辅以实例.     

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。     

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。     

基于共享的隐私保护关联规则挖掘

随着数据挖掘技术的广泛使用,产生了信息安全和隐私保护的新问题。对当前分布式隐私保护关联规则挖掘的经典算法进行了改进,在不使用当前流行的多方安全计算(SMC)的条件下,用较简单的方法进行隐私保护关联规则挖掘,降低了运算量。同时,在分布式关联规则挖掘的同时,很好地保持了各个站点的数据和信息。     

一种改进的并行关联规则挖掘算法

在FDM算法的基础上,提出了一种改进的并行关联规则挖掘算法FDM_DT,此算法利用DHP算法中的Hash表技术改进了2阶侯选项集的生成过程,并采用Apriori Tid算法中的Tid表技术对事务数据库中的事务数进行有效消减。因此,此算法在处理大规模数据时有较高的综合效率。     

关联挖掘研究综述

数据挖掘是一种重要的数据分析方法,旨在发现庞大的数据中隐藏着的、先前未知的并潜在有用的模式和信息,以帮助人们正确理解和认识数据,进行科学决策。关联挖掘是数据挖掘中研究最早也是最活跃的领域,其中,频繁模式挖掘是关联挖掘的核心和基础。对关联挖掘算法的研究和发展进行综述,分析挖掘算法面临的主要挑战,概括最新研究进展。     

关联规则挖掘在高校奖学金评定中的应用

将关联规则挖掘用于奖学金评测信息分析中,借助数据挖掘技术对奖学金信息进行深度挖掘,寻找与各个奖项相关联的因素.算法上,直接采用Apriori算法进行频繁项目集的发现.     

ICAI系统中数据挖掘研究

学生在学习过程中未达到学习目标,说明存在知识缺陷,如何智能性重构学习路径弥补知识缺陷是ICAI的关键技术I。CAI有其本身的规律及特点,利用数据挖掘算法,能较好提高ICAI的因材施教的能力。本文通过分析研究挖掘算法,提出在目标测评ICAI系统中挖掘算法的合理实现方法。     

基于事务压缩的Apriori算法的改进

在数据挖掘算法中，Apriori算法是关联规则的经典算法。文章在分析经典Apriori算法的基础上，提出了改进型的Apriori算法。改进后的算法对事务数据库进行两次压缩，减少事务数据库的平均长度，提高了数据挖掘的效率，具有一定的实用性。     

基于简单双矩阵的关联规则算法研究

针对关联规则挖掘中传统Apriori算法需要通过多次扫描数据库来发现频繁项集的问题,提出一种基于简单双矩阵的方法来实现频繁项集的发现．该方法仅需要扫描数据库一次,并充分利用项集的出现次数和是否出现逻辑值来获取频繁项集．实验表明,该方法比Apriori算法更高效．