Apriori关联规则挖掘算法分析与改进

对数据挖掘及关联规则挖掘的定义及相关概念作了简单的介绍,对基于关联规则的Apriori算法基本思想及其核心算法作了深入剖析,提出了该算法的瓶颈问题,并就此问题提出了改进思路,同时对改进的Apriori算法进行了评价.     

基于关联规则算法的改进研究

目前，已经提出了许多挖掘关联规则的算法及其变型，其中最著名的是Apriori算法，但传统的算法效率太低，为了解决这些问题，提出了一种快速更新的关联挖掘算法。     

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。     

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.     

改进的关联规则挖掘算法及其在课程设置中的应用

通过对Apriori算法的分析与研究,指出其在实用中存在的主要问题,提出改进算法.最后将算法应用到教育信息挖掘中,发现一些有价值的规则,为学校的教育决策和教学管理提供有指导意义的信息.     

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.     

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。     

数据库中关联规则的挖掘

简要介绍了数据库中关联规则挖掘的概念、分类及经典的挖掘算法.     

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.     

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.     

优化关联规则算法的方法研究

Apriori算法是关联规则挖掘技术中的一个经典算法。笔者通过对该算法的思想和性能分析,认为它存在两方面的不足。本文提出了一种提高频繁项集挖掘算法效率的优化方法。实验表明,该优化算法对提高频繁项集挖掘算法的效率是有效的。     

关联规则挖掘在就业指导中的应用

关联规则是数据挖掘的核心内容之一,通过关联规则的挖掘可以找到繁杂的数据中隐藏的有用信息。通过对已经成功就业的学生具备的知识和能力进行关联规则挖掘,可以挖掘出各个行业成功就业需要具备的知识和能力,从而有针对性地指导学生就业和择业。     

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。     

一种改进的关联规则增量式更新算法

增量式更新算法能充分利用已挖掘出的知识来提高挖掘效率，是数据挖掘高效算法研究中一个主要方向．本文首先分析了经典的关联规则增量式更新算法FUP（Fast Updating algorithm）算法的不足，提出了一种改进的关联规则增量式更新算法IIUA（Improved Incremental Updating Algorithm），极大地降低了存储空间和挖掘时间需求，从而提高了整个关联规则挖掘的效率．     

一种改进的关联规则增量式更新算法

增量式更新算法能充分利用已挖掘出的知识来提高挖掘效率,是数据挖掘高效算法研究中一个主要方向.本文首先分析了经典的关联规则增量式更新算法FUP(Fast Updating algorithm)算法的不足,提出了一种改进的关联规则增量式更新算法IIUA(Improved Incremental Updating Algorithm),极大地降低了存储空间和挖掘时间需求,从而提高了整个关联规则挖掘的效率.     

基于SQL Server的关联规则算法在高校招生中的应用

该文介绍了数据挖掘、关联规则、Apriori算法的基本概念,同时基于Microsoft数据库平台 SQL Server 2005,结合BI Development Studio的分析服务功能SSAS,利用Microsoft关联规则数据挖掘算法对招生系统中数据进行数据处理和数据挖掘,从而找出强关联规则,为高校的招生提供参考依据。     

关联规则在“基于网络的课程考核改革试点”工作中的应用

介绍了数据挖掘和关联规则,并运用关联规则的Apriori算法对参加“基于网络的课程考核改革试点”学生的成绩数据进行挖掘,得出了形成性考核成绩和期末考试成绩有明显的相关关系的结论。     

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。