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。     

数据挖掘中一种改进的Apriori算法

关联规则挖掘是数据挖掘领域中的一个非常重要的研究内容,其主要目标就是发现数据库中一组对象之间某种关联。频繁项集挖掘是关联规则挖掘的关键步骤,它在很大程度上决定了关联规则挖掘的效率。介绍了Apriori算法及其算法改进。该改进算法对剪枝步进行了优化,提高了连接效率,并且不断减小数据库的规模,去掉无效事务,减少了每次扫描数据库所花费的时间,提高了算法效率。经过试验论证,性能比原有算法提高,具有一定的实用性。     

数据挖掘中关联规则算法的研究

Apriori算法是关联规则挖掘中的经典算法。通过对Apriori算法的基本思想和性能的研究分析,提出了一种基于垂直事务列表的树形结构的挖掘算法,减少了候选频繁项集的数量,提高了挖掘算法的效率。实验结果表明新算法具有良好的性能。     

英美图书馆立法进程比较和启示

制定《公共图书馆法》,是当前我国图书馆界的焦点话题,需从国外特别是发达国家汲取经验。本文以英美为例,比较了二者图书馆立法进程。对比分析两国图书馆立法进程,对我们有十分重要的启示。     

图像数据挖掘方法研究

对基于图的数据挖掘国内外研究现状作了总结,从相关的基本概念开始,介绍了目前最具代表的三个算法AGM、FSG和gSpan的主要思想,并对各算法的复杂性作了比较分析和论述,并对图挖掘将来的发展方向作了简要分析。     

基于事务模式树的分层挖掘算法的改进研究与分析

介绍了频繁模式挖掘的相关概念和基本定理,提出了基于事务模式树的分层挖掘算法。该算法首次提出并实现了可累加挖掘,并以实例分析进行了验证。     

面向查询扩展的特征词频繁项集挖掘算法

为了获取高质量的扩展词,提出一种面向查询扩展的基于文本数据库的特征词频繁项集挖掘算法。该算法采用支持度衡量特征词频繁项集,给出新的剪枝策略,并结合原始查询,挖掘同时含有查询词项和非查询词项的特征词频繁项集,以提高挖掘效率。实验表明,与传统的挖掘算法相比,本算法更有效、更合理。     

关联规则挖掘算法分析与探讨

关联规则挖掘算法是数据挖掘领域的主要研究方向之一。对几种经典的关联规则挖掘算法进行了分析、探讨和比较,给出了一种基于支持矩阵的、不需要产生候选项目集的算法设计思想。算法为事务数据库中的每个项目设置二进制向量,利用逻辑与运算构造支持矩阵来挖掘频繁项目集,极大地节省了存储空间,提高了算法运行效率。     

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．     

基于关联规则挖掘研究学科间相关性

应用关联规则挖掘方法从中文社会科学引文索引（CSSCI）数据库提供的论文引用情况中挖掘关联规则，进而探讨社会科学各学科间相关性问题。本文首先介绍关联规则的基本概念；然后对所需数据进行整理，并从三个角度考虑，分别计算频繁项目的支持度与置信度，得到三个关联规则表；最后对得到的关联规则进行分析，得出结论。