一基于串与运算的关联规则挖掘算法

提高频繁项集挖掘算法的效率一直是数据挖掘领域中关联规则挖掘研究的一个重点.针对数据挖掘的现状及关联规则算法的瓶颈问题,提出一种基于串与运算的关联规则挖掘算法,对该算法进行了阐述.最后对该算法的特点进行了总结并对关联规则挖掘的未来研究方向进行了展望.     

关联规则挖掘及其在课堂教学评价中的应用

研究了数据挖掘技术中的关联规则算法,对经典的Apriori算法作了全面的分析,指出了挖掘中的关键步骤,并对算法做了适当的调整,提高了整个算法的效率;将关联规则数据挖掘的方法运用到课堂教学评价中,从教学评价数据中进行数据挖掘,找到课堂教学效果与教师基本情况的关系,从而为更好地开展教学工作,提高教学质量提供参考依据.     

带禁忌约束的频繁模式并行挖掘研究

频繁模式挖掘技术在关联规则发现方面运用得十分普遍,已逐渐成为数据挖掘领域的研究热点之一。研究人员发现传统的频繁模式挖掘算法在挖掘过程中会产生大量的中间数据和用户不感兴趣的结果数据。这些数据在计算和存储方面的开销,对如今迅猛发展的海量数据挖掘来说无疑是一个挑战,严重影响了挖掘效率和准确性。针对这个问题,文章结合当下流行的Hadoop技术,对传统频繁模式挖掘算法进行分析和研究,提出一个带禁忌约束的频繁模式云挖掘算法模型。该算法模型利用Hadoop框架技术,对频繁模式挖掘过程中的模式长度和属性进行禁忌约束,分布并行地完成挖掘任务。实验结果显示,该算法模型在海量数据挖掘方面比传统算法更有优势。     

一种基于串与运算的关联规则挖掘算法

提高频繁项集挖掘算法的效率一直是数据挖掘领域中关联规则挖掘研究的一个重点。针对数据挖掘的现状及关联规则算法的瓶颈问题，提出一种基于串与运算的关联规则挖掘算法，对该算法进行了阐述。最后对该算法的特点进行了总结并对关联规则挖掘的未来研究方向进行了展望。     

基于网格的并行数据挖掘算法的实现

随着信息技术的发展,大量的数据不断被收集和存储,对数据的挖掘规模越来越大,传统的数据挖掘已经无法解决海量数据挖掘问题。网格技术的发展,使得广域分布的海量数据的挖掘问题得到解决。文章根据现实中海量数据挖掘的需求和网格的本质,把并行关联规则挖掘算法应用于网格数据挖掘中,并建立了一个并行数据挖掘模型,验证了并行数据挖掘系统在网格环境的可行性与合理性。     

一种基于临时表的关联规则增量更新算法

对挖掘关联规则中的FUP算法的关键思想以及性能进行了研究,针对挖掘关联规则中FUP算法的不足,提出了一种基于临时表的改进算法MFUP.该算法通过建立临时表,充分利用原数据库挖掘的结果,从而大大减少了对数据的重复扫描,提高了数据挖掘算法的效率.通过实例分析,说明了MFUP算法的优越性.     

Apriori算法分析与改进综述

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,特别是随着大量数据不停地收集和存储,从数据库中挖掘关联规则就越来越有其必要性.通过对关联规则挖掘技术及其相关算法Apriori进行分析,发现该技术存在的问题.本文介绍了能优化该技术的各种算法,分析了这些算法各自的优缺点,并针对这些问题提出了未来的研究方向.     

商务智能系统中两种改进的关联规则挖掘算法

根据日常商务数据的特点,提出了商业应用系统中进行数据挖掘的改进的Apriori算法和对点击流数据进行挖掘的改进的多支持度关联规则算法,并结合具体实例进行了分析.分析结果表明,2种改进的算法可以有效地提高系统数据挖掘的效率.     

数据挖掘技术的AHP改进算法在航天器数据分析中的初探

为了实现对航天器遥测数据的分析和挖掘,通过总结AHP算法在实际应用中的一些问题,提出一种基于数据挖掘技术的改良思路.利用数据挖掘技术从航天器遥测数据中提取关联规则,代替人类专家的经验知识自主配置AHP算法中的参数,以提高算法的效率和精度.在对实际航天数据的处理和分析中,数据挖掘程序验证了航天器系统内某些部件间的强关联规则,在深层次数据分析方面做了初步探索.     

一种基于Apriori的高效关联规则挖掘算法的研究

为了从海量的信息资源库中进行析取、识别和发现潜在正确和有用、前所未知的、最终可理解的知识,从数据挖掘技术的研究入手,对关联规则挖掘算法Apriori算法的关键思想以及性能进行了研究,在此基础上分析和探讨了Apriori Mend算法,并给出了该算法的实现思想和步骤,同时通过实例说明了算法的执行过程,该算法提高了原算法的效率。