基于FP-TREE算法的学生主干课程学习和所选模块的关联发现

FP-TREE算法是关联规则算法的一种,可以用其发现事物之间的潜在关联关系。用FP-TREE算法发掘出高职院校的学生选择的学习方向和其主干课程成绩之间的关系。     

基于FP—TREE算法的学生主干课程学习和所选模块的关联发现

FP-TREE算法是关联规则算法的一种，可以用其发现事物之间的潜在关联关系。用FP-TREE算法发掘出高职院校的学生选择的学习方向和其主干课程成绩之间的关系。     

关联规则在学生成绩管理系统中的应用

关联规则是数据挖掘的重要的组成部分之一。利用关联规则的Apriori算法,以学生成绩数据库为研究对象,挖掘课程之间的良好关系,为教学管理部门设置安排课程提供理论指导。     

挖掘关联规则中Apriori算法的改进

本文基于对挖掘关联规则中Apriori算法的研究,给出两种改进的算法。     

数据挖掘中关联规则算法的研究

近些年来,计算机技术迅猛发展带动信息技术的兴起,数据挖掘技术被广泛地应用到各个领域当中。这个新兴的领域为数据挖掘技术提供了最为活跃的算法,即关联规则算法,其能够对于大量的数据和信息进行处理,通过将繁琐的项集从数据库中找出来,经过整理之后,将项集之间的关联关系建立起来,从中挖掘出有价值的数据信息,以在一定程度上满足不同领域的需要。本文针对数据挖掘中关联规则算法进行研究。     

对数据挖掘中关联规则技术分析

关联规则问题由Agrawal等人在1993年首先提出,之后便引起了广泛的关注。关联规则的挖掘是数据挖掘的一个主要研究内容,也是最活跃的一个分支。本文首先对关联规则现状做了研究,分析了关联规则的种类,阐述了关联规则中的多种算法的实现。     

Microsoft关联规则算法解决电子商务中交叉销售的商业问题

发客户可能购买什么产品？对零售商来说,交叉销售是很重要的。许多零售商,特别是通过Internet销售的零售商,他们通过交叉销售来增加他们的销售量。例如,在网上书店购买一本书,Web站点会推荐一些相关书籍,这些推荐的书就来自于数据挖掘分析。     

关联规则中Apriori算法的C#实现研究

关联规则是数据挖掘中发现知识的一种有效方法,其中Apriori算法又是关联规则挖掘的经典算法。本文在分析该Apriori算法的基础上．介绍了该算法的c＃实现,包括频繁集的发现和关联规则的生成,并且通过对传统购物篮数据中的频繁集进行了验证,并且得到了其中满足最小支持度和可信度的强关联规则。     

软件质量管理系统的设计与研究

将数据挖掘技术运用于软件质量管理,根据影响系统质量的属性,建立了质量管理和分析模型,并根据模型给出了系统实现的初步方案。该系统的实施,能够有效的保证软件产品的质量。     

基于关联规则的数据挖掘技术的快速算法

提出了一种改进的Apriori算法的数据挖掘模式，探讨了对其中的生成候选频繁项目集、生成强关联规则等几个关健步骤运用标准SQL语言的算法实现。     

加权关联规则挖掘的算法研究

信息时代的到来，产生了大量的数据。在大量的数据背后隐藏着许多重要的信息，如果能把这些信息从数据库中抽取出来，将会创造很多潜在的利润。关联规则的挖掘已被广泛应用在实际生活中。但过去的研究往往认为数据库各个项目的重要程度是相同的，而事实上，用户对项目的看重程度是不同的，因此已有算法挖掘出来的并不一定是我们感兴趣的规则。针对这种情况．提出了加权关联规则。     

基于DM中关联规则算法的思考

关联规则是数据挖掘中研究的一个重要课题,在对关联规则算法模型中的Apriori算法分析后,提出了基于哈希表的算法;阐述了利用哈希技术可以有效地生成最大项目集,尤其是最大二维项目集的算法过程。通过使用该技术,生成的最大项目集数量大大减少,从而提高整个过程中的执行效率。     

用于挖掘关联规则的可视化人机接口

讨论了一种接口技术，用于实现在关联规则挖掘时用户可以通过接口的界面选择要执行的算法，以及设置关联规则的“置信度”和“支持度”参数，并将挖掘的结果以容易理解的方式通过接口的界面显示出来。该接口以COM技术和VB、VC语言为基础设计开发，能对SQL Server创建的数据库进行挖掘。通过以Apriori算法和FP-Tree算法的实验，证明接口的工作是正确有效的。     

数据挖掘算法微课程教学设计研究

微课程建设是构建学习型社会的重要内容之一。根据数据挖掘课程学科交叉性强、知识点难度高、主题模块明确的特点,设置了以算法为微课主题的数据挖掘微课程设计方案。以Apriori关联规则算法为例,从内容选择、设计思路、实现方法方面阐述微课程的开发与制作流程。从教学实践效果可知,该微课程能提高学生的学习兴趣和自主学习能力,不仅为数据挖掘课程提供辅助资源,同时,也为其他程序设计类课程的教学设计提供思路。     

关联规则中Apriori算法的C#实现研究

关联规则是数据挖掘中发现知识的一种有效方法,其中Apriori算法又是关联规则挖掘的经典算法。本文在分析该Apriori算法的基础上,介绍了该算法的C#实现,包括频繁集的发现和关联规则的生成,并且通过对传统购物篮数据中的频繁集进行了验证,并且得到了其中满足最小支持度和可信度的强关联规则。     

一种改进的数据挖掘算法——Improve算法

针对传统的数据挖掘算法Apriori算法中存在的不足，提出了改进的Improve算法。该算法首先要将数据预处理，用于生成频繁1项集并保留其相关数据，之后检验1项集数量是否足够进行2项集挖掘；然后进行大循环，不断由k项集挖掘k＋1项集，并产生k＋1项集的规则。改进的算法相对原有的算法除了具有效率、预测准确度上的优势外，还具有方便拓展、有利集成、适用于并行计算等特点。     

基于数组的Apriori算法的改进

本文通过对基于数组的Apriori算法的改进,提高了算法对内存空间的利用效率．同时利用数据集删减技术,提高了算法效率。     

关系数据库中多维关联规则挖掘的一种新算法

关系数据库已得到了广泛的应用,研究在关系数据库中挖掘关联规则的有效技术显得越来越重要.在分析关系数据库中关联规则挖掘现有算法的基础上,提出了一种在关系数据库中挖掘量化、多维型关联规则的简易算法.算法应用于安徽科技学院《学生体质健康标准》数据库,结果显示它具有快速、有效、易开发等优点.     

大型数据库中多层关联规则的挖掘算法

将基于垂直数据分布的关联规则的发现从单层概念扩展到多层概念,提出了自顶向下的、用等价类生成频繁项目集的发现算法,无需复杂的Ｈａｓｈ数据结构。该算法减少了项目的匹配计算,提高了挖掘的效率。     

基于多维关联规则的教学管理系统的开发

Apriori算法是一种找频繁项集的基本算法,它常常被用于单维关联规则的数据挖掘,本文结合数据立方体技术对Apriori算法做了一些变形,给出了一种适用于维间关联规则挖掘的算法,并将此算法结合Apriori算法,在教学管理系统中挖掘出混合维间的关联规则.