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.     

Apriori算法优化策略的研究

数据挖掘中的关联规则用来发现大量数据中项集之间有趣的关联或相关联系,随着数据库的广泛应用,如何从数据库中挖掘关联规则就越来越有其必要性.本文通过对关联规则挖掘技术及其相关算法Apfiofi进行分析,发现该技术存在的缺陷,介绍了能优化该技术的几种经典算法,分析了这些算法各自的优缺点,并以此为出发点提出了未来的研究方向.     

多种关联规则挖掘算法的研究与分析

近年随着数据库、网络等各种计算机技术的发展,人们希望能够通过数字挖掘技术对海量数据进行更高效快捷的挖掘分析,如何更好地利用海量数据及提高数据挖掘技术的效率已经成为了备受关注的问题.关联规则是数据挖掘的主要研究方向,研究关联规则具有重要的实用价值.本文对多种关联规则挖掘算法进行了具体分析,并针对当前提高关联规则挖掘算法效率的优化技术进行了深入的分析研究,并说明了各改进算法在商业领域中的应用.     

关联规则挖掘技术在决策支持系统中的应用

关联规则挖掘是从事务数据库中找出大量数据中项集之间存在的有意义的隐藏关系,这种隐藏关系为决策者对企业的决策走向提供强大的支持.本研究结合实际,论述了如何利用数据挖掘技术中经典的关联规则挖掘算法--Apriori算法,为ERP系统的实施,提供决策支持.     

关联规则在图书管理中的应用

关联规则主要用来发现数据库中存在的频繁项集.研究关联规则Apriori算法,并利用该数据挖掘技术对高校图书馆管理信息系统中的数据进行挖掘研究,并将挖掘到的规则结果应用到高校图书馆公共检索系统中,达到优化公共检索系统并且向读者提供多元化信息检索服务的目的.     

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。     

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.     

基于关联规则挖掘的教学质量监控系统应用

关联规则挖掘是数据挖掘研究的一个重要分支,它可以挖掘出数据库中的项目或属性间的未知或被隐藏的关系。将基于关联规则技术的Apriori改进算法,应用于教学质量监控分析系统中,对教师的教学质量评价数据信息进行挖掘和分析,找出对教师的教学质量有较大影响的因素,为学校的教学管理提供决策支持,并由此探索出一种利用关联规则来对大量数据进行挖掘分析、解决实际问题的思路和方法。     

基于关联规则的数据挖掘技术在CRM中的应用研究

阐述了数据挖掘技术在客户关系管理中的应用,说明了关联规则分析是数据挖掘技术中一项非常重要的功能,利用Apriori算法对客户挖掘信息数据库进行关联关系分析,通过分析进一步明确数据挖掘在CRM系统中的重要性。     

关联规则在图书管理中的应用

关联规则主要用来发现数据库中存在的频繁项集．研究关联规则Apfiori算法,并利用该数据挖掘技术对高校图书馆管理信息系统中的数据进行挖掘研究,并将挖掘到的规则结果应用到高校图书馆公共检索系统中,达到优化公共检索系统并且向读者提供多元化信息检索服务的目的．     

用模糊遗传算法挖掘空间关联规则

空间关联规则是空间数据挖掘的重要知识内容，利用模糊遗传算法能很好地解决随机和非线性等问题的特征，解决空间关联规则的数据挖掘问题将离散化交叉概率pc和变异概率pm的模糊遗传算法应用到空间数据库空间关联规则的数据挖掘中，讨论模糊遗传算法的编码方法和适应度函数的构造，并给出了空间关联规则挖掘流程。研究结果表明，用模糊遗传算法挖掘空间关联规则的方法是可行的，并具有更高的挖掘效率。     

基于快速隐私保护关联规则的挖掘算法

随着数据库规模的日益增大,关联规则挖掘需要在挖掘效率、可用性、隐私性及精确性等方面得到提升,需要对传统的关联规则挖掘算法进行更新和改进。在传统的Apriori算法基础上,提出了一种新的在关系数据库中挖掘关联规则的算法。该算法只需扫描一次数据库即可得到频繁项集,并通过非频繁项集来减少候选项集的生成,从而提高了算法的运算效率;此外,该算法将包含敏感数据事务做相关的处理,以达到隐藏包含敏感数据的关联规则。理论分析和实验结果表明,新算法不仅提高了关联规则挖掘的效率,而且还达到了隐藏包含敏感规则的目的。     

高效关联规则数据挖掘算法研究

关联规则挖掘是数据挖掘领域的一个重要问题，由于关联规则挖掘通常是基于超大型数据库或数据仓库，算法的效率在一定程度上决定挖掘的成败，针对关联规则挖掘中的主要任务－－频集发现过程中存在的几个问题，提出了项目树的概念，引出了一种新的控制模式，并设计了相应的高效挖掘算法，大大提高了挖掘效率。     

遗传算法编码设计及其在数据挖掘中的应用

数据挖掘就是从大量的数据中提取或者“挖掘”知识,从而实现对数据资源的有效利用．关联分析是数据挖掘诸多功能中应用最广泛的一种．关联分析用于发现关联规则,关联规则描述了给定数据集的项之间的有趣联系．提出了一种基于遗传算法的关联规则的挖掘算法．在关联规则的编码方面,提出了对个体进行变长编码的方法,从而在一定程度上减少了无效规则的数目;在适应度函数的构造方面也进行了一些改进;针对规则库的覆盖问题,采用标志位的方法,对挖掘过的规则设置标志,避免规则重复挖掘．     

基于数据挖掘的高校学生成绩预警系统

为充分利用高校教务管理信息、提高高校教学质量、加强学生学习成绩管理,以学生综合数据库为基础,开发基于数据挖掘的高校学生学习成绩预警系统;引入数据挖掘关联规则方法,根据数据类型特点,对学生成绩进行离散化处理;利用Apriori算法对学生课程成绩数据进行关联规则挖掘,预设一定的支持度的条件下,由数据库找出具有一定内在联系和不同可信度的课程成绩作为关联规则;将规则用于学生成绩的预警,有利于对处于危险区的学生提前作出预警通知.该预警系统能够加强教务管理系统的应用,对提高学生学习成绩具有良好效果.     

基于FP-Tree的敏感性关联规则隐藏的研究

敏感性关联规则的隐藏是最大程度地保持原始数据集的其他特征,保证敏感规则不被挖掘出来.针对已有的基于对原始数据集中事务修改的方法产生大量I/O操作的问题,提出了基于频繁模式树(FP-tree)的敏感性关联规则隐藏的方法.该方法首先利用FP-tree存储了与事务数据库相关的全部信息,减少了产生和测试候选集耗费的大量时间;再利用改进的频繁模式树(IFP-tree)是单向的,快速挖掘出最大频繁项目集,确定敏感性关联规则;然后删除敏感关联规则对应的频繁项目集,更新IFP-tree项目集节点和相应的项目头表的计数,对更新的IFP-tree反向挖掘生成新的不包含敏感关联规则的事务数据库.实例和理论分析表明,该方法是正确和高效的.     

一种新的Apriori改进算法

Apriori算法是挖掘布尔关联规则频繁项集的最有影响的数据挖掘算法之一,但由于数据挖掘本身决定其面临的是海量数据,因此在许多情况下会产生大量候选项集,从而严重影响挖掘的效率。本文提出一种简单有效的Apriori改进算法。     

基于关联分析的数据挖掘在体检CRM中的应用

运用关联分析方法对体检中心数据进行挖掘。首先分析了关联规则的原理和方法,然后对待挖掘数据进行集成、变换等预处理,得到能进行挖掘的原始数据.采用挖掘工具WEKA,选用关联规则中的Apriori算法对处理后数据进行分析,得到了与某一病症相关的各个症状之间的关联关系,以及各个症状与健康之间的关联关系。     

一种基于改进的遗传算法的关联规则挖掘及应用

基于遗传算法主要集中应用在数据挖掘分类系统方面的特点,提出了一种改进的遗传算法以对关联规则进行挖掘,并对遗传算法的5个要素在使用过程中进行了相应的分析选择、设计和改进,最后将其应用到农业气象数据库的灾害分析中。试验结果表明了该方法具有一定的有效性。     

关联规则挖掘技术在盲用软件中的应用研究

针对当前的网站导航机制,提出了一种将关联规则挖掘算法应用于网站中以快速访问相关内容的架构。通过不断扫描对象,组成一个Web信息元数据库,找出其中相互关联的部分,再进行兴趣分类,借助于快捷键的设置来使用户快速的访问感兴趣的信息。通过实验数据分析,将关联规则挖掘算法应用到盲用软件系统中可有效提高访问速度。